改进粒子群优化算法

摘要： 针对智慧楼宇负荷类型复杂且多变导致的负荷预测精度低等问题,提出了一种基于改进递归网络的智慧楼宇负荷预测方法.该方法在深度神经网络多隐层结构的基础上增设了关联层,使深度递归神经网络(DRNN)模型具有动态特性,并利用改进粒子群优化算法对模型权值空间进行优化,进而实现楼宇负荷的准确预测.基于不同类型楼宇的实验结果表明,所提方法的预测误差约在±0.3 MW的范围内波动,其均方根差与平均绝对百分比误差分别为0.27 MW和1.05%,且预测误差均小于其他对比方法.

摘要： 电氢混合储能系统优化规划是解决沿海地区大规模海上风电并网消纳问题的有效途径。综合考虑海上风电优先就地消纳及氢能绿色制取与高效利用,构建含海上风电微电网内电氢混合储能系统的运行模型及全寿命周期成本(LCC)模型,提出一种以经济最优为目标函数,计及海水淡化制氢的微电网电氢混合储能系统双层规划模型,应用于含海上风电微电网的容量配置和运行调度优化问题,并分别采用CPLEX求解器和改进粒子群优化算法(PSO)对内、外层模型进行求解。最后,以某地区海上风电场为例进行仿真计算,结果表明,含海上风电微电网经电氢混合储能系统优化规划后总成本降低19.5%,同时海上风电场弃风率减少9.3%,验证了所提模型的有效性与可行性。

摘要： 随着风电渗透率上升,电力系统惯性响应和一次调频能力下降,频率安全问题凸显,有必要在机组日前发电计划安排中考虑频率安全约束。依据电力系统频率安全要求,提出了考虑频率跌落最低值的频率安全约束构造方法。同时引入风电综合惯性控制使风电机组参与一次调频,在此基础上建立了考虑频率安全约束及风电综合惯性控制的机组组合模型。运用M语言动态控制多机频率响应模型进行Simulink仿真,并将其嵌入到改进粒子群优化算法中迭代求解。含风电的IEEE39节点系统算例结果表明,所提模型和方法能有效提升系统频率响应能力,保证系统安全运行。

摘要： 重型起重机液压起升系统在吊装过程中存在双马达同步误差问题,为保证吊装作业安全,对起重机液压起升系统的双马达同步控制策略进行了研究。首先,分析了起重机起升系统主要元件的动态特性,确定了起升系统控制参数指标;然后,通过引入存储向量的方法,对粒子群算法的更新策略进行了改进,解决了其“过早熟”的问题,再利用得到的改进粒子群算法优化了模糊PID控制器的参数,解决了PID参数无法在线整定的问题;最后,为了提高起升系统的同步控制精度,在交叉耦合控制的基础上,将所提出的控制策略用于起重机双马达起升过程,并以吊钩倾角、马达出口压力为控制指标进行了仿真和试验。研究结果表明:改进粒子群模糊PID控制策略能有效控制双马达的同步精度,抗干扰能力强;与采用的其它算法相比,采用改进粒子群算法策略的控制精度提高了60%左右;该研究为提高双马达同步控制精度提出了新方法,也为起重机控制系统设计提供了理论参考。

摘要： 节点向量的确定对B样条曲线最终拟合效果有着重要影响。粒子群优化(PSO)算法在优化节点向量时存在易于陷入局部极值的问题,导致曲线拟合效果较差。针对这一问题,提出一种改进的PSO算法—GBPSO算法。在PSO算法中引入天牛须搜索(BAS)策略增强算法的局部搜索能力,引入交叉和变异操作增强算法的全局搜索能力。首先通过罚函数的方法建立B样条曲线拟合问题的数学模型,然后使用GBPSO算法优化节点向量,最后得到误差较小的拟合曲线。通过对4个实例的仿真以及与另外3种算法的实验数据对比,验证了所提算法的有效性。

