基于蚁群K均值聚类算法的边坡稳定性分析

针对岩石边坡稳定分析中常规聚类算法存在收敛速度慢、易陷入局部最优的局限性,基于蚁群信息素的K均值聚类法,提出一种解决边坡稳定性的新方法,分析了三峡库区36个边坡数据资料,并结合工程类比综合判断了边坡的稳定状态.结果表明,该法的聚类效果优于常规聚类法,计算效率高,为边坡稳定性分级的聚类分析评价提供了新途径.     

基于混沌高斯扰动布谷鸟算法的水资源优化配置

当前我国水资源面临的形势十分严峻,如何合理利用水资源显得尤为重要.为此,提出改进布谷鸟算法,以经济、社会、生态效益为目标函数,并基于现实生态环境情况建立水资源优化配置模型.同标准布谷鸟算法相比,引入混沌初始化条件增加了初始种群多样性,加入高斯扰动使算法具有跳出局部最优的能力.最后采用改进后的布谷鸟算法,对晋中—长治供水...     

局部阴影下基于遗传蚁群算法对MPPT的研究

针对光伏阵列局部遮挡时P-V特性曲线存在多个峰值的情况,以最大功率跟踪点为研究对象,提出基于遗传蚁群算法的MPPT算法,该算法基于遗传算法的计算理念,通过引入蚁群算法中信息素累积的概念,将两种算法进行有效融合,解决了遗传算法寻优效率低的问题。文章对基于遗传蚁群算法的MPPT算法进行建模、仿真。研究结果表明:在仿真计算中,与遗传算法相比,基于遗传蚁群算法的MPPT算法在收敛速度和精确性方面均有明显提高;在实际工程应用中,与遗传算法相比,基于遗传蚁群算法的MPPT算法不仅可以稳定跟踪到最大功率点,而且跟踪用时缩减了80%。     

基于改进粒子群优化算法的边坡稳定性分析

针对标准粒子群算法存在收敛精度低、易陷入局部最优的缺点,提出了基于混沌与变异的改进粒子群优化算法(CVPSO),将其应用于边坡滑裂面搜索,研制了边坡稳定分析程序CVPSO-LEM2D。采用改进粒子群算法对澳大利亚计算机应用协会(ACADS)边坡算例进行计算分析,结果表明改进粒子群算法的全局最优搜索能力与收敛精度得到了较大提高,计算结果与ACADS推荐的裁判答案基本一致,验证了算法的有效性。最后,将CVPSO-LEM2D应用于两河口泄水建筑物进口边坡稳定性分析,验证了方法的可行性,为类似工程提供了参考和借鉴。     

基于改进粒子群优化算法的边坡稳定性分析

针对标准粒子群算法存在收敛精度低、易陷入局部最优的缺点,提出了基于混沌与变异的改进粒子群优化算法（CVPSO）,将其应用于边坡滑裂面搜索,研制了边坡稳定分析程序CVPSO LEM2D。采用改进粒子群算法对澳大利亚计算机应用协会（ACADS）边坡算例进行计算分析,结果表明改进粒子群算法的全局最优搜索能力与收敛精度得到了较大提高,计算结果与ACADS推荐的裁判答案基本一致,验证了算法的有效性。最后,将CVPSO LEM2D应用于两河口泄水建筑物进口边坡稳定性分析,验证了方法的可行性,为类似工程提供了参考和借鉴。     

基于蚁群算法的神经网络在发动机故障诊断中的应用研究

BP算法在神经网络中应用较为广泛，但有收敛速度慢、易于陷入局部极小点的缺点。而蚁群算法是一种新型的模拟进化算法，有正反馈、分布式计算、全局收敛、启发式学习等特点。将蚁群算法和神经网络结合起来，应用于发动机故障诊断中，可以提高运算效率，具有广阔的应用前景。     

基于连续蚁群算法的供水水库优化调度

针对供水水库优化调度问题,介绍了一种改进的连续蚁群算法。该算法借鉴蚁群算法的进化思想,主要包括局部搜索、全局搜索和信息素强度更新规则。在随机搜索过程中嵌入确定性搜索,以改善寻优性能,增加经验指导,从而加速收敛。将该算法与离散蚁群算法相比较,结果表明,该算法更优越,具有并行化和较强的全局寻优能力。     

基于广义蚁群算法的梯级水库群优化调度

利用广义蚁群算法对梯级水库进行优化调度,采用以水量平衡方程为主要约束的随机自动生成方式生成初始蚁群,并利用惩罚函数法处理边界条件和其他非等式约束。实例结果表明,该算法搜索能力强、精度高、可靠、有效实用。     

