基于GA-QPSO算法的含分布式电源配电网优化重构设计

为了适应当前配电网结构日趋复杂且分布式电源大量接入的情况,提出一种改进的量子粒子群优化算法并成功应用于含分布式电源的配电网优化重构中.该算法通过在标准量子粒子群算法中引入遗传算法的"遗传"和"变异"操作,对粒子各等位基因实行概率进化,以提高种群基因的多样性,克服原算法前期易陷入局部收敛的缺陷.改进算法后通过设置变异因子...     

含分布式电源的配电网优化重构

针对传统二进制粒子群(binary particle swarm optimization,BPSO)算法应用于配电网重构时容易早熟的问题,提出了一种改进的混合粒子群算法。首先,通过加入遗传算法(genetic algorithm,GA)中的杂交环节和模拟退火(simulated annealing,SA)算法中的Metropolis更新机制,使算法更容易跳出局部最优,具有更好的全局搜索能力;其次,在重构过程中利用破圈法更新辐射状拓扑结构,改进编码规则,避免了大量不可行解的产生;最后,通过对不计及分布式电源(distributed generation,DG)和计及分布式电源的IEEE33节点配电系统重构仿真,验证了改进的混合粒子群算法是可行的和有效的。     

含分布式电源的配电网重构优化算法研究

针对含分布式电源(Distributed Generators,DG)配电网络优化运行的问题,进行了配电网重构优化算法的研究,对含有DG的配电网络应用改进二进制粒子群优化算法进行重构,建立基于多种负荷方式(最大、最小、一般负荷方式)的配网重构模型,建立计及DG的配网辐射状判定依据,并对配电网潮流计算进行了改进,使其适用于拓扑结构变化频繁的网络。最后运用IEEE33节点测试系统对所提算法进行仿真验证,结果表明所提优化算法可使含DG配电网络的网络损耗明显降低,在一定程度提升系统的电压水平。     

基于多群竞争的改进人工鱼群算法

为了改进基本的人工鱼群算法的性能及更好地模拟自然界鱼群捕食的行为,该文提出了一种基于多群竞争的改进人工鱼群算法.算法中引入了多个鱼群,除了描述基本的鱼个体觅食行为外,鱼群间还存在竞争机制.TSP的数值实验表明了改进算法的可行性及更好的全局优化性.     

基于人工鱼群算法的无线网络规划方法研究

为了降低TD-SCDMA的网络建设成本,提出了基于人工鱼群算法的基站规划方案。阐述了TD-SCDMA基站建设的困难和位置规划原理,设计了人工鱼和食物浓度函数,给出了AFSA解决基站位置规划问题的算法框架,并进行了仿真实验。实验结果表明:该方案可以获得更高的网络覆盖率,同时有利于降低网络建设成本,具有较高的应用价值。     

运用混合人工鱼群算法求解装箱问题

装箱问题在实际生产中应用非常广泛,文章在分析该问题特点的基础上提出了使用类CF近似算法和人工鱼群算法相结合的混合人工鱼群算法求解装箱问题,并给出了具体的算法步骤。跟遗传算法试验结果的对比表明该算法在求解装箱问题所得的结果优于遗传算法,具有良好的应用前景。     

基于人工鱼群算法的信号MP稀疏分解在图像压缩中的应用

信号的MP稀疏分解可以将信号分解为很简洁的近似表达形式,但因分解计算量巨大,难以满足实时性要求.人工鱼群算法具有收敛速度快、鲁棒性强等优点,将人工鱼群算法运用到信号的稀疏分解中,可以快速寻找分解过程中每一步的最佳原子,在此基础上对图像信号进行压缩.实验结果表明该解压图像具有较好的主观图像质量.     

