基于多策略改进麻雀搜索算法的并联冷机系统节能优化

针对并联冷机系统负荷分配优化问题,提出一种基于多策略的改进麻雀搜索算法,以系统功耗最小为优化目标,以各冷机的部分负荷率为优化变量进行求解.在改进算法中,首先,针对基本麻雀搜索算法初始解的质量差且不均匀问题,引入混沌序列机制对位置初始化;然后,针对算法初期易早熟导致搜索精度低的问题,提出将粒子群算法中的速度概念引入发现者的位置更新公式中,提高算法的寻优精度.为了避免算法长期陷入局部最优,结合狼群算法猛狼的跟随策略优化跟随者的位置,自适应调整个体权重提高算法的收敛速度;接着,选取两个测试案例对所提出算法的性能进行详细测试,并与其他常用算法对比,改进的麻雀搜索算法在案例中最高分别可节能17.8%和23.97%;最后,运用实际系统仿真平台验证所提出改进算法收敛快、运行时间短、鲁棒性好的优点.     

中央空调并联冷机负荷分配分布式优化控制

针对现有中央空调并联冷机优化算法对分布式控制的适应性不足的问题,提出了一种适用于分布式控制系统的并联冷机负荷分配优化算法。该算法仅通过每个冷机与相邻冷机交互信息完成对并联冷机运行的优化控制。将预处理机制与粒子群优化算法结合,在粒子初始化时对粒子间距离小的粒子进行适应度值比较,对适应度值小的个体进行惩罚并更新,以维持种群多样性;同时提出一种非线性惯性权重改进策略,加快收敛速度,避免算法陷入局部最优。最后,通过仿真实验测试算法的性能。实验结果表明,相对于对比算法,该算法能得到同等或更好的负荷分配控制策略,且收敛速度更快、鲁棒性更强,能够适用于分布式控制系统下并联冷机负荷优化分配。     

带柯西变异的自学习改进烟花算法

针对烟花算法收敛速度慢和求解精度不高,论文提出了一种改进烟花算法--带柯西变异的自学习改进烟花算法.改进算法用全局搜索能力更强的柯西变异算子替代高斯变异算子,增大变异范围;用全局最优烟花个体和历史柯西火花的位置来构造新的爆炸半径使其不仅能够继承和学习历史信息,还能够自适应地调整步长;并使用可同时兼顾烟花质量与分布的"精英-随机"选择策略.使用了10个典型基准测试函数和10个0-1背包问题进行仿真实验,结果表明,与蝙蝠算法、粒子群算法、带高斯扰动的粒子群算法、烟花算法、增强烟花算法、自适应烟花算法相比.该算法在收敛速度、计算精度以及稳定性方面性能更优.     

基于量子行为烟花算法的移动机器人路径规划及平滑

针对移动机器人全局路径规划问题,提出一种基于量子行为烟花算法(quantum-behaved fireworks algorithm,QFWA)的路径规划方法.改进算法在基本烟花算法(fireworks algorithm, FWA)的基础上增加了基于量子行为的烟花爆炸策略.该策略使得种群在接近全局最优时具有较强的局部搜索能力,同时在种群远离全局最优位置时具有较强的全局搜索能力.改进算法提高了烟花爆炸产生火花的多样性和算法的收敛速度.在Benchmark测试函数上将改进算法与其他几种优化算法进行了对比,结果表明改进算法的性能优于其他算法.将QFWA应用于求解移动机器人路径规划问题,并采用均值滤波结合人工势场法对规划出的路径进行路径平滑处理.仿真实验结果表明改进方法在移动机器人路径规划问题上的可行性和有效性.     

考虑设施深度的过道布置问题及改进烟花算法求解方法

针对过道布置问题中忽略设施深度及物流交互点置于过道边线的问题,结合实际布局活动对过道布置问题进行拓展,构建考虑设施深度的过道布置问题的混合整数规划模型,并提出一种改进烟花算法.该算法采用2-opt邻域构造方法对爆炸操作进行离散化处理;设置搜索深度并执行两点变异操作,实现变邻域搜索;通过贪婪选择方法更新种群以记忆精英解.为改进算法,引入混沌映射初始化烟花种群和设置阈值以加速算法寻优.通过对比数学规划方法与所提出算法的求解结果,验证了模型的有效性和所提出算法的求解优势.最后,通过不同算法的对比实验表明,改进烟花算法在寻优精度、收敛效率和稳定性方面均有明显优势.     