摘要： 针对微能源网运行资源配置不合理的问题,以微能源网日运行成本最低为目标,建立优化运行模型,提出基于线性递减权重和压缩因子的改进粒子群算法,并用该算法对某地区的微能源网系统进行分析,结果表明该改进粒子群算法提高了算法的收敛速度和收敛能力,能有效降低微能源网运行成本,提高能源综合利用率。

摘要： 利用改进粒子群优化算法求解非线性方程组,解决求解计算工程过于复杂、求解精度较低等问题。考虑粒子群中各粒子的位置与速度个体极值和全局极值的相关信息,同时考虑粒子中包含的具体信息,控制粒子群中各类参数实现快速收敛,改进粒子群优化算法;根据全局极小值点与非线性方程组具有等价性的特点,利用改进后的粒子群优化算法,寻求粒子群体的历史最优位置以及粒子历史最优位置,实现非线性方程组求解。经仿真分析,该方法具有计算速度快,收敛性强,最优解精度较高等效果,能够快速准确获得非线性方程组的解。

摘要： 为研究各种改进的粒子群优化算法对微电网的经济运行优化,通过构建微电网经济运行优化模型,用多个正态随机数扰动粒子群算法速度和位置的演进方向,对比了改进粒子群算法的收敛性和不同应用环境下的优化性能,采用实际简单协调风光储的微电网算例进行验证分析,证明了改进算法的优化效果并验证了优化微电网经济运行的科学性。

摘要： 微电网是一种将分布式电源集成到电网中的有效方法,微电网的优化运行可以有效提高可再生能源的利用效率。综合考虑微电网运行的经济性、不同时段分布式电源的波动性以及环境保护等多方面约束和要求创建目标优化模型,提出基于改进粒子群优化算法的调度优化方法,通过动态调整权重和认知因子得到最优解,并与遗传算法进行对比。算例分析表明,改进粒子群优化算法收敛速度更快,在解决分布式电源波动性和微电网经济调度优化方面更加合理有效。

摘要： 针对串级比例积分微分(PID)在小型旋翼无人机飞控系统中的参数人工整定较难以及整定优化完成所得到的参数较差的缺点,提出一种非线性动态权重的改进粒子群算法,将其用于无人机PID参数的整定过程。以四旋翼无人机为研究对象,首先建立无人机的数学模型,采用一种改进粒子群优化方法,将惯性权重进行非线性动态下降处理,提升搜索性能和寻优效率,弥补传统粒子群优化方法所存在的不足,最后通过Matlab/Simulink进行仿真比较和分析。实验结果表明使用改进粒子群方法进行参数整定后,无人机具有更加良好的动态性能,调节时间更短,同时也免去了人工整定的困难,减少了参数整定的时间。

摘要： 在神经网络镀锌层重量监控的应用中,采用粒子群优化算法(PSO)与BP算法结合的一种训练神经网络的新算法——PSOBP算法,利用PSO算法的宏观搜索能力和BP算法的指导性搜索思想,有效克服BP算法收敛速度慢、易陷于局部极小值等缺点.结果表明PSOBP算法用在镀锌层重量的监控模型中是非常有效的.

摘要： 为了提高火控系统实时性,提出了基于粒子群优化算法的弹道解算方法,该方法提高了系统响应速度,并为更好地与多核平台下的并行计算相结合提供了基础.首先在预估计瞄准角附近生成并初始化粒子群,然后通过由弹道微分方程等组成的适应度函数对每个粒子的好坏进行评价,最后对粒子群的速度和位置进行更新.为了加快算法的收敛速度,将周氏迭代修正公式计算得到的全局最优粒子的修正角度代替全局最优位置引导粒子群更新.采用实际算例对该方法的可行性与有效性进行了验证.实验结果表明较传统的迭代修正方法其解算速度中提高了约2倍;较传统粒子群算法其粒子群收敛速度加快了约1.5倍.此外该方法最大的优点便是可以与并行计算很好地结合,在多核计算机平台下计算时间还可以进一步缩短.