人工鱼群算法在图像配准中的应用

图像配准是图像处理的基本任务之一,是图像融合、目标识别等的前提。文章将基于行为的人工智能思想通过动物自治体的模式引入优化命题的解决中,构造了一种解决问题的架构—鱼群模式,并由此产生了一种高效的智能优化算法—人工鱼群算法(AFSA),进而提出以人工鱼群算法为优化搜索策略的人工鱼群算法在图像配准中的应用。     

基于人工鱼群算法的概率积分模型参数反演

目的:解决概率积分法开采沉陷预计参数算法不稳定、容易陷入局部最优解等问题.方法:将可求解非线性问题、鲁棒性强、具备较好的全局寻优能力的人工鱼群算法(Artificial fish school algorithm,AF-SA)引入到概率积分法开采沉陷预计参数反演中.该算法已在广东省水资源优化配置、配送路径优化等问题中得到应用,尚未见学者将AFSA应用到概率积分模型参数反演中.本研究首次将AFSA引入到概率积分模型参数反演中,构建了基于AFSA的概率积分开采沉陷预计参数反演方法.结果:将AFSA的概率积分模型参数反演方法应用于顾桥南矿1414(1)工作面的地表移动实测数据中,得到的概率积分法预计参数为q=1.0592,tanβ=2.0203,b=0.4049,θ=87.2209°,S1=1.2840 m,S2=0.4530 m,S3=62.2000 m,S4=44.7531 m,下沉和水平移动拟合中误差为131.74 mm.结论:AFSA的概率积分模型参数反演方法满足工程应用精度要求.     

基于人工鱼群算法的复杂系统可靠性优化

由于复杂系统可靠性函数常常具有非线性的特点,因此设计既要满足可靠度又要使系统成本最小,成了优化设计中的难点。针对这一问题,提出了基于群体智能-人工鱼群算法（Artificial Fish School Algorithm,AFSA）的优化方法。给出了基于鱼群算法的可靠性的求解策略,详细探讨了鱼群算法在系统的可靠性优化计算中应用的可行性．并对非串-并联系统的可靠性分配的可靠性优化设计问题进行分析计算。结果表明该算法具有较强的局部搜索能力和较高的搜索效率,论证了该算法在复杂系统可靠性优化中的可行性和有效性。     

改进人工鱼群算法及在函数优化问题中的应用

为改进AFSA优化精度低、运行时间长的问题,借鉴模拟退火算法中的Metropolis判别准则改进人工鱼的觅食行为,在利用人工鱼全局寻优的同时并利用模拟退火算子实施局部细化,提出一种改进的人工鱼群优化算法（SA_IAFSA）,并用于求解多峰函数的优化问题。仿真结果表明,该算法保持AFSA算法简单、易实现的特点,克服人工鱼漫无目的随机游动以及容易陷入局部最优值的缺点,显著提高算法的运行效率和求解质量。     

求解全局优化问题的改进人工鱼群算法

针对人工鱼群算法的不足,提出一种改进的人工鱼群算法NAFAS。该算法对原有觅食行为进行改进,引进双高斯函数与其融合,使在寻优后期人工鱼群能快速逃离局部极值区域,从而提高全局寻优能力。与其它多种智能算法进行仿真测试并比较分析,结果表明,改进的人工鱼群算法搜索速度快、寻优精度高。     

全局人工鱼群优化的动量常模盲均衡算法

针对常模盲均衡算法(CMA)存在局部收敛和慢收敛的缺陷,提出了一种全局人工鱼群优化的动量常模盲均衡算法(GAFSA-MCMA)。该算法首先利用全局人工鱼群算法(GAFSA)收敛速度快、全局搜索能力强的优点,寻找人工鱼群的最优位置向量并作为CMA的初始优化权向量,从而使权向量在迭代过程中获得全局最优,同时将动量算法引入到CMA中,提高收敛速度。与CMA、MCMA相比,该算法均方误差较小、收敛速度较快。     

