一种改进QPSO优化BP网络的入侵检测算法

为了较好克服量子粒子群算法存在早熟收敛的缺点,在分析算法参数和流程的基础上,提出了一种带变异操作的改进量子粒子群优化算法。针对传统BP算法易于陷入局部极小的不足,将改进的算法应用到BP神经网络的学习过程中,修正BP网络的权值和阈值,提高其收敛性能。并将优化的BP神经网络模型应用于入侵检测中,用标准入侵检测数据对基于不同算法的BP网络进行仿真实验比较。实验结果表明,改进后的BP算法迭代次数少,收敛速度有所提高,在一定程度上提高了入侵检测率。     

基于改进量子粒子群算法的NCS模糊控制器参数优化

针对网络化控制系统中模糊控制器的量化因子和比例因子采用传统经验方法难以整定的问题,提出了一种改进量子粒子群(IQPSO)算法对模糊控制器量化因子和比例因子进行优化。该方法将ABC算法中的搜索算子作为变异算子引入到QPSO算法中,使得IQPSO算法较好地克服了QPSO算法保持种群多样性差容易早熟收敛的缺陷,并以ITAE指标作为IQPSO算法的适应度函数对模糊控制器进行优化。典型工业过程仿真结果表明,IQPSO优化的模糊控制器具有比PID控制器和标准QPSO优化的模糊控制器更好的控制性能和适用性。     

一种新参数优化算法及其在流量预测中的应用

为了提高网络流量预测的精度,提出先进行小波变换后利用LS_SVM的网络流量预测模型,对于LS_SVM参数的优化,提出一种基于模拟退火算法的自适应混沌量子粒子群算法AS-QPSO,该算法在量子粒子群算法的基础上加入了自适应和混沌特性,使算法具有动态自适应性,改善算法的全局寻优能力,再引入模拟退火算法避免陷入局部最优,使算法具有更好的收敛性和稳定性。实验结果表明: 与其他算法优化的LS_SVM模型相比,该模型具有较好的泛化能力﹑更高的预测精度以及很好的稳定性。     

改进粒子群和模拟退火混合算法及其应用

基本粒子群优化算法每个粒子代表一个可行解,通过粒子间的协作来获得最优解。考虑粒子间协同作用,引入Gaussian核函数研究基于区域影响的粒子群算法(GPSO)。为了充分利用粒子群算法的快速全局收敛性和模拟退火算法能够跳出局部最优陷阱的优点,得到高精度的最优解,将GPSO算法与模拟退火算法相结合,研究了一种新的混合粒子群算法。混合算法在GPSO算法处于停滞状态时,于搜索到最优位置用模拟退火算法继续寻找最优解。数值实验结果表明,新混合算法兼顾了GPSO和模拟退火算法的优点,具有收敛速度快、搜索精度高、鲁棒性好等特点。这说明文中的混合算法不失为一种有效的进化算法。     

含多种分布式电源的微网建模及并网控制仿真

针对微电网中分布式发电的控制策略问题,利用Matlab/Simulink分别搭建了光伏电池、风力发电机、燃料电池及微型燃气轮机等分布式电源的模型,并在此基础上建立了包含上述分布式电源的低压微网系统仿真系统。在并网控制策略方面,光伏电池与风力发电机采用P/Q控制方式,燃料电池与微型燃气轮机采用下垂控制方式。通过仿真研究了该系统模型及控制策略在并网与孤岛模式下的动态特性。结果验证了该系统的可行性和有效性,为建立微网实验平台和示范工程奠定了基础。     

基于自调节粒子群算法的盲检测

以往基于粒子群优化的盲算法能成功实现信号盲检测,但具有算法收敛速度慢、容易陷入局部最小的缺点。文中通过分析粒子群算法的机能及参数的设置,提出一种改进的基于自调节粒子群优化的盲检测算法。算法构成思想是:基于MIMO系统的盲检测系统模型将盲检测问题转化为二次优化问题,利用改进的自调节粒子群优化算法对此优化问题进行寻优。仿真表明,改进算法具有全局收敛性好、收敛速度快、误码率低的优点,能够更好地解决盲检测问题。     

基于贝叶斯网络的分布式电源的选址与定容

分布式电源的接入会对配电网会产生明显的影响,并且不同的位置和容量产生的影响会也不同,可再生能源具有的间歇性以及它与负荷的关联使评估这类影响变得更加困难.构建了考虑风-光-荷相关性影响的分布式电源选址与容量投资的随机模型,并以电压稳定性指标作为约束,采用基于杂交粒子群智能优化算法(Crossbreeding Partic...     

粒子群与细菌觅食相结合的案例聚类算法

案例聚类是按照案例库中案例的相似度进行归类,目的是减少案例推理系统搜索相似案例的时间、提高案例推理系统的性能和降低案例库维护的复杂度。该问题的难度在于案例库的案例规模比较大和不同的聚类算法的选择对于聚类结果的影响。本文在粒子群算法与细菌觅食算法基础上,将两者结合起来,综合两个算法的优点,并将其应用在k-prototypes方法上对案例库中案例进行聚类。与流行的聚类算法进行比较,实验结果显示本文的算法具有更高的效率并且性能相对而言更加优秀。     

基于粒子群算法的PID神经网络解耦控制

基于粒子群的优化算法具有对整个参数空间进行高效并行搜索的特点以及PID神经网络的自调节和自适应特性,设计了具有PID结构的多变量自适应神经网络控制器。该算法采用粒子群算法优化 PID 神经网络初始权值,并将优化后的最优初始权值控制非线性耦合系统。系统仿真结果表明,粒子群优化后的 PID 神经网络控制器具有逼近控制目标更快,响应时间较短的显著优点。该控制策略可在大范围内克服系统的非线性和强耦合问题,具有一定的理论研究价值和工程实用价值。     