摘要： 针对定位、导航、授时、遥感、通信一体的天基信息实时服务系统对遥感信息高时间分辨率获取的需求,提出了基于改进粒子群优化(particle swarm optimization,PSO)算法的遥感卫星星座优化设计方法.基于6N和3+4P星座构型,以重访时间间隔作为优化目标,采用改进的PSO算法对星座优化模型进行求解,分别针对全球覆盖和区域覆盖任务进行了仿真对比试验.仿真结果表明,提出的方法适用于低轨遥感卫星星座设计,满足高时间分辨率要求.

摘要： 针对定位、导航、授时、遥感、通信一体的天基信息实时服务系统对遥感信息高时间分辨率获取的需求,提出了基于改进粒子群优化(particle swarm optimization,PSO)算法的遥感卫星星座优化设计方法.基于6N和3+4P星座构型,以重访时间间隔作为优化目标,采用改进的PSO算法对星座优化模型进行求解,分别针对全球覆盖和区域覆盖任务进行了仿真对比试验.仿真结果表明,提出的方法适用于低轨遥感卫星星座设计,满足高时间分辨率要求.

摘要： 针对定位、导航、授时、遥感、通信一体的天基信息实时服务系统对遥感信息高时间分辨率获取的需求,提出了基于改进粒子群优化(particle swarm optimization,PSO)算法的遥感卫星星座优化设计方法.基于6N和3+4P星座构型,以重访时间间隔作为优化目标,采用改进的PSO算法对星座优化模型进行求解,分别针对全球覆盖和区域覆盖任务进行了仿真对比试验.仿真结果表明,提出的方法适用于低轨遥感卫星星座设计,满足高时间分辨率要求.

摘要： 针对定位、导航、授时、遥感、通信一体的天基信息实时服务系统对遥感信息高时间分辨率获取的需求,提出了基于改进粒子群优化(particle swarm optimization,PSO)算法的遥感卫星星座优化设计方法.基于6N和3+4P星座构型,以重访时间间隔作为优化目标,采用改进的PSO算法对星座优化模型进行求解,分别针对全球覆盖和区域覆盖任务进行了仿真对比试验.仿真结果表明,提出的方法适用于低轨遥感卫星星座设计,满足高时间分辨率要求.

摘要： 针对标准协同优化方法系统级存在自身内部缺陷而导致计算困难,提出了一种改进协同优化方法.利用凝聚约束处理方法,将系统级优化的多个等式约束凝聚成一个单约束,结合惩罚函数法将其转化为无约束优化问题,并针对系统级采用传统优化算法对初始点选取敏感等问题,将改进的粒子群优化算法应用于协同优化.利用数值计算和减速器设计两个典型算例对所提方法进行了验证,求解结果表明了改进协同优化方法的有效性和可行性.

摘要： 针对标准协同优化方法系统级存在自身内部缺陷而导致计算困难,提出了一种改进协同优化方法.利用凝聚约束处理方法,将系统级优化的多个等式约束凝聚成一个单约束,结合惩罚函数法将其转化为无约束优化问题,并针对系统级采用传统优化算法对初始点选取敏感等问题,将改进的粒子群优化算法应用于协同优化.利用数值计算和减速器设计两个典型算例对所提方法进行了验证,求解结果表明了改进协同优化方法的有效性和可行性.

摘要： 针对标准协同优化方法系统级存在自身内部缺陷而导致计算困难,提出了一种改进协同优化方法.利用凝聚约束处理方法,将系统级优化的多个等式约束凝聚成一个单约束,结合惩罚函数法将其转化为无约束优化问题,并针对系统级采用传统优化算法对初始点选取敏感等问题,将改进的粒子群优化算法应用于协同优化.利用数值计算和减速器设计两个典型算例对所提方法进行了验证,求解结果表明了改进协同优化方法的有效性和可行性.

