首页 | 本学科首页   官方微博 | 高级检索  
相似文献
 共查询到20条相似文献,搜索用时 298 毫秒
1.
本文采用的无功优化数学模型虑了系统的实际约束条件和无功调节手段,能够准确直观地反映电力系统无功优化的实际问题。在此基础上对基于粒子群算法的无功优化作了深入的研究,尝试利用粒子群优化算法对无功优化问题进行求解。对常规粒子群算法的搜索策略进行了改进,对约束条件、离散变量都采取了一定的改进处理措施。以IEEE-6节点系统为例进行了仿真计算,验证了本文模型和算法的正确性、适用性和经济性。  相似文献   

2.
提出了一种求解度约束最小生成树问题(DCMST)的模糊离散粒子群优化算法(PSO),粒子编码采用Prüfer数编码机制,并引入模糊矩阵产生Prüfer数,迭代过程中加入归一化运算对位置矩阵进行修正,利用最大数法进行解模糊化。通过仿真实验验证了算法的有效性。  相似文献   

3.
为解决暑假旅行人员以成本最小化为目标的最佳旅行路线选择难题,基于路径优化理论(VRP)及粒子群算法,设计了以暑假旅游路线最短为优化目标的数学模型,采用计算机编程技术,设计了求解该优化模型的粒子群算法,并选择案例对模型及算法进行了验证。案例应用结果表明,该模型和算法能够有效解决最佳旅游路线选择难题,正确率达98%。基于VRP理论及粒子群算法的最短路选择模型不仅能够快速求解出最优路径方案,还能够有效降低人工经验选择最短路径中存在的误差。  相似文献   

4.
粒子群算法是一种群智能随机优化算法,通过粒子间的合作与竞争,寻找优化问题极值,目前被广泛应用于动态优化问题的求解中。对动态系统中粒子群优化算法进行研究,介绍了粒子群算法基本原理、动态系统分类,以及两种动态优化问题的具体表达形式,并阐述了粒子群算法在动态系统中的3种优化方法及其应用。  相似文献   

5.
为解决风力发电机组选址不科学、随意性较大等问题,利用粒子群优化算法对风力发电机组选址规划问题进行了研究。介绍了风力发电机组系统的基本结构、发电机类型以及电压暂降情况和原因;梳理分析了粒子群优化算法的基本原理和参数选择方法,最后通过确定的目标函数、约束条件并结合具体算例对发电机组选址问题进行了探索研究。结果显示,本文所提出的粒子群优化算法可以高效、准确、代价较小地解决风力发电机组选址问题。  相似文献   

6.
《实验技术与管理》2017,(3):104-107
针对水火电系统的多约束、时滞非线性特点,建立了带有梯级水电厂的电力系统模型,并采用量子粒子群(QPSO)算法对系统进行优化求解。为了解决基本量子粒子群算法容易陷入局部最优解的问题,提出了一种改进量子粒子群(IQPSO)算法。为了验证该算法的性能,运用Matlab编写程序,利用典型的4水电3火电系统算例进行仿真。算例表明,改进的量子粒子群算法具有更好的收敛特性。  相似文献   

7.
选取粒子群算法提供的并行搜索主框架,结合禁忌算法的个体串行搜索方式,能有效地搜索空间,快速实现全局优化。给出了基于禁忌粒子群的混合算法,并结合禁忌粒子群与自启发式方法来求解多目标0-1背包问题。计算机仿真证明,其优化性能指标及搜索效率均有大幅度的提高。  相似文献   

8.
指出造林规划设计问题实质是一个离散约束优化问题。应用离散粒子群优化算法求解目标函数,以保证解的合理性法和惩罚函数法相结合处理约束条件。分析实例表明,离散粒子群优化算法可用来优化造林规划设计方案,与模拟退火算法比较,效果更好。此研究结果可为科学造林和最优化经营管理提供新思路,丰富粒子群应用领域。  相似文献   

9.
在输入和扰动共同作用下,提出了基于粒子群优化(PSO)算法的最少拍控制器的自动设计方法。基于扰动作用下最少拍控制器的设计理论构建修正等式,然后根据等式两边对应项系数相等以建立适应度函数,进而应用粒子群优化算法求解修正等式中的未知数,以实现最少拍控制器的自动化设计。实例仿真发现,应用该算法和手工计算的结果一致,验证了该方法的可行性和准确性。研究结果为最少拍控制器的教学和工程应用提供了一种计算机辅助设计工具。  相似文献   

10.
针对粒子群优化算法PSO求解车辆路径问题容易陷入局部最优的缺陷,提出了将量子门思想、遗传算法思想与粒子群算法相结合的混合算法来求解车辆路径问题,以Matlab语言为开发工具实现VRP实际问题的求解。实验表明,混合算法比粒子群算法能有更好的避免陷入局部最优,可以搜索到更优解。  相似文献   

