基于改进粒子群算法的微电网运行优化调度

针对目前配电网中能量利用效率低下和运行成本高的问题,提出一种包含火电和抽水蓄能的联合优化调度模型,并使用改进粒子群算法进行求解的优化调度方法。首先,通过对火电机组出力和抽水蓄能机组的数据进行分析,使用更加高效的改进粒子群算法,加入自适应惯性因子策略来优化机组出力;然后,基于分析运行成本和电功率平衡等指标进行仿真实验。实验结果表明,使用所提出的基于改进粒子群算法的联合日运行优化调度方法,能达到减少系统运行成本的要求,与此同时提升了电力系统的稳定性。     

一种新的粒子群优化的图像匹配算法

针对粒子群算法在图像匹配中易陷入局部最优、搜索速度慢以及匹配精度不高的问题,提出一种新的粒子群优化的图像匹配算法。首先,以改进的非线性惯性权重对粒子群算法进行优化,以此来平衡粒子在全局和局部的搜索能力;其次,提出添加动态扰动项对速度进行扰动,避免粒子在算法后期速度停滞为零而陷入局部最优。仿真结果表明,该算法提高了粒子的全局搜索能力和收敛精度,有效防止早熟现象,与基于标准的PSO图像匹配算法相比,所提算法具有收敛速度快、鲁棒性好以及匹配精度高的特点。     

基于分类思想的改进粒子群优化算法

针对粒子群算法存在收敛速度慢、收敛精度低且易收敛到局部极值的问题,提出一种基于分类思想的粒子群改进算法。该算法将粒子适度值和适度值均值做差与适度值标准差进行比较,从而将粒子所在区域划分为拒绝域、亲近域、合理域。根据不同区域中粒子的特点选取不同惯性权重和学习因子,使粒子高效地选择自身经验或种群经验,合理增强或减弱粒子全局搜索能力和局部搜索能力。数值实验结果表明,与其他粒子群改进算法相比,新的分类粒子群算法有效加快了粒子的收敛速度,提高了算法的收敛精度,有效改善了算法寻优性能。     

融合牛顿-最速下降算子的自适应粒子群算法

针对粒子群算法容易陷入局部最优、收敛精度低、后期收敛速度缓慢的问题,将牛顿-最速下降算子、动态惯性权重、影响度决策引入到粒子群的更新中,提出了融合牛顿-最速下降算子的自适应粒子群算法(NSWPSO).将改进后的算法、标准粒子群算法、自适应惯性权重粒子群算法、线性递减惯性权重粒子群算法同时应用于不同维度的12个测试函数,对搜索结果进行对比分析,T-test差异分析、10维测试函数达到期望值时的寻优率和平均迭代次数分析,可得改进后的算法能够稳定快速准确地搜索到全局最优解.     

基于单纯形法的量子粒子群优化算法

针对粒子群优化算法容易陷入局部极值点,进化后期收敛慢和优化精度较差等缺点,提出了将单纯形搜索法与量子粒子群算法混合的改进算法,更好的平衡了全局搜索和局部搜索能力.仿真结果表明,该算法效率高、优化性能好,其性能远远优于一般的粒子群算法与量子粒子群算法.     

基于改进PSO的非对称BoucWen模型参数辨识

为了辨识压电陶瓷中的迟滞非线性,该文提出一种改进的粒子群算法(PSO)对非对称BoucWen模型进行参数优化。首先在归一化BoucWen模型中引入非对称因子描述非对称特性,解决该模型只适用于描述对称迟滞的问题。其次通过引入混沌映射、收缩因子和动态学习因子来对传统PSO进行改进,动态改变粒子群的权重和学习因子,有效地提高算法的搜索能力和收敛速度。最后通过改进的PSO对非对称BoucWen模型进行参数辨识。结果表明,改进的粒子群算法能较好地辨识BoucWen模型参数,验证了方法的有效性。     

基于折射原理反向学习模型的改进粒子群算法

对于粒子群优化算法易陷入局部最优的缺陷,反向学习策略对其的改进取得了较好的效果.然而,反向学习策略需要结合其它策略来提高算法后期的全局搜索能力,针对此缺陷,根据光的折射原理对反向学习策略的反向过程进行改进,提出反向学习的统一算法模型及基于折射原理反向学习模型的改进粒子群算法.实验与分析表明,与其它基于反向学习的粒子群算法相比,该模型更有效地改进了所提算法的全局搜索能力,提高了种群的多样性,从而提高了算法的收敛速度以及优化精度.     