基于混合算法的含分布式电源的配电网优化

考虑到分布式电源的选址与定容对配电网有着重要影响意义,针对分布式电源的接入对配电网系统能量损耗和各节点电压影响的问题,首先建立了以有功功率损耗和系统节点电压的目标函数优化模型,提出了充分整合引力搜索算法(GSA)的勘探能力和粒子群(PSO)的开采能力的混合算法(PSOG-SA),同时确定权重系数,最后采用IEEE-33标准节点配电网模型进行了仿真实验,通过和其他两种算法的比较,验证了配电网系统在该算法下的有效性和可靠性.算例分析表明,合理的DG接入能够一定程度上降低系统有功功率损耗,改善节点电压.     

无功补偿装置对电网运行的影响分析

近年来,无功补偿装置快速发展起来,并得到了广大企业的青睐,给众多企业带来了不可低估的效益和成绩。无功补偿不仅应用于电力系统,同时还应用于工业系统、交通系统、通信系统和计算机系统等产业,对国内企业的发展起着很好的促进作用,也给产品市场和企业经营提供了广泛的机遇和空间。     

基于改进蚁群优化的盲检测算法

文中针对基本蚁群算法在求解过程中容易出现收敛时间过长以及易陷入局部最优解的不足,对基本蚁群算法中的信息素更新方法进行改进,提出了一种新的算法:基于特种蚁群优化算法,并将其用于信号盲检测。文中提出的改进蚁群算法能更好地避免优化算法出现过早停滞现象,优化盲检测性能。对改进算法的仿真实验及复杂度分析结果表明:基于特种蚁群优化盲检测算法在具有与原算法相同复杂度的前提下,提高了算法的盲检测性能,具有可行性和有效性。     

基于蚁群优化算法的MapReduce集群调度策略

在云计算环境中,MapReduce集群已成为强大的大规模数据集处理平台。针对其在任务调度过程中存在用户QoS、集群资源利用率等方面的缺陷,提出了一种基于蚁群优化算法的调度策略(ACO-SS)。该调度策略同时考虑了优先级计算模型和任务调度过程,能有效地满足用户QoS,平衡集群节点负载,使分布在节点上的任务利用资源更加合理,提高了系统的调度性能。最后,通过CloudSim仿真实验表明,该调度策略在作业完成总体时间﹑资源利用率等重要指标上都具有明显优势。     

分布式可再生能源发电并网的无功优化研究

提出了基于杂交粒子群优化算法的分布式可再生能源并网的无功优化算法,从网损和静态电压稳定裕度两个角度出发,构建了含分布式发电系统的配电网无功优化的数学模型.在美国PG&E 69节点配电系统上进行效验.结果表明,该算法收敛性好、精度高;分布式电源并网后能有效降低系统的有功网损,提高电压稳定性,对分布式电源并网运行具有一定的...     

率失真优化和系数移位结合的ROI编码方法

感兴趣区域图像编码技术是数字图像压缩编码领域的研究热点。文中提出了一种基于JPEG2000标准的率失真斜率优化和系数移位相结合的感兴趣编码改进方法,它结合了两者编码方式的优势,并在率失真斜率优化算法中充分考虑到ROI区域的比例并影响率失真函数的加权值。该方法提高了图像编码的信噪比,支持多个感兴趣区域,并且ROI的形状不受限制。实验证明:该方法不仅在低码率条件下提高了感兴趣区域的信噪比,在高码率下整幅图像的信噪比也得到了改善。     

基于改进粒子群算法的多目标分布式电源选址定容规划

通过分析分布式电源对配电网的影响,以有功功率损耗、电压质量及分布式电源总容量为优化目标,基于模糊理论建立了分布式电源在配电网中选址定容的多目标优化模型,并提出了一种改进粒子群算法进行求解。在算例仿真中,基于IEEE 14标准节点系统,采用MATLAB仿真工具对所提算法进行了测试,证实了所提算法全局搜索能力较强、收敛速度较快,并通过比较分析验证了该模型和算法的可行性及有效性。     

演化式果蝇算法及其应用研究

现实中的大量问题都可以转化为函数优化问题,而寻找优化问题的通用高效算法,是智能计算所要达到的主要目的之一。文中基于果蝇觅食行为的社会特性,设计了一种求解函数优化问题的演化式果蝇算法。该算法首先定义了果蝇味道浓度判定值及果蝇味道浓度判定函数,针对多维度问题,提出了距离分量及味道浓度判定值分量的概念,并将其用于引导果蝇搜索过程之中,得到了较理想的寻优结果。实验表明,算法具有较高的效率、良好的全局性能及普适性。     

图的最优矩阵构建研究

为了提高图的最优矩阵的构建效率,文中通过对Floyd算法的研究,进一步提出了对其进行四层优化的方法,通过对图的矩阵中的特殊元素的删除和在计算前的判断减少了不必要的计算,加入贪心算法使其减少中间结果的生成,使中间结果更加接近图的最优矩阵。优化后的Floyd算法在很大程度上提高了执行效率,使其在实际应用中更加可取,经过逐步的优化使改进后的算法在运行时间上平均时间最多减少为原来的四分之一,而且随着图顶点数目的增加,修改后的Floyd算法效率有显著的提高,因此,在实际应用中是一个切实可行的算法。