基于改进粒子群算法的含风电场电力系统的无功优化

文章首先建立了风电场的数学模型,并提出其在潮流计算中的处理方法,在此基础上,将粒子群算法运用到无功优化问题中,采用WSCC 9节点系统进行仿真验算。结果表明该算法对降低系统网损和提高系统电压上具有明显的优化效果。     

基于混合信息的粒子群优化算法

本文提出一种基于混合信息的粒子群优化算法。此算法具有充分利用种群信息,保证群体的多样性,快速收敛效果和避免陷入局部极值的能力。     

基于改进粒子群算法的SVR参数优化选择的研究基于改进粒子群算法的SVR参数优化选择的研究

支持向量回归机（SVR）模型的拟合精度和泛化能力取决于其相关参数的选取,由于在参数的选择范围内可选择的数量是无穷的,在多个参数中盲目搜索最优参数是需要极大的时间代价,并且很难逼近最优。因此提出了基于改进粒子群算法的SVR参数优化选择方法。仿真结果表明：该改进粒子群算法优化SVR参数方法可行、有效,由此得到的SVR模型具有更好的学习精度和推广能力。     

基于混合粒子群算法的车辆路径优化问题研究

设计了一种引入了量子和遗传算法思想的粒子群算法．该算法结合了粒子群优化算法的快速寻优能力和量子算法可以同时处理多个目标的优点．避免了基本粒子群算法易陷入局部最优的缺点,提高了求解速度。该算法用于解决车辆路径问题。通过实验表明了这种算法具有较好的性能。     

基于粒子群算法的预制构件生产调度优化应用研究

随着国家经济建设绿色化、低碳化的要求,装配式建筑也成为建筑结构体系重要的一部分。大量的建设需求使得混凝土预制构件的种类和数量持续增多,使得在预制构件的生产过程中调度越来越复杂。本文通过建立预制构件生产的约束条件,利用粒子群算法对预制构件的生产调度进行优化。通过实际案例验证预制构件生产线的任务分配,证明通过调整预制构件的生产工序可以缩短构件的生产周期,提高预制构件的生产效率。     

基于免疫粒子群优化算法的物流配送车辆调度算法

将物流企业的车辆调度问题建模为一个单目标多约束的优化问题,将免疫原理与粒子群优化算法相结合,提出了一个车辆调度的免疫粒子群算法.该算法能在群体进化时注入满足约束的疫苗,从而加快种群寻优的效率,得到质量更高的解.实验结果显示:相比传统的遗传算法和粒子群算法,该方法能够得到更加满意的车辆调度结果.     

基于免疫粒子群优化算法的物流配送车辆调度算法

将物流企业的车辆调度问题建模为一个单目标多约束的优化问题,将免疫原理与粒子群优化算法相结合,提出了一个车辆调度的免疫粒子群算法。该算法能在群体进化时注入满足约束的疫苗,从而加快种群寻优的效率,得到质量更高的解。实验结果显示:相比传统的遗传算法和粒子群算法,该方法能够得到更加满意的车辆调度结果。     

基于改进粒子群算法的SVR参数优化选择的研究

支持向量回归机(SVR)模型的拟合精度和泛化能力取决于其相关参数的选取,由于在参数的选择范围内可选择的数量是无穷的,在多个参数中盲目搜索最优参数是需要极大的时间代价,并且很难逼近最优。因此提出了基于改进粒子群算法的SVR参数优化选择方法。仿真结果表明:该改进粒子群算法优化SVR参数方法可行、有效,由此得到的SVR模型具有更好的学习精度和推广能力。     

基于粒子群算法的汽车扭杆悬架弹簧优化

为提高粒子群算法(Particle Swarm Optimization,PSO)寻优的全局性能,文章在基本粒子群算法中引入混沌理论(Chaos)的Logistic映射,并将改进后的算法运用到汽车扭杆悬架弹簧的优化设计中。数值实验的结果表明,与传统PSO算法相比,改进后的算法具有更强的全局收敛性,与传统设计方法相比,使用本文算法设计出的汽车扭杆弹簧的变形势能要高出1.6%,有效地提高了其避振效果。     

