基于模糊聚类的泊位分配与岸桥调度优先级计算方法

针对传统的一刀切式的船舶优先级调度算法在实际应用中具有的很大局限性,提出了一种基于模糊聚类思想的优先级分配方法,将具有相似特征属性的来港作业船舶进行模糊聚类,并依据设计的相应算法计算得出各艘船舶在港服务的优先级,以合理安排来港船舶的作业顺序,进而提高港区的整体经济效益。实例计算结果表明:在港区的岸桥、泊位使用更为连贯紧凑、利用率更高,港区码头的整体作业效率相对传统的基于先到先服务策略的调度方案得到大幅提升。     

基于改进量子粒子群算法的电力系统经济调度仿真研究

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。     

基于PLC的港口集装箱码头装卸模型下位机控制系统设计

根据港口集装箱码头装卸模型的控制要求,设计出了一种基于PLC的下位机控制系统。本控制系统与上位机PC通信,完成上位机对进出口装卸船模型的运行操作与监控。软件采用选择性分支流程编程使下位机对进出口装卸船和门座吊装卸船的控制相互独立。在实际应用中取得了很好的效果。     

基于PSO城市应急物流最优调度决策的研究

在城市应急网络的大背景下,采用粒子群优化算法(PSO),对应急物流的调度进行了研究。自然选择的粒子群优化算法是在基本粒子群算法的基础上改进的算法,相比基本粒子群算法,它用当前较好的粒子代替较差的粒子,通过函数测试,表明自然选择的粒子群算法的精确度和效率都很高。利用自然选择的粒子群算法,在满足应急运输要求的前提下,充分利用各种物流设施,快速组织多种交通工具,制定应急物流最优的调度决策,以保证经济效益的最大化和实现过程的最优化。     

求解车间作业调度问题的免疫粒子群算法

粒子群算法已成功地应用于著名的旅行商问题和其他一些组合优化难题。为了使用粒子群算法来解决生产问题，该文在原有的粒子群优化模型的基础上提出了一种新的免疫粒子群算法，由具体算例验证该算法是有效的。     

自适应粒子群算法在水库优化调度中的应用研究

采用自适应粒子群算法（APSO）对水库优化调度问题进行了研究。建立了问题的数学模型，提出了该算法的工程实现方法，编制了基于Matlab语言的优化计算程序。三插溪水库的仿真实例表明：APSO算法较PSO算法的收敛性能更好，APSO算法在搜索晚期具有更强的局部搜索能力，更容易找到最优解。与遗传算法相比，APSO算法采用的参数少，实现简单，收敛结果更优。可见，APSO算法在水库优化调度问题上的求解是可行有效的。     

基于进阶粒子群优化算法的云计算资源调度策略研究

云计算是一种商业计算模型,云厂商一般都有自己的资源分配和任务调度模式,但并没有统一的标准和规范。分析云计算系统资源调度,提出一种基于进阶的粒子群算法,采取集群动态协作产生优质粒子及对粒子逆向作用平衡局部资源的策略,以达到全局及局部搜索双向资源最优。经云仿真平台测试表明,应用该算法的调度策略可行且高效。     

基于PSO的电力系统环境经济负荷调度

针对基于线性加权和处理成单目标优化问题的传统方法存在的缺陷,提出使用粒子群优化算法求解EELD多目标优化问题。该方法通过对粒子群算法个体极值和全局极值选取方式的改进,实现了对EELD多目标优化问题的非劣最优解集的搜索,为决策者提供了丰富的参考信息。在此基础上,应用模糊满意度方法求出的最优折衷解为调度运行人员提供了最佳调度折衷方案。最后,对一个三机系统进行了测试,并与线性加权人工神经网络法进行了比较分析,仿真结果验证了该方法的有效性。     

考虑驾驶员舒适度的纯电动公交柔性调度优化

为克服公交调度优化模型中纯电动公交车受续航里程约束、未考虑驾驶员舒适度的不足,提出了人-车固定模式的纯电动公交车柔性调度优化方法。采用休憩时长为衡量驾驶员舒适度的指标,将保证驾驶员舒适度产生的负面边际效应量化为延误成本,以公交企业总成本最小为目标构建优化调度模型,引入改进的粒子群算法求解。改进算法通过调整粒子群算法的位置和更新机制解决传统粒子群算法易陷入局部极值的问题,进一步提高算法精度。实验结果表明,柔性调度优化方法能有效降低公交企业的总运营成本,具有一定的实用性。     

基于局部搜索BLPSO算法的动态经济调度优化

动态经济调度可以降低发电运行成本、节省能源,在电力系统运行过程中起着重要作用.针对含电动汽车负载的动态经济调度问题,提出一种基于局部搜索策略的生物地理粒子群算法(BLPSO-OBS).该算法在生物地理粒子群算法中引入观察蜂局部搜索策略,从而提升了求解精度.该算法用于解决含电动汽车的动态经济调度问题,并考虑了电力平衡约束...     

