无线传感器网络基于改进遗传算法的节点调度

节点调度问题是经典的NP-hard组合优化问题之一。为解决该问题提出了诸如蚁群算法、粒子群算法和遗传算法等智能算法,以遗传算法(genetic algorithm,GA)更为有效,但经典的遗传算法在解决节点调度问题时,其算法自身存在寻优速度慢,容易陷入局部最优。提出一种改进的轮盘赌优化方法,该方法基于适应度比例的选择,即用全部个体的选择概率来计算累计概率,产生完整的子代个体并保留其基因,避免陷入局部最优,进而快速精确地求出节点调度问题的最优解,实验结果表明,经过改进的遗传算法求解的路径长度、收敛性和运行时间等指标均有明显改善。     

基于IQGA的船舶电力系统故障定位方法

为了快速精准定位船舶电力系统故障，争取宝贵的船舶电力抢修时间，提出一种改进的量子遗传算法（improved quantum genetic algorithm,IQGA）。首先,搭建船舶电力系统的数学模型，把故障定位问题转化为求目标函数最优问题；接着，将量子计算引入遗传算法（genetic algorithm,GA）中，采用双链量子比特编码方式，改进量子旋转门的角度更新策略;最后，加入量子非门实现染色体变异操作，增强算法收敛性能。仿真实验结果表明，改进量子遗传算法能够精准定位故障区段，并且较传统算法有着更为显著的收敛性能。     

电力系统运行中潮流稳定计算新思路研究

本文提出了一种新的考虑电压稳定约束的最优潮流计算方法——混沌粒子群优化算法。以反应当前系统电压稳定程度的L指标作为电压稳定约束,将它以不等式约束形式加入到常规的最优潮流（OPF）中形成含电压稳定约束的最优潮流（VSCOPF）。同时,为了克服常规粒子群优化算法容易早熟而陷入局部最优解的缺点,提出了一种混沌粒子群优化算法。通过几个系统的测试,证实了该算法收敛性好,能够取得较好的结果。     

基于自适应粒子群算法的重油热解模型参数估计

通过构造一个合适的目标函数,将化工模型参数估计问题转化为一个多维数值优化问题,然后提出一种参数自适应调整和维变异的改进粒子群优化算法来求解该问题。该算法首先利用佳点集方法初始化种群以保证粒子的多样性。惯性权重和学习因子随进化过程自适应调整,从而协调算法的全局和局部搜索能力。为了避免算法陷入局部最优,对收敛度最小的维进行变异。几个标准测试问题的实验结果表明该算法具有较强的全局寻优能力。最后将改进粒子群算法应用到重油热解模型参数估计中,并与基本遗传算法（SGA）和粒子群优化算法（SPS0）进行比较。研究结果表明：本文得到的平均相对误差为5．62％,比SGA和SPSO分别低1．08％和0．50％。     

基于改进粒子群算法的海洋钻机系统布局优化

为提高海洋钻机的工作效率和平台的空间利用率,应用改进的粒子群算法对海洋钻机系统进行布局优化研究。针对多目标、多约束的钻机系统布局优化问题,建立钻机系统布局优化数学模型,应用多目标粒子群算法直接求解,得出相应的最优解集。利用线性加权法将多目标转变为单目标进行求解分析,针对单目标粒子群算法的缺点,基于约束条件、惯性权重以及遗传算法的选择和杂交对粒子群算法进行改进,完成不同改进算法的测试实验。结果表明,在应用粒子群算法求解布局问题时将约束条件作为目标函数、单独引入遗传算法的杂交思想求解速度和精度更好。提出的基于杂交的动态惯性权重粒子群算法的布局优化问题求解性能更优,得到的优化方案符合海洋钻井作业要求且占用甲板面积较小。     

PSO和GA的混合算法解分形插值反演问题

在分形插值拟合反演问题中,垂直比例因子的选取将影响到插值拟合的精度,提出了一种整合粒子群优化算法和遗传算法选择和交叉操作的混合算法（HPSOCS）来求分形插值的逆问题最优解,通过混合算法对weierstrass函数进行实验仿真并与粒子群优化算法比较,结果表明混合算法具有更好的优化性能,实现了分形插值函数与实际函数的更好拟合．     

基于改进量子遗传算法的WSNs多路径路由研究

最优路径搜寻和能量优化是无线传感器网络(wireless sensor networks,WSNs)研究的两大关键性问题,基于簇结构的无线传感器网络模型,将改进的量子遗传算法引入WSNs网络层节能路由算法研究中,选取多条较优染色体代替一条最优染色体指导群体的进化;采用动态的量子旋转门调整策略,避免算法收敛于局部最优解;利用球面坐标角度对量子遗传算法编码,降低算法的复杂度;以路由所耗能量为优化目标,构造适应度函数。与基于传统遗传算法（genetic algorithm, GA）、标准量子遗传算法(quantum genetic algorithms, QGA)的多路径路由进行比较,实验表明,该算法比基于GA,QGA算法的多路径路由具有更低的网络能量消耗,更长的网络生存周期。     

