基于改进粒子群算法的三维路径规划研究

针对基本粒子群算法(PSO)收敛速度快、易早熟，容易陷入局部误区的问题，提出了粒子群-人工蜂群混合算法(PSO-ABC)，并将提出的算法应用于无人机三维环境下的路径规划。该算法在改进粒子群算法的基础上，融合了人工蜂群算法来对无人机三维路径进行全局规划。首先引入非线型惯性权重和收缩因子，改进粒子的速度公式，然后利用人工蜂群算法的搜索算子对最优解再一次寻优，解决了粒子群算法因局部搜索能力较差陷入局部误区的问题。本文在三维环境下设置了两组实验，对比粒子群-人工蜂群混合算法与粒子群算法、人工蜂群算法的路径寻优性能。实验结果显示，本文提出的算法路径寻优能力有所提高，相比于粒子群算法，提高了6.1%，相比于人工蜂群算法提高了6.9%。     

基于扩展粒子群优化算法的同步发电机参数辨识

提出一种新的扩展粒子群优化(EPSO)算法并应用于同步发电机参数辨识。在粒子群优化(PSO)算法的基础上，EPSO算法采用更多粒子的位置值信息进行变异操作，并且提出根据各粒子的适应值大小确定算法控制参数的方法，保证了扩展后算法的收敛性，EPSO算法模型更具有通用性。仿真算例结果表明了在系统受到较大干扰的情况下，EPSO算法比EP算法和PSO算法具有更精确的参数综合辨识能力，并且EPSO算法比EP算法具有更高的收敛效率。     

一种并行双模式盲均衡算法的研究与实现

本文提出了一种将SMMA算法与DD算法并行运行的变步长双模式盲均衡算法。该算法在保持原来两种算法高性能的基础上，改进传统的DD算法，将两种算法采用并行结构运行，同时加入误差控制函数，控制SMMA算法占比，降低稳态误差；并且引入变步长方法，加快算法的收敛速度。经过理论分析与仿真实验表明，该算法相对于传统方法，ISI降低到-29.8 dB，收敛速度提高，在630个符号左右算法完成收敛。在完成仿真实验后，进行了实测信号的解调均衡，其EVM降低到1.69%。     

基于扩展粒子群优化算法的同步发电机参数辨识

提出一种新的扩展粒子群优化(EPSO)算法并应用于同步发电机参数辨识。在粒子群优化(PSO)算法的基础上，EPSO算法采用更多粒子的位置值信息进行变异操作，并且提出根据各粒子的适应值大小确定算法控制参数的方法，保证了扩展后算法的收敛性，EPSO算法模型更具有通用性。仿真算例结果表明了在系统受到较大干扰的情况下，EPSO算法比EP算法和PSO算法具有更精确的参数综合辨识能力，并且EPSO算法比EP算法具有更高的收敛效率。     

基于KNN和XGBoost的室内指纹定位算法

针对KNN算法定位精度有待提高以及定位稳定性较差的问题，本文提出了一种基于KNN算法和XGBoost算法的室内指纹定位算法。该算法首先将样本集划分为训练集和测试集，将训练集中AP的RSSI数据作为特征，坐标作为标签，使用XGBoost算法进行建模。其次，融合KNN模型，将KNN算法寻找到的近邻集合引入XGBoost模型中，再结合单独XGBoost算法的预测结果，以实现坐标定位。最后，在实际环境下研究了算法的K值、回归树数量、决策树深度和学习率对误差的影响，确定算法的相关参数。通过搭建的实际实验环境进行了测试，实验结果表明，本文提出算法的平均定位误差为1.55 m,较于KNN算法和XGBoost算法分别减少了24.76%和11.93%,并且累积分布函数曲线的收敛速度更快，具有较好的定位性能。     