一种动态分群的自适应粒子群优化算法

粒子群优化算法是模拟鸟类觅食行为思想的随机搜索算法,主要是通过迭代寻找最优解。将粒子随机初始化改进为固定初始化,并将动态分群思想引入粒子群优化算法将整个种群划分为三个子群,根据不同群中粒子的情况自适应地选择惯性权重,以此提高粒子的搜索能力。仿真实验结果表明,该方法大大提高了搜索过程中粒子的多样性,避免粒子陷入局部最优,提高了求解的速度和精度。     

改进粒子群算法的多峰值优化研究

粒子群优化算法对于多维函数的最优解搜索存在前期易陷入局部最优,后期收敛速度缓慢的问题.将改进的k-中心点聚类分析与PSO相结合提出了一种混合粒子群算法KM-PSO,用于多峰值问题的优化.在算法中,利用k-中心点聚类分析方法将粒子群划分成若干个子群,结合PSO的隐含并行搜索的优势增强了寻优性能.不仅增加了粒子间的信息交换,抑制了早熟收敛,还提高了全局寻优速度和计算精度.仿真实验结果表明,KM-PS0性能优于基本粒子群优化算法.     

用改进变异粒子算法实现突发威胁下的无人机航迹规划

针对无人飞行器航迹规划问题,提出一种改进变异粒子群算法及航迹节点拓展法,有效解决了突发威胁下的航迹规划问题,并进行仿真验证。通过引入维量化活性度解决了粒子群算法搜索后期速度下降问题,通过相对坐标转换避免了采用一元多项式函数作为水平航迹丢失部分解的情况。仿真表明,利用改进的变异粒子群算法能够有效地提高搜索速度和精度,适用于突发威胁下的航迹规划问题。     

一种适用于机组组合优化的改进整数编码粒子群算法

针对机组组合这一高维、非线性混合整数规划问题,提出一种结合修补策略的整数编码粒子群(ICPSO)算法。用正负整数分别表示机组开停机的时间长度,有效减少待优化变量个数。基于机组组合问题的特点,采用修补策略处理不满足约束条件的个体,使算法只在可行解区域内搜索,有效提高收敛速度,通过切除冗余机组,提高解的质量。仿真算例表明,相比整型编码遗传(r-ICGA)算法、改进粒子群(IPSO)算法、社会演化(SEP)算法,提出的ICPSO算法能够更有效地处理大规模机组组合优化问题,执行时间较短、求解精度更高。     

基于重心法的粒子群优化算法

针对函数优化问题,提出了一种基于重心法的粒子群优化算法。该算法利用混沌序列产生粒子的位置和速度,并通过重心法和分类方式更新粒子的速度。最后将算法应用到函数优化问题中,并与其它改进的粒子群算法进行比较。数值结果表明,提高了算法局域搜索能力,全局最优解的精度。     

一种改进型粒子群优化波达方向估计算法

对空间多个窄带信号源的高分辨波达方向估计是移动通信、雷达、声纳、电子监控和地震研究等信号处理中的重要问题之一.而现在的一些获取波达方向估计最大似然解的算法存在收敛速度慢或者局部极值问题,为了克服这些问题,本文以粒子群算法为基础,在粒子群算法的速度更新公式基础上考虑了粒子平均信息的影响,并对惯性因子进行改进,考虑了当前粒子与当前最优粒子之间的距离,并用其来寻求波达方向最大似然估计的全局最优解.仿真结果表明:与改进前的粒子群算法相比,基于改进粒子群优化算法的波达方向估计在提高搜索全局最优速度和估计精度上都有优势.     