基于双种群粒子群优化新算法的最优潮流求解

提出一种带赌轮选择的双种群粒子群优化算法(TSPSO)求解最优潮流问题。在该算法中,对2个种群采取不同的参数设置,使得粒子在进化过程中具有不同的飞行轨迹,从而尽可能地探索解空间,增强算法的全局搜索能力;基于赌轮算法的概率选择机制使粒子可以在较好的可行解邻近范围内高强度搜索,增强了算法的局部搜索能力;采用自适应惩罚因子能有效区分最优潮流的目标函数和约束条件对种群进化的影响,使种群可以跨越不可行域到可行域进行搜索。通过IEEE30节点系统对该算法进行测试,结果表明,采用该算法可以有效求解最优潮流问题。     

基于混沌-量子粒子群的分簇路由算法

针对粒子群分簇路由优化算法存在的收敛速度慢、 易陷入局部最优等问题, 提出一种混沌-量子粒子群 的双子粒子群分簇路由算法。 该算法以簇头的能量、 簇头与汇聚节点的距离以及与簇内成员节点的距离构造 最优簇头的代价函数, 主粒子群利用混沌粒子群寻优, 辅粒子群利用量子粒子群寻优, 加入量子波动理论, 使 算法具有较好的全局收敛性。 双子粒子群采用收敛速度快的凹函数递减策略优化权重。 仿真结果验证了该算 法可使无线传感网络节点能量消耗均衡化, 显著延长网络生命周期, 与 LEACH(Low-Energy Adaptive Clustering Hierarchy)协议、 PSO-C(Cluster setup using Particle Swarm Optimization algorithm)协议相比生命周期分别延长了 80. 1%和 41. 4%。     

文化算法在有人/无人机协同作战目标分配中的应用

针对有人/无人机协同作战目标分配问题,基于文化算法提出一种遗传算法和离散粒子群算法相结合的目标分配方法。根据有人/无人机协同目标分配问题的特性,结合文化算法的基本框架,建立了遗传算法和离散粒子群算法的交互机制,充分利用遗传算法和离散粒子群算法对优化问题的搜索能力,改善了2种算法易陷入局部最优的缺点,对约束条件下的有人/无人机协同作战目标分配问题进行了有效求解。实验结果表明,基于遗传和离散粒子群相结合的文化算法优于遗传算法和粒子群算法,收敛速度更快,能够快速找到目标分配问题的最优解。     

改进的OFDM系统自适应资源分配算法

在自适应正交频分复用(OFDM： Orthogonal Frequency Division Multiplexing)系统中, 传统迭代注水功率分配（IWFP： Iterative Water Filling Power）算法对星座规模量化程度要求过高, 实际应用性不强。为此, 在发射总功率和系统误码率上限恒定的条件下, 提出了一种基于IWFP算法的改进算法。该算法在IWFP算法基础上进行了比特和功率分配的二次调整, 算法更加符合系统调制的星座规模和实际发射需求。仿真结果表明, 在误比特率（BER： Bit Error Rate）为10^-4时, 改进算法对信噪比的要求比IWFP算法高约3 dB, 比未经自适应调制的OFDM系统功率比特分配算法即等功率分配算法（EPA： Equalization Power Algorithm）低8 dB, 接近于系统的最优性能, 且运算复杂度不高。     

基于AAR模型和累积频带能量的特征提取方法

提出了一种自适应自回归（AAR）模型参数和累积频带能量相结合的特征提取方法,该特征应用于基于运动想象脑．机接口（BCI）之中,实现左右手运动想象分类,改善BCI系统的性能．首先,对头皮EEG数据进行小波分解和重构,去除EEG中的噪声,得到不同频带的EEG数据．然后,提取EEG数据的AAR模型参数特征和不同频带的频带能量特征,提出了累积频带能量特征和AAR与累积频带能量相结合的特征提取方法,分别以AAR模型参数、频带能量、累积频带能量和AAR＋累积频带能量为特征,利用线性判别分析（LDA）分类器对左右手运动想象任务进行特征分类．最后,对不同特征的分类结果进行比较,得出以AAR＋累积频带能量作为特征在BCI系统中的优越性能．     

