共查询到16条相似文献,搜索用时 203 毫秒
1.
2.
3.
依据电力部门的分时计价政策,利用由生产过程数据所建立的不同电解液酸锌比下电流效率及槽电压与电流密度之间的关系,建立了锌电解过程分时供电优化模型。同时提出了一种改进的粒子群优化算法,该算法采用轮盘赌的方法选择整个粒子群当前最优位置,降低了算法过早收敛于局部最优解的几率。最后将改进算法应用于分时供电优化,以获得最优的分时供电方案。仿真及实际应用结果表明,算法地改进大大提高了其全局搜索能力,分时供电的优化能显著降低锌电解过程的用电费用。 相似文献
4.
针对锌电解过程能耗过高的情况,研究其能耗优化问题.根据电力部门实行的分时计价政策,建立以全天锌电解过程电能消耗和总用电费用为目标的锌电解过程多目标优化模型.提出一种带加速度调整的粒子群优化算法,当粒子陷入局部最优时,通过加速度策略增强种群速度,使算法获得持续搜索的能力,有效克服早熟收敛;并和Powell算法相结合构成新的混合粒子群算法,将粒子群算法的全局搜索能力与Powell算法的局部寻优能力有机结合起来.最后将该混合粒子群算法应用于所建优化模型的求解,获得优化生产方案.仿真结果证明了该算法的有效性.工业应用效果表明,按所得优化方案组织生产降低了电能消耗,减少了用电费用. 相似文献
5.
复杂工业过程智能优化软件原型机 总被引:1,自引:1,他引:0
针对目前不同生产过程开发不同的建模和优化软件,但软件之间在一定程度上存在重复的现象,为了减少重复开发,设计了集成多种建模方法和智能优化方法的通用软件包的原型机OptSdtware,并实现了对用户输入表达式的自解析和对约束条件的处理。结合SoftWare从建模、约束条件的处理、表达式自解析和优化这一整个流程做了详细介绍。该软件已成功应用于某冶炼厂锌电解过程分时供电决策系统,模型的预测作用精度达到98%。优化调度后使其电解过程的电耗降低为原来的94%。 相似文献
6.
将多用户MIMO下行链路调度问题描述为一优化问题,并引入粒子群优化(particle swarm optimization,PSO)算法进行求解.针对容量和复杂度有不同要求的应用场合,给出了两类采用不同目标函数PSO调度算法:基于容量PSO(C-PSO)调度算法和基于特征值下界PSO(LBE-PSO)调度算法.C-PSO算法目标是获得接近最优容量的性能;而LBE-PSO算法旨在有效降低算法复杂度的同时尽可能获得高的容量增益.进一步,从粒子和速度两方面对PSO算法的收敛性进行分析并得出收敛条件,然后通过不同参数值的实例对其进行验证.仿真结果表明,C-PSO算法能够以较低的复杂度获得接近穷搜索算法的容量,而LBE-PSO调度算法则提供了一种能够在容量和复杂度之间很好折中的调度方案. 相似文献
7.
8.
一种基于拟态物理学优化的多目标优化算法 总被引:2,自引:1,他引:2
提出一种使用拟态物理学优化(APO)解决多目标优化问题的算法(MOAPO).根据多目标优化问题的特点,借鉴聚集函数法的思想,利用APO算法实现了对多目标优化问题中Pareto最优解集的搜索,并且在搜索过程中动态调整惯性权重与引力因子,以增强非劣解的多样性.实验结果表明了将APO应用于多目标优化问题的有效性.通过与基于微粒群优化(PSO)的多目标优化算法及NSGA-Ⅱ算法的比较,表明了MOAPO算法具有较好的分布性. 相似文献
9.
10.
11.
针对炼钢过程的供电优化问题,提出了一种改进的多目标粒子群算法(CRMOPSO).文中利用约束条件满意度函数并加权求和的策略将约束条件转化为一个待优化目标;同时为了克服基本多目标粒子群算法在求解复杂优化问题时,搜索速度较慢,精度较低的缺点,引入变区域加速算子以提高算法收敛速度和精度;针对算法易于早熟收敛的问题,引入混沌算子以提高算法局部搜索能力;进化过程中采用受约束的竞争选择机制(RCS)小生境技术保证种群多样性.建立了新的供电多目标优化模型并将CRMOPSO算法用于该模型优化电弧炉供电过程,达到了减少电量消耗,缩短冶炼时间,延长炉衬使用寿命的目的,表明了该算法的有效性. 相似文献
12.
在分析多目标优化问题的基础上,提出一种随机多目标微粒群算法,该算法采用在已经获得的Pareto解集中随机选取的两个Pareto解作为微粒更新公式中的pbest和gbest微粒,从而使微粒群的多样性增加,获得均匀分布的Pareto前沿。之后利用有限齐次马尔科夫理论给出了SMOPSO算法的收敛性进行了分析,证明SMOPSO算法以概率1收敛于极小元。最后通过对两个常用多目标函数的仿真实验,验证了算法的有效性。 相似文献
13.
14.
15.
16.
城市固体废物焚烧(municipal solid wastes incineration,MSWI)技术由于其高效的减容效果逐渐成为了生活垃圾处理的主要方式.MSWI过程产生的氮氧化物(nitrogen oxides,NOx)是大气中的主要污染物之一.为了在控制NOx排放的同时保证燃烧效率,提出一种基于多目标粒子群算法的MSWI过程风量智能优化设定方法.首先,结合最大相关最小冗余算法及前馈神经网络,建立燃烧效率和氮氧化物排放浓度预测模型;然后,提出分阶段多目标粒子群优化算法(staged multi-objective particle swarm optimization,SMOPSO),获得一次风流量和二次风流量的Pareto优化解集;此外,设计效用函数,确定一次风流量和二次风流量的最优设定值;最后,基于国内某城市固废焚烧厂的实际运行数据,验证所提方法的有效性. 相似文献