带有遗传算子的烟花爆炸优化算法

受烟花爆炸现象的启发并结合遗传算法思想提出一种新的优化算法——带有遗传算子的烟花爆炸优化算法(GAFEO)。该算法主要模拟烟花爆炸的方式对解空间进行基本的并行弥漫式爆炸搜索,引入自适应局部搜索策略和遗传算法中的交叉变异策略以改善算法的优化性能。通过实验对12个常用高维测试函数进行优化计算,结果表明,与PSO算法以及其他新型算法相比,GAFEO算法在寻优能力、寻优精度等方面都具有较好的性能。     

带固定半径近邻搜索3-opt的离散烟花算法求解旅行商问题

传统烟花算法求解大规模离散问题存在收敛速度慢、求解精度不高等问题.针对旅行商问题的特点,提出一种带固定半径近邻搜索3-opt的离散烟花算法.该算法基于基本烟花算法进行离散化改进,采用整数编码的路径表示方法来表示旅行商问题的解,对爆炸算子、高斯变异算子进行离散化操作策略设计.为了使算法具有较好的局部搜索能力,提出固定半径近邻搜索3-opt策略来提高算法精度和收敛速度,同时采用不检测标志策略提高算法效率.实验结果表明:该算法能有效地求解旅行商问题,其离散烟花算子在全局收敛能力、收敛精度、求解时间和稳定性等方面均优于传统烟花算子;基准测试算例的最优解平均误差率仅为0.002％,优于对比算法.     

基于二进制烟花优化算法的认知无线网络频谱分配

针对当前无线频谱资源稀缺和利用率低的问题,提出一种基于二进制烟花优化算法的频谱分配方法。每个烟花个体进行分布式爆炸搜索,并对最优烟花的爆炸半径采用改进公式动态更新;在变异环节中,针对粒子间信息交流不足的缺点,引入遗传算法的交叉变异算子,进一步增强种群多样性;对选出的最优个体使用Metropolis准则进行模拟退火扰动,避免陷入局部最优。仿真实验表明,二进制烟花优化算法在认知无线网络的频谱分配中具有寻优精度高、收敛速度快的特点,较好地实现了网络效益和用户比例公平性的最大化。     

基于Lévy flight的自适应动态增强烟花算法

为综合解决传统烟花算法爆炸半径可能为零导致资源浪费以及增强烟花算法引入的最小爆炸半径检测机制导致局部搜索能力较弱的问题,针对增强烟花算法提出了两种改进策略：引入自适应动态半径调整策略改进爆炸半径,根据不同阶段的启发式信息,即当前最优烟花距离其他烟花位置的信息,动态调整爆炸半径的大小,来平衡全局和局部搜索能力,该策略可以使算法后期爆炸半径缩小到较小值进行细致的局部搜索;引入具有较强随机性的莱维飞行策略改进爆炸产生火花位置的方式,增强局部搜索的多样性。采用12个标准测试函数及其偏移函数进行实验,相比增强烟花算法,改进后的算法提高了标准函数及其偏移函数的寻优精度,在高维复杂的优化问题上具有较好的收敛能力。     

基于改进烟花算法的矿用配电网重构

针对启发式方法和智能优化方法在求解配电网重构问题时存在难以获得全局最优解、效率较低的问题,以及矿用配电网重构快速性、稳定性的要求,提出了一种改进烟花算法用于求解矿用配电网重构。以配电网的网络损耗最小为目标函数,通过引入自适应系数对爆炸算子和终止策略进行改进,以减少迭代次数,提高算法的搜索效率;同时结合最优烟花微调策略,避免最优烟花爆炸产生大量相同火花,有效提高火花的多样性。实验结果表明,改进烟花算法具有较高的稳定性和可重复性、较快的搜索速度及良好的全局搜索能力,利用该算法对配电网重构问题进行求解后,网络损耗明显降低。     

基于IWOA算法求解并联冷机负荷分配问题

中央空调系统并联冷水机组系统能耗非常大,如果操作不当,能耗会大大增加。针对OCL问题提出了一种求解连续非线性优化问题的改进鲸群优化算法,首先,为使后续迭代寻优的搜索空间更精确,运用混沌映射初始化种群,使初始解均匀遍布解空间。其次引入变异指数对收敛因子进行改进,平衡了局部勘探和全局勘探的关系。之后引入正弦和余弦使算法收敛到全局最优解,防止了算法过早收敛,提高了算法的收敛精度。最后,通过两个典型的案例来评估IWOA算法的性能,并将其与应用于OCL问题的其他优化算法进行了比较。结果表明,IWOA算法是解决OCL问题的有效方法。此外,算法性能的比较显示,IWOA算法在收敛速度和电能消耗方面相比于其他应用于OCL问题的优化方法提供了更好的解决方案。     

采用改进被囊群算法的多冷水机组负荷分配优化

为了降低中央空调系统的运行能耗,针对多冷水机组负荷分配优化问题,提出一种随机森林特征优选结合核函数极限学习机的冷水机组能效预测模型,通过剔除冗余特征提高预测精度;然后提出一种混合策略改进的被囊群算法,融合鲸鱼螺旋搜索策略改进个体更新方式,引入非线性动态权重平衡全局探索和局部开发,使用空翻扰动策略避免陷入局部最优;最后在能效模型的基础上,采用改进被囊群算法对多冷水机组负荷分配进行优化。实验结果表明,随机森林特征优选的方法可以有效的提高能效预测模型的准确度;改进被囊群算法通过优化机组的启停状态和负荷率可以有效发挥系统的节能潜力,与原有方法相比能耗降低约6%。说明该方法适用于多冷水机组的负荷分配优化问题。     