11.
介绍了粒子群优化算法的基本原理;给出了基于这种进化计算技术的阵列天线方向图综合方法;对粒子群优化算法和遗传算法的特点进行了对比研究,同时对基本粒子群优化算法提出了一种改进策略。研究表明,粒子群优化算法是一种稳定性好,易于实现并行计算的优化算法,在阵列天线方向图综合中具有良好的应用前景。  相似文献   

12.
The standard particle swarm optimization (PSO) algorithm is a novel evolutionary algorithm in which each particle studies its own previous best solution and the group's previous best solutions to optimization problems. One problem in PSO is its tendency of trapping into local optima. In this paper, a multi-swarm technique based on fast particle swarm optimization(FPSO) algorithm is proposed by introducing crossover operation. FPSO is global search algorithm which can prevent PSO from trapping into local optima in light of Cauchy mutation. Though it can get high optimizing precision, the convergence rate is not satisfactory. FMSO can not only find satisfying solutions, but also speed up the search.  相似文献   

13.
INTRODUCTION In modern metal cutting theory,research on cutting tool is one of the major concerns.To under-stand the characteristics of a new cutting tool,many experiments(such as cutting force experiment,cut-ting temperature experiment,anti-striking experiment,etc.)should be conducted to obtain an enormous amount of experiment data.The development of a proper cutting tool temperature model is a very dif-ficult task due to the large number of interrelated parameters(cutting speed,feed,dept…  相似文献   

14.
Particle swarm optimization (PSO) is an efficient, robust and simple optimization algorithm. Most studies are mainly concentrated on better understanding of the standard PSO control parameters, such as acceleration coefficients, etc. In this paper, a more simple strategy of PSO algorithm called θ-PSO is proposed. In θ-PSO, an increment of phase angle vector replaces the increment of velocity vector and the positions are decided by the mapping of phase angles. Benchmark testing of nonlinear functions is described and the results show that the performance of θ-PSO is much more effective than that of the standard PSO.  相似文献   

15.
由于BP网络存在学习效率低、收敛速度慢、易陷入局部极小状态、适应能力较差等缺点,而粒子群优化(PSO)算法的收敛速度快(尤其是在进化初始阶段),运算简单、易于实现,又没有遗传算法的编解码和杂交、变异等复杂运算,因此是一种很好的优化算法。但是,PSO算法也存在不足,该算法进化后期存在速度变慢以及早熟的现象。提出一种改进的粒子群BP神经网络对高炉炉温进行预测。通过调整粒子群算法中学习因子的自适应能力,提高算法的收敛速度和搜索全局最优的能力。通过仿真结果说明改进的粒子群算法要优于BP算法和标准的粒子群算法。  相似文献   

16.
文章结合粒子群算法全局搜索和拟牛顿法局部精细搜索的特点,提出了一种PSO-DFP混合算法。采用标准测试函数对该混合算法的某些参数进行了分析,并给出了一些选取的指导性原则。  相似文献   

17.
Optimal strategy of searching FPD weights scanning matrix using GA-PSO   总被引:1,自引:0,他引:1  
This paper discusses a kind of optimal method used for searching flat panel display (FPD) scanning matrix. The method adopts bionic algorithm: genetic algorithm (GA) and particle swarm optimization (PSO) algorithm. The method using single GA is more time-consuming, and the search efficiency is low in later evolution; the PSO algorithm is easily falling into the local optimal solution and appears the premature convergent phenomenon. Hence, a hybrid approach of GAPSO is found to optimize the search for high grayscale weights scanning matrix. Finally in the acceptable time, it finds a weight scanning matrix (WSM) of 256 gray scales with Matlab, whose scanning efficiency reaches 94.73% and the linearity is very good.  相似文献   

18.
基于动态权值的PSO算法的多传感器数据融合   总被引:1,自引:1,他引:0  
针对标准粒子群算法的缺点,在原有算法的基础上,提出一种动态权值的粒子群优化算法,使得粒子在迭代过程中惯性权值随粒子进化度和聚合度的变化而改变,并将其尝试性的运用到数据融合领域.实验结果表明,改进的PSO算法能近似最优地确定数据融合中各权值因子,使融合在信息源的可靠性、信息的冗余度/互补度以及进行融合的分级结构不确定的情况下,以近似最优的方式对传感器数据进行融合.  相似文献   

19.
粒子群优化算法及其参数设置的研究   总被引:1,自引:0,他引:1  
文章介绍了粒子群优化算法的基本原理,分析了其特点,并利用经典统计分析中的方差分析方法,分析了粒群算法中的惯性权值、加速因子的设置对算法基本性能的影响,给出算法中的经验参数设置,最后对其未来的研究提出了一些建议.  相似文献   

20.
该文在分析微粒群算法局部最好模型几种邻域结构特点的基础上,提出了基于元胞自动机改进的微粒群算法。该算法从元胞自动机的建模思想出发,指出了微粒群算法本身就是一个元胞自动机,从而利用元胞自动机的理论对微粒群算法进行分析改进。实验结果表明,该算法不仅在单峰函数和多峰函数的优化中表现出了较好的性能.而且还适合比较广泛范围函数的优化。  相似文献   

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号