基于改进粒子群算法的污水处理过程神经网络优化控制

针对活性污泥法污水处理过程高能耗的问题,综合考虑污水处理出水水质和生化反应参数之间的关系,文中设计了一种智能优化控制系统.该系统以国际水协(IWA)开发的基准仿真模型BSM1为研究对象,利用改进粒子群算法优化BSM1第2分区的硝态氮浓度和第5分区的溶解氧浓度、混合液悬浮物固体浓度的设定值;同时利用感知器神经网络预测污水处理过程的输出,在出水水质达标的前提下降低污水处理能耗.仿真实验结果表明,系统总能耗相比闭环控制策略降低4.614%,该神经网络智能优化控制系统能够有效降低污水处理的能耗.     

污水处理过程多变量优化控制方法研究

为了解决污水处理过程的优化控制问题,提高出水水质达标率和降低能耗,提出了一种污水处理多变量优化控制方法.首先,通过分析污水处理过程参数与可控变量溶解氧与硝态氮的关系,建立能耗和出水水质模型;其次,提出一种动态惯性权重的多目标粒子群优化算法,该算法平衡了寻优过程中的局部搜索和全局搜索能力,同时提高了算法的收敛速度,获得最...     

数据和知识驱动的城市污水处理过程多目标优化控制

城市污水处理过程优化控制是降低能耗的有效手段, 然而, 如何提高出水水质的同时降低能耗依然是当前城市污水处理过程面临的挑战. 围绕上述挑战, 文中提出了一种数据和知识驱动的多目标优化控制(Data-knowledge driven multiobjective optimal control, DK-MOC)方法. 首先, 建立了出水水质、能耗以及系统运行状态的表达关系, 获得了运行过程优化目标模型. 其次, 提出了一种基于知识迁徙学习的动态多目标粒子群优化算法, 实现了控制变量优化设定值的自适应求解. 最后, 将提出的DK-MOC应用于城市污水处理过程基准仿真模型1 (Benchmark simulation model No. 1, BSM1). 结果表明该方法能够实时获取控制变量的优化设定值, 提高了出水水质, 并且有效降低了运行能耗.     

基于PSO-DE算法的污水处理优化控制研究

针对目前污水处理系统能耗过大,处理效果差等问题,提出了基于改进型粒子群算法的优化控制;采用粒子群差分进化算法(PSO-DE)可以提高粒子全局搜索能力与收敛速度,克服粒子早熟现象;在实际应用中建立以溶解氧浓度(DO)与污泥排放量(Qw)为变量,以能耗与出水水质为约束条件的数学模型,通过算法全局寻优求解,验证结果表明该算法能保证出水水质前提下降低污水处理能耗。     

基于混合粒子群算法的锌电解过程能耗优化

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.     

基于Hopfield 神经网络的污水处理过程优化控制

针对前置反硝化污水处理过程的优化控制问题,提出一种基于拉格朗日乘子法的Hofield神经网络优化方法.构造了污水处理过程约束优化问题的数学表达式,通过Hopfield神经网络优化计算生化池第5分区溶解氧浓度和第2分区硝态氮浓度的设定值,并采用PID控制器实现底层的跟踪控制.基于国际标准的Benchmark基准仿真平台进行仿真实验,结果表明污水处理系统在出水关键水质达标的基础上,能够显著降低能耗.     

具有分工策略的量子粒子群优化算法

基于量子行为的粒子群优化算法是一种随机的全局优化搜索新方法.介绍了PSO算法和QPSO算法,在对QPSO算法和基于分工策略的PSO算法分析的基础上,提出了基于分工策略的QPSO算法,然后对新算法进行实验.实验结果表明,新算法在收敛性和取得最优值方面优于基于分工策略的PSO算法.     