自适应主从式并行遗传算法在区间非线性规划问题求解中的应用

讨论了区间参数非线性规划问题．通过引入决策风险因子的概念，提出了一种不确定性非线性规划的一般命题形式．为求解该命题形式，提出一种自适应主从式并行遗传算法，该算法可以满足大规模优化问题的求解实时性要求，具有全局收敛性能．相对于常规主从式并行遗传算法，该算法通过动态调整从机的计算负荷，有效地解决了从机间计算负荷不均衡分布的问题．仿真结果表明了该自适应主从式并行遗传算法的可行性．     

自适应爆炸半径的改进烟花算法

为充分利用被丢弃的爆炸火花个体的信息,对烟花算法进行优化,提出具有自适应爆炸半径特性的改进烟花算法。利用全局最优烟花个体gBest以及每个烟花所产生的最优爆炸火花个体的集合sparkpBest来构造新的爆炸半径,使其能够自适应地调整步长;在寻优过程中,对gBest进行高斯扰动来增加种群的多样性,避免烟花种群过快陷入局部最优。与其它群智能算法(粒子群算法PSO、带有高斯扰动的粒子群算法GPSO、蝙蝠算法BA、烟花算法FWA、自适应烟花算法AFWA以及增强烟花算法EFWA)对比,通过仿真可知,提出的改进烟花算法总体性能优于其它6种对比算法。     

一种并行的正序变异的混合PSO算法研究与应用

为有效解决粒子群算法在求解路网问题时易陷入局部最优的缺点,根据高校地理数据和多核系统并行处理方式,将自平衡策略和变异思想结合且并行化,提出一种并行求解高校路网问题的正序变异的混合PSO算法。该算法引入适合此问题的自平衡正序变异策略且采用并行处理方式,使其生成相互独立子群体且并行求解,来提高算法求解精度,保证算法多样性及收敛,降低计算时间。实验以Visual Studio 2005中C++编程实现仿真,结果表明此算法不但能有效求解高校路网问题,而且比离散PSO算法、并行自平衡PSO算法的解更优。     

基于极值优化的多核集群负载均衡

针对分布式多核节点系统的负载均衡难以取得最优解的问题,提出了一种基于改进极值优化的负载均衡方法.该方法通过节点的CPU占用率发现负载不均衡情况,然后用一个衡量模型估计计算与通信开销使改进的极值优化方法能够实现集群的负载均衡.仿真与实验结果表明该算法能够提高分布式集群的计算效率,是一种理想的负载均衡算法.     

基于GSPN和人工免疫算法的并行测试任务调度研究

针对ATS中并行测试任务调度复杂、难以优化的问题,提出了一种广义随机Petri网和人工免疫算法相结合的任务调度优化算法.首先对并行测试系统建立广义随机Petri网(GSPN)模型,然后将激发的变迁序列集作为并行测试任务调度路径;将免疫克隆选择算法(ICSA)应用到并行测试系统任务调度问题中,并提出一种自适应克隆选择算子,搜索最优任务调度路径,得到以测试时间最短为目标的最优任务调度方案.用某型雷达接收机并行测试系统对该算法进行仿真验证,结果表明,与改进的混合遗传算法(IHGA)相比,该算法能够便捷地得到任务调度最优序列,且测试效率更高.     

无约束最优化问题的BFGS松弛异步并行算法

为解决大规模非线性最优化问题的串行求解速度慢的问题,提出应用松弛异步并行算法求解无约束最优化问题。根据无约束最优化问题的BFGS串行算法,在PC机群环境下将其并行化。利用CHOLESKY方法分解系数为对称正定矩阵的线性方程组,运用无序松弛异步并行方法求解解向量和Wolfe-Powell非线性搜索步长,并行求解BFGS修正公式,构建BFGS松弛异步并行算法,并对算法的时间复杂性、加速比进行分析。在PC机群的实验结果表明,该算法提高了无约束最优化问题的求解速度且负载均衡,算法具有线性加速比。     

换热站并联水泵分布式优化控制

针对现有换热站并联水泵优化算法在集中式架构下控制适应性不足的问题,本文提出了一种改进的分布式并联水泵优化算法.首先,建立了并联水泵的分布式控制系统,并对该优化问题的数学模型进行描述,在目标函数中引入自适应非线性因子;然后,设计了改进的分布式果蝇优化算法,在该算法中每台水泵的控制器仅通过与邻居控制器交互信息即可完成并联水泵的优化;并且,在嗅觉搜索阶段,使用正弦余弦策略替代赋予个体距离与方向的随机策略;最后,以两个实际换热站中不同并联水泵系统为例对算法进行仿真验证,并基于仿真结果进行性能分析.结果表明,相较于传统算法,改进的分布式果蝇优化算法能得到更优的控制策略,有着收敛速度快、稳定性好和鲁棒性强的特点;并且该算法适用于不同系统的并联水泵优化问题,具有可扩展性.在实际工程验证中相较于集中式算法,该算法在总功率和计算时间上分别平均降低了5.47%和29.90%,因此,能够满足实际换热站中对并联水泵热负荷优化分配的需求.