基于改进蚁群算法的算力灵活迁移优化算法

针对现有云计算环境下国网数据中心资源调度存在的调度效率低、能源消耗高等问题,文章提出了一种基于改进蚁群算法的算力灵活迁移优化算法。首先构建国网云数据中心的算力迁移模型,对数据中心的资源调度能耗进行建模。然后通过引入细菌觅食算法改进基本蚁群算法的信息素初始化,并重新设计了启发函数和信息素挥发因子。仿真实验结果表明,与现有模型相比,文章的算法能够求出更优的算力资源调度方案,在减小任务完成时间的同时降低了国网数据中心36.6%的能耗。     

基于改进蚁群算法的梯级水库群优化调度

针对梯级水库群优化调度的大系统多维多阶段优化决策问题提出改进的蚁群算法.为提高算法搜索效率采用新的信息素更新策略--Ant-proportion,综合考虑全局和局部信息.以漫湾-大朝山梯级水电站优化调度为例,计算结果表明,改进算法与基本蚁群算法相比具有更好的优化结果和收敛速度,与逐步优化法相比可靠有效.     

基于蚁群算法的神经网络绝缘子闪络电压预测

为提高覆冰绝缘子闪络电压的预测精度及预测速度,采用BP神经网络和蚁群算法相结合的方法进行预测模型设计。利用闪络电压及其影响因素之间的试验数据,建立其神经网络的预测模型。以网络的权值和阈值为自变量,通过蚁群算法的迭代运算,搜索出误差全局最小值,再进行网络的二次学习训练。结果表明,该方法具有较高的预测精度,适用于绝缘子闪络电压的预测。     

基于跳数和剩余能量的WSN蚁群路由算法

针对无线传感器网络能镀受限的特点,将蚁群算法应用于无线传感器网络路由协议中,通过蚁群算法构造一条从源节点到目的节点的最小跳数路径,该算法不仅考虑了节点的跳数,而且还考虑了节点的剩余能量,多角度节能,延长了州络的寿命.为了防止局部最优,算法采用具有奖罚机制的信息素更新方法,即在搜索过程中,若发现的路径比以往的最优解更优则...     

基于BP-Garson组合模型的堤岸稳定影响因素敏感性分析

鉴于确定各因素(土体强度因素、边界几何因素)影响堤岸稳定的显著程度对研究堤岸失稳的重要意义,采用BP神经网络与Garson算法相结合的方法,对影响堤岸稳定的土体粘聚力、土体内摩擦角、坡高、坡比、墙前水位、墙后水位、墙后荷载7个因素进行了敏感性分析,先利用BP神经网络对非线性映射逼近能力强的优势,建立了影响因素与安全系数间的相关关系,再通过Garson算法,确定了各影响因素对安全系数的贡献量,最终确定了各因素影响堤岸变形的主次关系,为堤岸稳定影响因素敏感性分析提供了一种方法。     

蚁群加速遗传算法在水环境优化问题中的应用

提出了水环境优化问题的一种新方法——蚁群加速遗传算法，给出了实施该算法的详细步骤。并对新方法的收敛性和全局优化性进行了理论和实例分析，在污水处理模型的参数识别问题中，新方法得到了精度较高的全局最优解。新方法具有精度高、速度快和鲁棒性强等特点，是一种既可以较大概率搜索全局最优解，又能进行局部细致搜索的较好的非线性优化方法，可广泛应用于各种水环境优化问题中。     

基于蚁群算法的水电站AGC机组组合与负荷分配优化

针对水电站厂级自动发电控制(AGC)中的经济运行问题,采用蚁群算法求解,所建模型综合考虑了功率平衡、机组出力约束、旋转备用和机组开停机时间约束等多重安全运行限制条件,并根据等微增率原则导出经济负荷分配公式嵌入并行随机搜索模式中,减少负荷分配时的迭代次数。算例中的机组耗量特性曲线根据实际数据采用二次曲线拟合。仿真结果表明,该方法既带有智能算法搜索的随机性又具有传统算法的稳定性,优化速度快且精度较高。     

证据理论融合蚁群神经网络的短期负荷组合预测

为提高短期负荷预测的精度,引入了证据理论融合蚁群神经网络的组合预测方法,根据重庆市负荷的实际数据,采用蚁群神经网络作为单一模型对其进行初步预测,由BP神经网络对预测误差及主要外界影响因素进行分析建模,获得了每个模型的可信度,并用证据理论对可信度进行合成得到组合权值,进而实现对短期电力负荷的组合预测。结果表明,该方法拟合误差小、预测精度高,具有一定的应用价值。     

禁忌遗传算法在边坡稳定分析中的应用

在遗传算法的选择算子中引入了群体多样性保持策略,以避免遗传算法易出现的早熟收敛现象;同时在交叉、变异算子中采取禁忌搜索技术,构造了适于约束优化问题的两点直线禁忌寻优算子,以寻求新解从而形成一种禁忌遗传算法;利用禁忌遗传算法和遗传算法对两个非均质土坡的最小安全系数进行了搜索,结果证明禁忌遗传算法具有搜索效率高、寻优能力强等特点。