摘要： 针对标准协同优化方法系统级存在自身内部缺陷而导致计算困难,提出了一种改进协同优化方法.利用凝聚约束处理方法,将系统级优化的多个等式约束凝聚成一个单约束,结合惩罚函数法将其转化为无约束优化问题,并针对系统级采用传统优化算法对初始点选取敏感等问题,将改进的粒子群优化算法应用于协同优化.利用数值计算和减速器设计两个典型算例对所提方法进行了验证,求解结果表明了改进协同优化方法的有效性和可行性.

摘要： 本发明公开了改进量子粒子群优化算法的方法及基于改进算法的应用。其中，该方法包括：寻找粒子群中的拐点，其中，拐点是在任一方向上所能进行搜索的极限位置，拐点至少为两个；计算拐点的适应度值；对拐点的适应度值与个体极值的适应度值进行比较，根据比较结果更新粒子的个体极值；更新种群的历史最优位置和中心粒子，其中，中心粒子为所有粒子的个体极值所形成的中心；通过种群的历史最优位置和中心粒子之间的差分结果更新种群的全局极值；根据个体极值和全局极值更新粒子的位置。本发明解决了处理复杂问题时容易产生过早收敛的问题，在算法迭代后期，粒子多样性迅速下降，收敛速度较慢的技术问题。

摘要： 本发明给出一种基于粒子群优化算法和蚁群优化算法的频谱感知方法，该方法在多簇认知电无线网络中，首先通过粒子群优化算法获得每个小簇中簇头的最佳位置，这些最佳位置的簇头能够获得比簇内其他感知用户更可靠的检测结果，接着采取蚁群优化算法，根据信息素浓度寻找各感知用户信息传送的最短距离。各感知用户采用最短距离将信息传送给簇头，簇头将所有信息(包括自己的信息)按照一定权值进行融合，获得判决信息，并将判决信息发送给融合中心，融合中心融合所有簇头发送的信息作出判决，完成检测。本发明根据簇头位置的最优化设置和感知信息路径的最优化选择，能够缩短感知时间，增强检测性能。

摘要： 本公开提供了一种粒子群优化算法模型的训练方法、粒子群优化方法及装置。该方法包括：根据由第一电子设备生成的粒子训练种群确定适应度以及与适应度对应的初始最优位置，在进行第t次迭代训练的过程中，根据动作网络和第t观测状态，确定粒子训练种群的第t选择动作，确定粒子训练种群的第t奖励回报和第t+1观测状态，将第t观测状态、第t选择动作、第t奖励回报和第t+1观测状态确定为与第t次迭代训练对应的一个状态转移信息并存储于缓存中，根据从缓存中获取的一个状态转移信息和价值网络的损失函数，计算第t损失结果，根据第t损失结果和状态转移信息训练价值网络和动作网络，进而得到粒子群优化算法模型。

摘要： 本发明公开了改进量子粒子群优化算法的方法及基于改进算法的应用。其中，该方法包括：寻找粒子群中的拐点，其中，拐点是在任一方向上所能进行搜索的极限位置，拐点至少为两个；计算拐点的适应度值；对拐点的适应度值与个体极值的适应度值进行比较，根据比较结果更新粒子的个体极值；更新种群的历史最优位置和中心粒子，其中，中心粒子为所有粒子的个体极值所形成的中心；通过种群的历史最优位置和中心粒子之间的差分结果更新种群的全局极值；根据个体极值和全局极值更新粒子的位置。本发明解决了处理复杂问题时容易产生过早收敛的问题，在算法迭代后期，粒子多样性迅速下降，收敛速度较慢的技术问题。

摘要： 本发明公开了一种基于改进型量子粒子群算法的电子鼻参数同步优化算法，首先将获取的原始电子鼻数据进行小波变换，然后对小波系数进行加权处理，之后采用基于新型局部吸引子计算方式的一种改进型量子粒子群算法，找到电子鼻模式识别率最到时对应的加权系数以及分类器参数，从而获得电子鼻信号的特征矩阵，然后将所得特征矩阵输入分类器进行模式识别。其有益效果是：增加了粒子前期遍历性和后期局部寻优能力，提高了量子粒子群寻找全局最优值的能力，特别针对伤口感染检测而言，提高了电子鼻的识别率，从而为医生选择适当的治疗方法，促进伤口快速恢复提供了有益指导。