基于粒子群算法的污水处理优化控制策略*

针对污水生化处理控制过程中寻优速度较慢、无法实现高质量的污水处理控制等问题,设计了一种新型粒子群算法。通过基于混沌序列的粒子群初始化方法,增强了粒子群的多样性,提高了算法效率;在寻优过程中,当系统陷入局部最优时,引入扰动,有效地克服了早熟。仿真结果表明,本算法不但保证了寻优速度,而且在保持出水水质符合标准的前提下使污水处理的经济成本达到最优。     

基于免疫粒子群神经网络的污水水质预测

针对污水处理过程所具有的多变量、非线性和大时滞的特点, 利用出水水质参数与多个可测过程参数间的相关关系,给出了基于RBF神经网络的出水水质参数预测模型.采用免疫粒子群优化算法来训练网络的隐层节点、径向基函数的中心点和网络权值.以反应时间、DO浓度、ORP和pH值作为输入参数,实现对COD,NH3-N,TP等水质参数的预测.仿真试验表明,该预测模型对污水处理出水水质参数COD,NH3-N,TP具有理想的预测效果.     

基于周期性演化策略的粒子群优化算法

针对标准粒子群优化算法(PSO)在寻优过程中容易出现早熟的问题,提出一种基于周期性演化策略的粒子群优化算法.该策略通过在速度更新方程中构建基于粒子群能量的粒子群最优值扰动项,使得粒子群能量在演化过程中可以周期性变化.相比标准PSO算法,当粒子群能量较大时,能够增强局部搜索能力;当粒子群能量较小时,能够增强全局搜索能力.典型优化问题的仿真结果表明,所提出的算法与线性下降惯性权重粒子群优化(LWPSO)和PSO算法相比,优化性能得到了显著提高.     

Operation Optimal Control of Urban Rail Train Based on Multi-Objective Particle Swarm Optimization

The energy consumption of train operation occupies a large proportion of the total consumption of railway transportation. In order to improve the operating energy utilization rate of trains, a multi-objective particle swarm optimization (MPSO) algorithm with energy consumption, punctuality and parking accuracy as the objective and safety as the constraint is built. To accelerate its the convergence process, the train operation progression is divided into several modes according to the train speed-distance curve. A human-computer interactive particle swarm optimization algorithm is proposed, which presents the optimized results after a certain number of iterations to the decision maker, and the satisfactory outcomes can be obtained after a limited number of adjustments. The multi-objective particle swarm optimization (MPSO) algorithm is used to optimize the train operation process. An algorithm based on the important relationship between the objective and the preference information of the given reference points is suggested to overcome the shortcomings of the existing algorithms. These methods significantly increase the computational complexity and convergence of the algorithm. An adaptive fuzzy logic system that can simultaneously utilize experience information and field data information is proposed to adjust the consequences of off-line optimization in real time, thereby eliminating the influence of uncertainty on train operation. After optimization and adjustment, the whole running time has been increased by 0.5 s, the energy consumption has been reduced by 12%, the parking accuracy has been increased by 8%, and the comprehensive performance has been enhanced.     

煤矿井下WSN中基于自适应粒子群聚类算法的多sink节点部署

多sink节点的部署是井下传感器网络的重要研究课题,对网络性能的影响很大。针对目前采用的部署方法存在计算过程复杂、收敛速度慢、容易陷入局部最优等问题,在标准粒子群聚类算法的基础上,提出一种基于自适应粒子群聚类算法的井下多sink节点部署算法(简称A-PSOCA算法),在惯性权重系数中考虑了粒子的进化和聚合状况,使改进的算法的自适应能力更强,并在算法迭代过程中引入预防粒子位置重叠策略,防止粒子搜索局部最优化。仿真结果表明,A-PSOCA算法可以得到合理的sink节点位置,算法的收敛速度比标准粒子群聚类算法快1倍,所对应的网络的平均能耗和均衡性以及网络生存期也优于其他基于粒子群算法,适用于井下通信环境。     

云工作流系统中能耗感知的任务调度算法*

云工作流系统研究集中在工作流任务执行的时间效率优化,然而时间最优的任务调度方案可能存在不同能耗,因此,文中求解满足时间约束时能耗最优的调度方案。首先改进任务执行能耗模型,设计适用于评价任务调度方案执行能耗的适应度计算方法。然后基于精准调整粒子速度的自适应权重,提出解决任务调度能耗优化问题的自适应粒子群算法。实验表明,文中算法收敛稳定,调度方案执行能耗较低。     

