文章-世纪中文出版社

李万庆1 邱幸运1 孟文清2 《建筑与工程管理》 2019年6期

摘要:

目前工程项目多目标优化的相关研究中，较少考虑工期、成本、质量等目标与安全水平之间的联系。针对这一不足，在分析工序安全水平影响因素的基础上，得到了成本—安全水平优化模型，并将安全目标引入工期—成本—质量优化模型，构建了工期—成本—质量—安全水平均衡优化模型。为了有效求解该型，引入了量子粒子群算法，结合工程实例进行模拟仿真，得到工期、成本、质量与安全水平的一系列Pareto解，并进行方案决策，结果表明得到的Pareto解集能为项目管理者的决策提供有效支持，量子粒子群优化算法在求解该模型方面是有效性的。

抽水蓄能电站上库填筑分期分区优化研究下载：50 浏览：416

王仁超1 苏贝1 徐跃明2 《建筑与工程管理》 2018年3期

摘要:

抽水蓄能电站上库填筑工程量较大,为了合理划分填筑阶段、规划各阶段填筑工程量及填筑面貌,需要对上库填筑进行分期分区优化研究。上库填筑由坝体填筑与库底填筑两部分组成,填筑过程受多种影响因素和控制条件的制约,各部分对填筑料物的需求量与质量要求不同,各种材料的施工作业面面积随高程的变化规律也不一致。考虑施工作业的阶段特性,使用填筑区期望强度系数对各时段填筑区的填筑强度进行协调,通过建立上库填筑分期分区优化模型,利用异质粒子群算法优化求解得到最优的分期分区填筑方案。将该方法应用于华东地区某抽水蓄能电站上库填筑工程中,对计算结果进行分析验证了模型和算法的有效性。

粒子群优化算法与灵敏度分析在电力系统无功优化中的研究下载：27 浏览：311

刘海锋卢屹磊戴喜明《中国电力技术》 2020年6期

摘要:

分析应用粒子群优化算法的优缺点以及实际应用可行性，选取的目标函数是系统的有功网损最小，求出各节点的有功网损对无功的灵敏度，将灵敏度高的节点作为无功补偿节点，建立无功优化模型，采用粒子群算法进行求解。最后对典型系统IEEE-14节点系统的优化结果表明该算法和模型的有效性。

灰色SVR模型在珩磨尺寸预测中的应用下载：49 浏览：384

李奇军1 牛永江1 宁会峰2 《中国机械研究》 2019年11期

摘要:

针对灰色(1,1)模型(Grey model(1,1), GM(1,1))对非指数型数据序列预测精度低的问题,提出了一种灰色支持向量回归(Grey support vector regression, GSVR)预测模型。该模型一方面通过参数累积估计、预测公式改进和数据等维递补,对灰色模型进行建模优化,另一方面通过差分变异和混沌局部搜索改进的粒子群算法,对支持向量回归机进行参数优化,再将二者相结合进行预测。对柱塞套内圆珩磨尺寸的预测结果表明,该模型的预测均方误差为0.3913,平均绝对百分比误差为4.90%,其预测精度较GM(1,1)模型显著提高。

基于分布式电源接入的电网环保经济调度策略研究下载：74 浏览：490

吴钇宏1 王少雄1 汤德明1 王博2 王颖杰2 《中国电气工程》 2020年8期

摘要:

本文针对光伏发电的波动性和随机性,将其直接并入电网会给电网带来安全和稳定问题,提出将光伏和水电短期联合的环保经济调度策略。以水电启停迅速来调节光伏发电的波动性和随机性,建立一个以水电消耗量最小和网损最小的双目标模型。运用改进粒子群算法在含光伏电站的实际电网系统上验证该模型的有效性。通过仿真结果表明,该策略可以使水电耗水量最小和最大限度地降低系统网损。

一种基于改进粒子群算法的虚拟机放置方法下载：62 浏览：353

王茂宇任时萱《数据与科学》 2020年5期

摘要:

针对现有采用粒子群算法放置虚拟机问题存在优化目标单一,容易陷入局部最优解的问题,提出一种基于改进粒子群算法的虚拟机放置方法,通过综合考虑数据中心类型对优化侧重的影响和放置后的负载均衡度,鲁棒性,能源消耗,针对计算密集型数据中心和数据密集型数据中心设计不同的目标函数,对负载均衡度,鲁棒性,能源消耗3方面进行了多目标优化,使其更贴近实际情况。并且通过优化粒子初始位置调节收敛速度,设置动态的学习因子和引入粒子位置的漂移因素使其跳出局部最优解。仿真实验证明,本方法和粒子群算法,模拟退火算法比较,在负载均衡,鲁棒性,能源消耗三个方面都有不同程度的性能提升。

光伏发电系统发电功率预测下载：26 浏览：272

吴攀《发电技术与研究》 2020年5期

摘要:

为解决光伏发电系统发电功率在不同条件下误差较大问题,提出光伏发电系统发电功率预测新方法。通过分析光伏发电系统结构,研究光伏发电系统发电功率影响因素;以季节和天气类型作为历史样本选取样本源,针对气象部门提供的预测日分时气象数据在历史数据库中寻找相似数据点作为历史样本;依据历史样本构建离线参数寻优数据总集,使用核函数极限学习机算法构建发电系统发电功率预测模型,通过粒子群算法优化模型参数。实验结果表明:所提方法在不同条件下预测太阳能光伏发电系统发电功率的平均绝对百分比误差分别为1.47%和6.39%,光伏组件在综合异常条件下发电功率预测误差相对变化均低于1%,证明所提方法满足实际预测要求。

信息交互多任务粒子群算法下载：67 浏览：402

程美英1 钱乾2 倪志伟3 朱旭辉3 《人工智能研究》 2019年12期

摘要:

不同于现有的云平台和并行计算机等多任务处理方式,文中充分挖掘粒子群算法(PSO)的"隐"并行性,引入2种不同的信息交互策略——种群内信息交互和种群间信息交互,同时引入等级因子、标量因子和技能因子参数,在算法每次迭代过程中,始终让最合适的个体求解最合适的任务,提出信息交互多任务粒子群算法(IEPSOM).对于多任务函数优化问题、多任务多约束工程优化问题及多任务关键指标体系构建问题的测试表明,在IEPSOM多任务环境中,有效信息的传递不仅可以提高解的质量,还可以加速各任务的收敛速度.

基于多目标优化策略的在线学习资源推荐方法下载：72 浏览：376

李浩君杨琳张鹏威《人工智能研究》 2019年9期

摘要:

目前在线学习资源推荐较多采用单目标转化方法,推荐过程中对学习者偏好考虑相对不足,影响学习资源推荐精度.针对上述问题,文中提出基于多目标优化策略的在线学习资源推荐模型(MOSRAM),在学习者规划时间内,以同时获得学习者对学习资源类型偏好度最大和难度水平适应度最佳为优化目标,设计具有向邻居均值学习能力和探索新区域能力的多目标粒子群优化算法(NEMOPSO),提出以MOSRAM为核心的在线学习资源推荐方法(NEMOPSO-RA).不同问题规模下融合经典多目标优化算法的推荐方法对比实验表明,NEMOPSO-RA可以有效提高在线学习资源的推荐精度和推荐性能.

基于混沌粒子群与Taylor算法的协同定位算法研究下载：13 浏览：414

康婷魏胜非《传感器研究》 2019年1期

摘要:

针对无线传感器网络中运用TDOA方法定位时,Taylor算法容易受到初始估计值影响,导致节点定位精度低、不容易收敛,因此提出了一种基于混沌粒子群与Taylor算法协同定位的方法。该算法首先运用混沌粒子群算法求解TDOA方程组,得到一个具有较高精度的未知节点的估计坐标值,将这个估计值作为Taylor算法的初始值进行迭代运算,最终完成对未知节点的坐标估计。仿真结果表明,该算法提高了节点的定位精度和定位速度。

具有自适应弹射机制的粒子群算法下载：71 浏览：376

朱经纬方虎生邵发明蒋成明《人工智能研究》 2019年5期

摘要:

针对粒子群算法容易陷入局部最优和停滞的问题,提出自适应弹射机制的粒子群算法.为了保持粒子群的活力,在算法内引入弹射操作.当粒子满足条件,当前位置赋予很大的速度,使其飞到很远的区域.弹射方式可以选择全维弹射和概率弹射.为了配合弹射操作,提出粒子优劣的判断机制,使粒子可以被弹射飞出可行域.在算法中设定自适应判别函数,当粒子满足该判别函数,对粒子实施弹射.数值实验表明,文中算法具有较强的全局搜索能力和较快的搜索速度.