基于均匀设计的选择性映射旋转向量序列生成算法

选择性映射（SLM）技术中的相位旋转向量是影响其性能的关键因素．通过对SLM旋转向量的分析,提出了一种旋转向量序列生成算法．该算法引入了部分因子设计,通过查均匀表生成旋转向量矩阵,简单且易于实现．仿真结果表明,与传统SLM算法相比,该算法不增加任何系统复杂度,在子载波数为16,峰均功率比门限值为4．5dB时获得了0．25dB的性能改进．对于子载波数较多（如1024）的环境,该算法依然有效．     

暂态稳定约束下的负荷经济分配

针对电力系统中存在的暂态稳定问题,提出了一种不受系统模型限制的电力系统动态安全调度的算法.该算法基于关键线路有功潮流对其临界切除时间的线性和二次函数拟合,把临界切除时间表示的暂态稳定性约束转化为关键线路有功潮流表示的暂态稳定性约束,并把此约束作为增广约束加入到传统的最优潮流模型中,采用传统求解方法直接进行求解.该方法能够同时处理多个故障,避免了在解除某些故障情况下的稳定裕度约束之后,又会出现其他故障情况下稳定裕度不足甚至失去稳定的循环调整情况,并满足一定的经济性.新英格兰测试系统的分析结果表明,在系统总发电成本增加最小的情况下,系统的稳定程度已提高到设定的目标,证明了该算法的有效性.     

基于灰色关联和层次分析的冷热电联供方案优化研究

楼宇冷热电联供系统能够将冷、热、电三种负荷有机地结合到一起,充分利用低品位的热能实现能源的梯级利用,具有较高的能源利用效率.综合考虑经济、环保、节能、可靠性等指标,对楼宇冷热电联供系统进行方案选择.根据灰色系统关联分析法和层次分析法原理,建立了楼宇冷热电联供方案评价分析数学模型,以某图书馆为例进行了冷热电联供方案分析,找到了综合最优方案.通过客观地选择评价指标和权重系数,提高了冷热电联供方案选择的全面性和科学性.     

双系统共存的交通网络组合模型研究

文章讨论了系统最优（SO）原则与随机用户平衡（SUE）原则共存的情况。首先给出了SO与SUE共存时的组合式条件，然后将整个交通需求分成遵守SO原则及遵守SUE原则的两个子系统，在两个子系统为固定需求的前提下，给出一个兼顾SO与SUE的更符合实际的综合模型，证明了此模型的一阶条件满足SO与SUE共存时的组合式条件，并根据相继平均算法（MSA）思想设计了算法。     

基于灰色-神经网络的核动力设备运行趋势预测

根据核电设备运行参数的历史数据,利用灰色系统GM（1,1）预测模型建立动态微分方程,并预测其发展趋势。如果原始数据序列呈线性变化且还原值序列的相对误差平方和较大,则用BP神经网络对GM（1,1）的预测结果进行修正,以提高预测精度。文中以二回路辐射剂量率的预测为例,对该方法进行了仿真实验验证。验证结果表明,用BP 神经网络对GM（1,1）的预测结果进行修正相比较GM（1,1）预测模型,预测精度得到了显著提高。     

含风电机组的ATC的光滑化模型及其有效算法

首先,将含风电机组的潮流模型和传统的静态安全性可用输电能力（ATC）模型相结合,建立了含风电机组且考虑系统静态安全性的ATC新模型的半光滑模型;然后,基于光滑化策略和方法,建立了含风电机组的ATC的光滑化模型,并采用光滑化牛顿法对模型进行求解,IEEE 30,118节点系统的计算结果表明了该模型和计算方法的可行性和有效性;最后,通过与不含风电机组的ATC模型的计算结果进行比较,分析了风电机组接入电力系统后对ATC的影响．     

基于实测数据分析的风电功率预测

由于风力发电所利用的近地风能具有波动性、间歇性、低能量密度等特点,对风电场的发电功率进行尽可能准确的预测是风电发展的关键.本文根据某风场的实测数据,采用了时间序列中的自回归移动平均模型(ARMA),对风电功率进行了实时预测;为进一步提高风电功率实时预测的精确性,本文提出了一种基于BP神经网络和ARMA组合模型的预测方法,并对上述实测数据采用该方法进行了实时预测.预测结果表明:组合模型的预测结果与单独的自回归移动平均模型相比,风电功率的实时预测的均方根误差和百分比误差分别减少了4.01%和3.25%,工程中可以采用该组合模型对风电功率进行预测.     

基于FPGA的自适应光伏发电系统MPPT控制方法

针对光伏电池输出功率随环境温度和日照强度变化而变化的特点,提出了一种采用遗传算法优化模糊逻辑控制器控制规则的智能控制方法,利用FPGA设计了控制系统。实验结果表明,控制系统实现了在线快速演化,能够准确、快速地跟踪光伏电池的最大功率点,且具有自适应性。