摘要： 本发明给出一种基于粒子群优化算法和蚁群优化算法的频谱感知方法，该方法在多簇认知电无线网络中，首先通过粒子群优化算法获得每个小簇中簇头的最佳位置，这些最佳位置的簇头能够获得比簇内其他感知用户更可靠的检测结果，接着采取蚁群优化算法，根据信息素浓度寻找各感知用户信息传送的最短距离。各感知用户采用最短距离将信息传送给簇头，簇头将所有信息(包括自己的信息)按照一定权值进行融合，获得判决信息，并将判决信息发送给融合中心，融合中心融合所有簇头发送的信息作出判决，完成检测。本发明根据簇头位置的最优化设置和感知信息路径的最优化选择，能够缩短感知时间，增强检测性能。

摘要： 本发明公开了基于改进S型函数粒子群优化算法的混合储能容量优化方法，包括步骤1，构建全生命周期费用模型；步骤2，确定目标函数和约束条件，建立混合储能系统容量优化配置模型；步骤3，改进S型函数粒子群优化算法；步骤4，采用改进S型函数粒子群优化算法求解混合储能系统容量优化配置模型。本发明利用粒子群算法寻优特点，采用改进的S型函数进行惯性权重值计算，同时在此基础上基于权重值优化加速因子，可提升粒子群算法的寻优能力与速度，进而降低混合储能系统的全生命周期费用。

摘要： 一种基于两步式改进粒子群优化算法的汽车尾门结构优化方法，通过从汽车尾门结构的有限元模型中确定设计变量并计算模型在各样本点的响应，并建立各工况响应与设计变量之间高精度代理模型；然后建立汽车尾门结构优化问题的目标函数，分别使用约束粒子群算法进行全局搜索和约束边界处的局部搜索的两步式改进粒子群算法择优后得到汽车尾门优化结构。本发明解决了粒子群优化算法寻优能力对控制参数调整的依赖性问题，能够有效的提高粒子群算法在具有复杂约束的汽车尾门结构优化问题中的寻优能力，显著改善汽车尾门的结构优化设计结果。

摘要： 本发明涉及智能计算领域，尤其是一种基于改进粒子群优化算法的数值函数优化算法。主要技术特点是：改进了粒子群优化算法，该算法增强了种群的多样性，扩大了粒子的寻优范围。按照粒子群优化算法的寻优模式，初始的搜索空间在经过少数几次迭代之后便对整个算法失去了指导意义，易于造成容易收敛到局部最小值，多样性下降过快、参数敏感等问题。提出的算法从扩大寻优范围和增强种群多样性两个方面进行考虑，加入了局部搜索和全局搜索相结合的空间搜索策略，即利用伯恩斯坦粒子和反向学习的策略对粒子群算法的初始化阶段和速度及位置的迭代公式进行修整。

摘要： 本公开提出一种基于改进粒子群优化算法的混合储能容量优化方法及系统，该方法包括获取混合储能系统中设备的数量、单价、运行系数、维护系数、缺电率阈值、储能量阈值；基于设备的数量、单价、运行系数、维护系数构造目标函数；基于负荷缺电率、混合储能系统储能量、电量、缺电率阈值和储能量阈值构造约束条件；在约束条件满足时，利用改进粒子群优化算法对目标函数进行求解，获得最优混合储能容量，基于最优混合储能容量对混合储能的容量进行控制，其中利用动态惯性权重和动态学习因子优化粒子群优化算法获得改进粒子群优化算法。根据本公开的方法，能够提升粒子群优化算法的寻优能力与速度、更好地降低混合储能成本以及更好地进行容量配置。