基于MPI的并行多目标粒子群算法下载：68 浏览：490

耿文静1 董红斌1 丁蕊2 《人工智能研究》 2018年12期

摘要:

为了进一步提高速度受限的多目标粒子群算法(SMPSO)求解多目标优化问题的效率和精度,文中提出基于消息传递接口(MPI)的并行化SMPSO算法(M-SMPSO).采用主从模式的MPI并行程序设计模式,将整个种群分成几个子种群,各子种群分别执行独立进化计算,提高算法效率.此外,为了均衡考虑算法的分布性与收敛性,提出自适应的全局最优解选择策略.使用标准测试函数验证算法性能,实验表明,相比其它多目标算法,文中算法能获得更高的加速比,更快收敛到多目标优化问题的Pareto前沿.

一种群体智能算法——狮群算法下载：84 浏览：462

刘生建1 杨艳1 周永权2 《人工智能研究》 2018年9期

摘要:

基于狮群中狮王、母狮及幼狮的自然分工,模拟狮王守护、母狮捕猎、幼狮跟随3种群智能行为,提出群体智能算法——狮群算法.算法中不同种类的狮子位置更新方式不同.遵循自然界生物"适者生存"的竞争法则,狮王守护领土,优先享用食物,母狮合作捕猎,幼狮分为学习捕猎、饥饿进食和成年被驱逐.狮子位置更新方式的多样化保证算法快速收敛,不易陷入局部最优.最后,将算法应用于6个标准测试函数优化问题,并对比粒子群算法、骨干粒子群算法,测试结果表明,文中算法收敛速度较快,精度较高,能较好地获得全局最优解.

多任务处理协同进化粒子群算法下载：74 浏览：472

程美英1 钱乾2 倪志伟3 朱旭辉3,4 《人工智能研究》 2018年7期

摘要:

粒子群算法及其改进算法专注于单任务的求解.随着电子商务的发展,在线服务器在某一时刻需要同时处理来自多个用户的服务请求,即多任务处理.区别于以往的并行计算机,文中充分挖掘粒子群算法的"隐并行性",并引入协同进化机制,在同一搜索空间根据任务个数设置不同的子种群,各子种群以一定的概率相互传递有效信息,最后提出基于多任务处理协同进化粒子群算法(CPSOM),并将CPSOM应用于多任务连续型函数优化问题、多任务离散型属性选择问题以及多任务约束工程优化问题.仿真实验表明,在CPSOM多任务环境中,不同任务之间确实存在有效信息的传递,不同任务之间的相互协作不仅可以提高解的质量,而且可以加快各优化问题的收敛速度.

基于进化状态判定的模糊自适应二进制粒子群优化算法下载：74 浏览：492

李浩君1 张征1 张鹏威1 王万良2 《人工智能研究》 2018年7期

摘要:

随着迭代过程的推进,二进制粒子群算法容易陷入局部最优解,后期收敛性较差.针对此缺点,文中提出基于进化状态判定的模糊自适应二进制粒子群优化算法.采用隶属函数进行模糊分类的方法,判定种群进化状态.在迭代过程前期采用S形映射函数和较大的惯性权重值,提高收敛速度,保证算法的稳定性.后期采用V形映射函数和动态增减的惯性权重值,增强算法后期全局探索能力,避免其陷入局部最优.仿真实验表明,文中算法的收敛速度较快,精度较高,搜索能力较好,可以避免早熟现象.

基于多目标离散粒子群算法的电容隔直装置优化配置下载：76 浏览：469

宋雨妍王渝红刘天宇李瑾张文韬《电网技术研究》 2019年1期

摘要:

电容隔直装置可能造成区域电网内变压器中性点直流电流增大。该文提出了一种多目标离散粒子群优化算法,从全局角度对电容隔直装置进行了优化配置。首先分析了高压直流输电系统入地电流引起的交流系统中直流电流的流通路径,并搭建了等效场路耦合模型,可采用有限元法求解。其次建立以各变压器中性点直流电流不超限值为约束条件,以电容隔直装置投入数量和电网内变压器中性点直流电流绝对含量总和最小为优化目标的电容隔直装置优化模型。最后,通过引入变异环节及粒子更新策略,求解多目标优化问题的Pareto最优前沿,获得了优化函数对应的最优解,可确定隔直装置配置的最佳方案。