改进的云粒子群优化算法及其断路器优化应用

针对断路器的能耗优化设计中复杂的多维参数设定常采用经验选取的方式,易导致断路器自身能耗过大。为此,提出一种结合鲶鱼效应与云模型的改进粒子群优化算法对其多维相关参数进行优化选取,先将传统的粒子群优化算法与云模型相结合,对多维寻优粒子加以分类,控制不同粒子群在不同搜索状态下快速寻优;再引入鲶鱼效应扰动机制增加寻优粒子多样性,提高寻优精度;最后采用该改进算法对断路器能耗模型优化仿真以及断路器参数设定。结果表明,提出的改进方法可以实现断路器低能耗设计要求,并能有效提高其设计效率。     

基于免疫粒子群算法的水轮机机组供水系统节能控制方法

传统供水系统节能控制方法忽略了对水轮机状态的监控,导致在降低系统能耗的同时,供水过程出现机组运行不稳定问题,为此,设计基于免疫粒子群算法的水轮机机组供水系统节能控制方法。利用T-S模糊模型构建供水系统数学模型。采用模糊神经网络结构作为新型节能控制的设计原理,设计新的节能控制器。通过免疫粒子群算法实现供水系统的整体控制,降低供水系统能源消耗,完成基于免疫粒子群算法的水轮机机组供水系统节能控制方法的设计。仿真实验结果表明：所提控制方法应用后,供水系统的能源消耗明显降低,且水轮机机组供水运行稳定性得到了提升,应用效果较为理想。     

A novel mapping algorithm for three-dimensional network on chip based on quantum-behaved particle swarm optimization

Mapping of three-dimensional network on chip is a key problem in the research of three-dimensional network on chip. The quality of the mapping algorithm used directly affects the communication efficiency between IP cores and plays an important role in the optimization of power consumption and throughput of the whole chip. In this paper, basic concepts and related work of three-dimensional network on chip are introduced. Quantum-behaved particle swarm optimization algorithm is applied to the mapping problem of three-dimensional network on chip for the first time. Simulation results show that the mapping algorithm based on quantum-behaved particle swarm algorithm has faster convergence speed with much better optimization performance compared with the mapping algorithm based on particle swarm algorithm. It also can effectively reduce the power consumption of mapping of three-dimensional network on chip.     

一种适用于多任务多资源移动边缘计算环境下的改进粒子群算力卸载算法

为了研究移动设备在多资源复杂环境下的能量消耗问题,提出一种针对移动边缘设备计算卸载的改进粒子群算法。首先基于多环境的移动设备能耗提出一种移动设备能量消耗的计算模型;其次针对计算资源分配问题设计一种可以用于衡量分配方案优劣的适应度算法;最后提出一种改进的粒子群算法,用于求解进一步降低移动边缘设备能耗分配方案的最优解。通过使用模拟仿真软件对多种卸载策略下移动设备能耗、系统响应时间等关键指标对比表明,本文算法在满足用户响应时间的前提下,在求解降低移动设备能耗调度分配方案最优解的过程中具有更优的表现。     

基于改进的鸡群算法在云计算资源调度中的研究

针对云计算中的资源调度效率低的问题,提出将改进后的鸡群算法用于调度。引入反向学习概念对鸡群种群进行初始化,提高全局搜索能力。对小鸡的位置引入了粒子群算法中的权重值和学习因子的概念进行改进,优化了鸡群个体位置,通过差分算法对鸡群算法整体的个体位置进行优化,最后通过边界处理从整体上预防了算法中个体位置可能出现的越界。在仿真实验中,将优化后的鸡群算法与基本鸡群算法,粒子群算法和蚁群算法进行在完成时间、花费成本、能量消耗和负载均衡中进行了对比,取得了较好的效果。