基于改进人工蜂群算法的配电网故障恢复

针对传统的配电网故障恢复算法收敛速度慢、易陷入局部最优的问题,提出了一种基于改进人工蜂群的配电网故障恢复方法。首先,跟随蜂按照适应度排序的选择策略(rank fitness selection)进行蜜源选择,此方法根据目标值将种群个体排序,按照个体的序位来选择蜂源个体,保持了种群的多样性,避免了早熟现象;进而,侦查蜂采用变邻域搜索算法,通过改变拓展结构集的搜索范围获取新蜜源,同时考虑到配电网故障恢复多目标函数搜索的难度,将目标函数归一化后采用层次分析法进行整合,变为单目标函数优化问题;最后,对整合后的目标函数在传统配电网与含分布式电源的系统中进行优化求解,得到供电恢复方案。算例分析表明:文中所提方法与传统人工群群算法相比,迭代次数均减少40%以上,综合目标函数最大可增大11.55%。     

猴群空翻机制作用下的自适应人工鱼群算法

针对人工鱼群算法在函数优化中存在陷入局部最优、后期收敛速度过慢及人工鱼群寻优精度低等问题,对动态分组方案的人工鱼群算法进行了研究,提出一种新的自适应人工鱼群算法。该算法利用猴群算法中的空翻行为替代鱼群的聚群和追尾行为,同时引入模糊函数,自适应调整鱼群算法的视野及步长,提高了算法的运行效率,更好地平衡了全局搜索与局部搜索之间的关系。算法在后期避免提前收敛,能够快速跳出局部最优位置,保证了寻优质量。仿真实验表明,该算法明显优于基于动态分组方案的人工鱼群算法,有效提高了寻优精度和寻优质量,避免了人工鱼群的早熟现象。     

基于变种群模因算法的大规模配电网重构

引入变种群模因算法的基本框架构建了求解配电网重构问题的方法。根据配电网的特点和所求问题的特性,在种群初始化环节引入启发式算法中的开关组思想并加以改进,用于生成两个初始个体及确定其邻域搜索空间;在种群交叉环节引入双主干交叉算子保留父代优良特征,局部寻优环节应用禁忌搜索算法作为其搜索策略;采用包含种群规模扩张和种群规模收缩在内的种群规模改变策略扩大搜索空间,增强全局搜索能力。最后,将所提方法应用于IEEE33、Taipower84、Bus119、Bus136、Bus417不同规模系统的重构仿真。结果表明,所提方法精度高、速度快,适合求解大规模配电网重构问题。     

K-means和人工鱼群结合的聚类算法研究

针对K-means算法对初始聚类中心敏感、容易收敛于局部极值和人工鱼群算法最大步长固定、寻优精度不高、后期收敛速度慢的问题,提出一种K-means和人工鱼群相结合的聚类算法。该算法将K-means聚类中心引入人工鱼群适应度函数,自动确定近似全局最优的初始聚类中心,并将其作为K-means初值详细进行局部搜索,以提高精度。同时采用淘汰机制和自适应的最大步长策略,优化人工鱼群算法性能。在Iris、Wine数据集和EPA-HTTP应用日志数据上对IAFSA KM算法进行实验仿真分析,验证了算法的有效性和可行性。     

基于鲸鱼优化算法的配电网故障区段定位

为提高配电网络中故障区段定位的准确性和高效性,基于馈线终端单元的配电网区段定位的研究,提出了一种在含分布式电源的配电网中用鲸鱼优化算法实现故障区段定位的方法。通过MATLAB对支路矩阵、电源接入情况进行编程,创建含多电源的IEEE33节点的配电网模型,完成配电网故障信息编码方式、开关函数和适应度函数的构造。对发生单点故障、多点故障,以及存在信息畸变的情况下发生故障的定位结果分析,结果表明,提出的鲸鱼算法能实现准确定位,其收敛性、准确性和高效性均优于传统粒子群算法、遗传算法以及最近的蝠鲼觅食算法。     

基于人工鱼群模型的自动组卷抽题算法研究

结合人工鱼群模型的基本思想,针对组卷问题这一具体应用,在人工鱼群算法中采用保留最优个体的策略对个体鱼的觅食行为进行改进,以防止鱼群中最优个体的退化．并且,为使全局最优个体能更快求出,对鱼群的聚群、追尾行为也进行了改进．