融合改进蚁群和粒子群算法的路径搜索应用

针对车辆路径搜索对其计算质量和效率要求较高问题,且原始蚁群算法和标准粒子群算法均存在局部优先解、停滞以及收敛速度较慢等缺陷,提出一种融合改进的蚁群和粒子群路径搜索算法。在融合算法前期提高粒子群算法收敛速度,利用其进行粗搜索,后期利用改进的蚁群算法进行细搜索。通过仿真分析表明,融合后的改进算法在路径规划和计算效率上均有较大提升。     

种群熵启动反向学习的动态多种群粒子群算法

针对传统粒子群优化算法在求解复杂优化问题时容易陷入局部最优和停滞的问题,提出采用种群熵启动反向学习的动态多种群粒子群算法。借鉴狮群算法划分狮群的思想,采用动态多种群划分策略,将粒子划分成3个不同行为子群,对其实施不同的位置更新公式,保持粒子在搜索过程中的多样性;在迭代阶段,为避免算法早熟,构建了各维重心反向变异策略丰富变异备选个体,并结合种群熵指标进行种群状态评价适时启动变异策略,帮助粒子跳出局部最优。最后,通过8个基准测试函数与同种类6种经典和新型改进算法,在不同维度下进行测试对比。数值实验结果表明,改进策略显著提升了粒子群算法搜索能力,在搜索精度和搜索速度方面均优于其他对比算法。     

基于H-PSO算法的电水转换参数优化研究

通过构建合适的电水转换模型,可以有效地解决农业灌溉用水智能化计量的问题.文中通过研究电水转换模型,进一步提高搜索能力,克服粒子群算法易陷入局部最优的缺陷,提出了一种基于杂交策略的改进粒子群算法.该算法对整个解空间实行全局搜索,避免粒子陷入"早熟",并在迭代过程中让部分粒子杂交,提高搜索精度.仿真结果表明:与标准的粒子群...     

基于粒子群优化的Otsu肺组织分割算法

为减少肺组织分割算法的运算时间,提出了一种基于粒子群优化的Otsu肺组织改进自动分割算法。针对传统粒子群优化的二维Otsu算法中二维直方图计算量大、粒子搜索容易陷入局部最优解的缺陷,使用灰度级-梯度二维直方图减少二维直方图的计算量,并减小粒子搜索范围,采用基于粒子空间对称分布的改进粒子群获取最佳阈值。算法实现过程中利用孔洞填充算法去除背景,基于形态学操作去除噪声、修补病变区域产生的孔洞。仿真实验结果显示,本文算法对图像尺寸为512像素×512像素CT图像的阈值分割时间约为0.2s,比基于灰度级-邻域均值二维直方图的粒子群优化的Otsu算法的阈值分割速度提高了约16%。较好地实现了胸腔CT图像的肺组织自动分割,与传统算法相比较,本算法在保证分割精度的基础上分割速度明显提升。     

基于粒子群优化的反潜搜索研究

在分析目前反潜搜索现状的前提下,提出了使用粒子群优化算法进行反潜搜索,并针对基本粒子群优化算法存在早熟和后期收敛速度慢的局限性,对个体极值实行高斯变异,并使惯性因子随进化代数自适应调节,提高了全局搜索能力和后期收敛速度,改进了粒子群优化算法的潜艇搜索策略.经过实验验证,本算法可以有效地提高反潜搜索效率.     

基于改进正弦余弦算法的MIMO雷达相位编码信号集设计

针对MIMO雷达相位编码信号集的优化设计问题,提出一种改进正弦余弦优化算法.该算法通过引入Lévy飞行,扩大对目标点位置的搜索范围,防止陷入部分最佳;并设置控制参数,提高收敛速度,均衡全局搜索和局部搜索能力;借鉴粒子群算法的权重思想改变自适应更新方程,提高收敛精度,从而达到寻求最佳结果的目的.基于改进正弦余弦优化算法不...     

基于直觉模糊熵的混合粒子群优化算法

为了提升粒子群算法的全局寻优与局部精细搜索能力并加快收敛速度,提出了基于直觉模糊熵的混合粒子群优化算法.该算法采用粒子的历史最优解信息构造直觉模糊熵的自适应函数,并将熵值作为扰动因子动态调节惯性权重,同时建立自适应全局最优粒子学习策略对扰动后的粒子进行训练,在保持多样性传播的基础上选择学习对象,使粒子探索更多新区域,实现种群间的协作与并行进化.通过仿真实验,将本文算法与两种衍生算法以及其他改进粒子群算法在11个测试函数上进行比较,结果表明,本算法在求解精度、收敛速度和寻优效率上均有更好表现.