多信道环境下的偏斜调度策略研究

针对多信道广播中用户访问时间最小化的问题,提出一种偏斜调度策略。该策略引入了近似最优的TOSA算法的高层调度算法,然后将经典的多盘调度算法应用于算法中的低层调度以进一步提高数据广播性能。试验结果表明,该算法有效地降低了用户的平均访问时间．在偏斜数据访问模式下性能更优。     

基于单频网的多播业务调度算法设计与仿真

对接收多播业务的移动终端而言,有效的能耗管理显得尤为重要。以单频网方式实现多播广播是一种有效的多播广播方式,如何在单频网中更好的调度业务,降低终端能耗值得探讨。针对用户同时接收多路多播业务的场景,我们已提出基于流行度、相似度的调度算法,可以更好的降低终端能耗。但这两种算法没有考虑逻辑广播信道剩余时隙分配,以及逻辑信道的占用情况,本文将考虑二者,对算法改进,设计适用于单频网的多播业务调度算法,并仿真分析。     

基于禁忌粒子群求解多目标0-1背包问题的研究与实现

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。     

基于用户侧管理的网—荷多目标调度模型

针对现阶段配电网智能化程度低、与微网联合调度经济性差等问题,在考虑实时电价计费和完全利用微网电能的情况下,利用主动配电网技术构建以配电网-微网运维支出最低、联合调度环境损耗最小和用户负荷波动最平缓为优化目标的调度模型。基于高斯加权粒子群算法,求解调度模型最优方案。以添加风机、光伏、微燃机及储能装置的配电网为算例模型,通过比较3种运行方式,分析配网添加微电源、储能装置和改变拓扑对优化目标的影响,时延结果验证了该方法有效性。     

电力系统经济调度的正余弦优化算法的仿真研究

经济调度是实现电力系统节能降耗的重要措施,在数学上表现为一个典型的多约束非线性优化问题。正余弦优化算法(SCA)作为一种全新的智能优化算法,采用正弦函数与余弦函数实现迭代运算,无需额外调节的算法参数,结构简单,搜索快速,易于实现。采用SCA算法求解经济调度问题。为了验证该方法的可行性和有效性,在Matlab仿真软件上采用3个不同算例从经济性、快速性、收敛性、鲁棒性等多维角度对比分析了SCA算法的优化性能。     

基于多信息融合和改进PSO-SVM的刀具磨损仿真预测

针对刀具磨损监测中单一传感器采集的信息有限以及SVM模型参数难以选择的问题,提出一种基于多信息融合和改进PSO-SVM的刀具磨损状态预测方法.采用小波变换的方法对采集到的多传感器信号进行去噪处理,提高数据的质量,针对传统粒子群算法在参数选择上的不足,提出一种改进的粒子群算法优化支持向量机参数,通过仿真验证改进的PSO-...     

基于混沌的粒子群优化算法研究与进展

粒子群优化算法因简单、容易实现,被越来越多地应用于众多应用领域,但其存在着容易陷入局部最优等缺点。混沌是一种普遍的非线性现象,具有随机性、遍历性和内在规律性的特点,尤其是混沌的遍历性特点,使其可以作为搜索过程中避免陷入局部极小的一种优化机制。将二者结合求解优化问题,改善了粒子群摆脱陷入局部极值的能力,提高了算法收敛速度。论述了混沌粒子群优化算法的研究进展。     

基于改进粒子群算法的多目标智能组卷研究

组卷问题是一个多约束多目标组合优化问题。建立了一种新的组卷数学模型,提出了一种改进粒子群算法(IPSO)的智能组卷算法。在组卷之前,先采用贪婪算法进行预处理,有效提高了算法的收敛速度。在进化过程中引入保优策略,避免适应值高的粒子被淘汰。采用自适应交叉和变异算子进行调整,避免了局部收敛现象。实验结果表明,改进的粒子群算法应用在多目标智能组卷中具有较好的组卷性能。     

粒子群与差异演化的混合进化算法研究

将标准粒子群（PSO）算法和差异演化（DE）算法混合进行进化,把差异演化算法的优势带入到粒子群算法中,利用差异演化算法其本身具备的对粒子个体的交叉和变异操作使标准粒子群算法种群保持寻优所需的多样性．并将这种算法与标准粒子群算法、G-PSO算法等进行了对比研究,通过混合进化的方法使粒子群种群保持多样性,实验结果表明新算法避免陷入“早熟”或“停滞”的能力大大提高．