Hadoop架构下基于分布式粒子群算法的骨架网络重构方法下载：89 浏览：492

谢彦祥刘天琪苏学能《电网技术研究》 2018年12期

摘要:

大停电后网络重构阶段的主要目的是通过黑启动电源给失电厂站送电并建立一个稳定的网架,为下一阶段负荷的全面恢复奠定基础。针对确定网络重构阶段的最优目标网架问题,提出一种骨架网络重构方法。该方法首先综合考虑节点、支路在网络中的影响力,具体指以节点重要度、支路重要度分别表征网络中电源与负荷节点的重要程度、网络中各支路对与之相连节点的支撑作用及其在网络中的影响力;同时,为降低重构过程中出现故障的风险和加快后期负荷的全面恢复,提出节点聚集度指标,以表征重构网架的覆盖均匀程度;其次,考虑到大规模骨架网络重构问题属于高维优化的范畴,单机版算法求解高维优化问题时计算效率低,为此提出一种基于Hadoop平台的分布式粒子群算法,该算法利用集群的计算和存储能力求解高维问题时能够显著提高计算效率;最后,以IEEE 30、57和300节点标准系统为例验证所提网络重构方法的有效性。

航空弹药技术保障模拟训练智能评估下载：55 浏览：496

徐刚张磊田磊《建模与系统仿真》 2020年12期

摘要:

量化评估是航空弹药技术保障模拟训练的一个重要环节,为了实现模拟训练自动评估,引入智能评估技术,从中提出一种基于Sigmoid回归的预测模型。在分析成绩指标样本数据线性关系基础上,选择特征指标子集作为预测数学模型的输入,为了避免梯度下降法陷入局部解问题,给出"梯度下降+粒子群"求解算法。经过成绩样本测试,求解算法能够寻找到全局最优解,而且基于Sigmoid模型预测效果没有发生过拟合和欠拟合问题。在实际应用时,可以不需要依赖主观评估成绩,发挥基于计算机技术的模拟训练自动量化评估优势。

基于改进粒子群算法的主动配电网网架优化研究下载：35 浏览：239

张思东陈后全唐超喻恒凝黄力黄云辉《电气学报》 2020年1期

摘要:

粒子群算法作为一种随机搜索的算法,适合于求解主动配电网网架优化方案。由于算法的收敛速度过快,导致计算过程中粒子容易陷入局部收敛、收敛准确度不高和收敛能力不强的问题,因此需要改进标准粒子群算法。针对主动配电网网架结构优化问题,建立了一个以经济性为目标函数,并考虑潮流方程及功率平衡等约束条件的主动配电网数学模型,对标准粒子群算法进行了指数递减的惯性权重和种群的平均极值项的改进,并在迭代计算中加入了交叉、变异和扰动操作。以某典型配电网进行算例分析,将标准粒子群算法与改进粒子群算法的计算结果进行对比,结果表明了改进粒子群算法不仅有效地改善了粒子容易陷入局部最优而无法跳出的问题,同时增强了算法的计算准确度与搜索能力。

基于蜂群–粒子群算法的天然林空间结构优化下载：62 浏览：504

卿东升1，2 张晓芳1 李建军1 郭瑞1 邓巧玲2 《建模与系统仿真》 2020年7期

摘要:

天然林空间结构包含林木的空间位置信息,影响着林木的生长、竞争、林分的稳定及森林的发展,其优化是个多目标规划问题。提出一种蜂群-粒子群(ABC-PSO)混合算法,该算法在初始粒子产生机制、随蜂数量及循环机制上对蜂群算法做了改进,并将其应用到天然林空间结构多目标优化中,最终建立能够兼顾林木分布格局、林木大小分割、林木竞争的优化模型。仿真实验表明,蜂群-粒子群算法提升了森林健康等级,解决了森林空间结构多目标优化问题。

	在线客服
	客服电话：400-188-5008
	客服邮箱：service@ccnpub.com
	投诉举报：feedback@ccnpub.com

	在线客服：：点击联系客服
	联系电话：：400-188-5008
	客服邮箱：：service@ccnpub.com
	投诉举报：：feedback@ccnpub.com