粒子群优化算法的改进与应用

粒子群优化算法是今年来快速发展的一种新的进化算法。本文以标准粒子群优化算法的缺陷为出发点,从不同的角度来展现粒子群算法的改进方向和研究进展。讨论其在不同领域内的应用。最后对粒子群优化算法的发展趋势进行了展望。     

一种改进的粒子群优化算法

介绍基本粒子群优化算法的原理、特点,并在此基础上提出了一种改进的粒子群算法。通过在粒子初始化时引入相对基的原理使粒子获得更好的初始解,以及在迭代过程中引入变异模型,部分粒子生成相对应的扩张及收缩粒子,比较其适应度,保留最佳粒子进行后期迭代,使算法易跳出局部最优。通过经典函数的测试结果表明,新算法的全局搜索能力有了显著提高,并且能够有效避免早熟问题。     

一种改进的粒子群优化算法

粒子群优化算法是由Kennedy和Eberhart[1,2]在1995年提出的一种基于群体智能的随机进化算法,是在鸟群、鱼群和人类社会行为规律的启发下提出来的。针对粒子群优化算法容易陷入局部极小的缺陷,对粒子群优化算法的速度进化公式进行改进,将粒粒子行为基于个体极值和全局极值变化为基于个体极值的加权平均、全局极值和按概率选择其它粒子的个体极值。新算法更符合生物的学习规律,使得粒子充分利用整个种群的信息,保证了群体的多样性。     

基于粒子群算法的土石方装运机械配备方案优化

土石方工程中,合理的制定机械配备方案将直接影响工程的进展与造价。针对该问题构造时间一费用评价函数,引入一种改进后的粒子群算法,利用该算法具有多个可行解同时寻优并能以较大概率收敛到全局最优的特性,在综合考虑时间和费用的基础上,实现了土石方装运系统的机械配备方案仿真优化,有一定的实用价值。     

基于智能优化算法的电力系统无功优化的研究

有效地改善电力水平以及尽可能降低网损已经直接关系到电力企业的经济效益,对于企业降低成本提高收益有很大的意义。而电力系统无功优化的出现恰好解决了这一难题,就智能优化算法在电力系统无功优化中的应用进行阐述。     

基于改进离散粒子群优化算法的逆向物流选址模型研究

针对逆向物流中存在的问题,为了降低逆向物流总成本,提高逆向物流的运转效率,对逆向物流的选址问题进行了重点研究.以离散粒子群优化算法为基础,对粒子进行重新编码,使得算法的收敛速度加快,挖掘精度提高,选择一个合适的回收中心.     

基于混合粒子群算法的配送车辆复杂路径优化

提出了基于混合粒子群算法(PSO)的配送车辆复杂路径优化方法,描述了混合PSO的原理和流程,并将其运用到物流配送路径优化问题中。实验结果显示,该方法能得到满意的路径优化结果。     

基于粒子群算法下的交叉口信号配时优化

为了合理地优化交叉口信号配时,通过分析交叉口的评价指标,建立了以车辆的平均延误、停车次数最小、交叉口整体通行能力最大、各相位有效绿灯时间和交叉口周期时长作为约束条件的数学模型。并通过改进前人研究基础上的动态加权系数,将多目标的非线性优化问题转化为单一目标的非线性规划问题,为了得出更科学稳定的解,提出了改善粒子群算法系统稳定性的2种方法,并将其与粒子群算法结合起来。然后以Matlab为求解工具,结合临邑市某一交叉口实例进行求解分析。最后的结果表明,在使用改进后的粒子群算法进行优化后交叉口通行能力较之现状提升了9%,延误下降了28%,停车次数下降了9%,且各项优化结果均优于Webster,改进后的算法在程序中运行300代,到216代才开始收敛,而未改进的算法稳定性较差,优化结果和收敛曲线则随着实验次数的变化而变化,最后的结论证明了该算法和模型的可靠性。     

基于改进离散粒子群优化算法的逆向物流选址模型研究

针对逆向物流中存在的问题,为了降低逆向物流总成本,提高逆向物流的运转效率,对逆向物流的选址问题进行了重点研究。以离散粒子群优化算法为基础,对粒子进行重新编码,使得算法的收敛速度加快,挖掘精度提高,选择一个合适的回收中心。