基于深度强化学习哈里斯鹰算法的路径规划

哈里斯鹰算法存在容易早熟、陷入局部最优陷阱、稳定性较差等问题。为了提升算法性能，本文提出了一种利用深度确定性策略梯度算法（DDPG）改进的哈里斯鹰算法。该改进将深度强化学习和启发式算法结合，利用深度确定性策略梯度算法训练神经网络，再通过神经网络动态地生成哈里斯鹰算法关键参数，平衡算法全局搜索和局部搜索，并赋予算法后期跳出局部最优陷阱的能力。通过函数优化和路径规划对比实验，实验结果表明，DDPGHHO算法具有一定的泛化性和优秀的稳定性，且在不同环境下均能够搜索到更优路径。     

基于模拟退火——二进制粒子群优化算法的配电网重构

提出了将模拟退火算法与二进制粒子群算法相结合的用于配电网重构的优化算法。该算法既发挥了粒子群算法收敛速度快的特点，又因为引入的模拟退火算法具有的较强的跳出局部最优解能力，因此有效地避免了粒子群算法易陷入局部极值点的缺点，提高了进化后期算法的收敛速度和精度，并应用IEEE16节点系统的算例，验证了模拟退火-二进制粒子群混合算法在配电网重构中的可行性和有效性。     

快速匹配算法在测试指令专家系统中应用

文中提出用于产生式专家系统中的快速匹配算法，该算法以Rete算法为基础，简化匹配网络，使得算法的实现更方便，并且提高模式匹配的效率。     

基于改进混合蛙跳算法的测试数据自动生成

测试数据的生成是实现软件测试自动化的重要环节。为了提高单元测试中测试数据的生成质量和效率，提出一种基于混合蛙跳算法的测试数据生成算法。该算法通过引入动态阈值来控制个体的移动步长，以平衡算法的全局开发和局部搜索能力，同时改进个体的随机跳动策略，转化为向随机个体学习，增强种群之间的信息交流以提高算法的全局搜索能力。将改进的算法应用到测试数据生成中。实验结果表明，在种群规模不断变化的情况下，改进的混合蛙跳算法相较于标准混合蛙跳算法、布谷鸟搜索算法、粒子群优化算法，其稳定性最强；在测试数据生成的平均迭代次数评价指标上改进的混合蛙跳算法优于对比算法。     

基于傅里叶变换的高精度频率及相量算法

离散傅里叶变换(DFT)是电力系统中频率及相量测量的基本算法，作者首先从理论上分析了传统的离散傅里叶算法存在的测量误差，并在传统的离散傅里叶算法的基础上提出了一种前向递推的DFT算法，该算法利用3点DFT数据进行频率及相量的测量，有效减小了运算量，仿真试验验证了所提算法的正确性。仿真结果还表明，该算法能有效地减小由傅里叶算法引起的测量误差，具有测量精度高的优点。     

利用智能型模拟退火算法进行开关磁阻电机磁极几何形状的优化

通过对模拟退火算法(简称SA算法)进行深入研究发现，SA算法在寻优过程中随机产生的新点仅与当前状态有关，而与已搜索过空间的状态及其目标函数值毫无关系，这就浪费了大量有用的信息，因而SA算法最大的缺点是在搜索寻优过程中存在较大的盲目性。为此，该文将模糊推理技术用于SA寻优过程，可利用已搜索过的空间信息确定全局最优点所在的区间，从而缩小搜索范围使算法迅速收敛于全局最优点；并可自动去除不可行解，避免了电磁场逆问题计算中大量不必要的磁场计算。应用电磁场逆问题的分析方法，对开关磁阻电动机转子磁极几何形状进行了全局优化设计，在电机主要尺寸不变的条件下，显著地提高了样机的静态转矩。     

改进模拟退火算法在三相异步电动机优化设计中的应用

为了更好地将模拟退火算法应用于三相异步电动机优化设计中,本文分析了模拟退火算法的优点和局限性,针对其搜索过程慢的缺点,提出了改进模拟退火算法的思路和具体实现方法,并通过两个经典数学函数检验了新算法的性能.在此基础上,将改进模拟退火算法应用于三相异步电动机优化设计中,分别以有效材料成本最小和效率最高为目标进行了优化设计.结果表明,在不改变电动机的结构设计和制造工艺的情况下,基于改进模拟退火算法的优化设计能显著减小材料成本和提高电动机效率,具有工程实用价值.     

基于退火遗传算法的水电站短期优化调度

电力市场环境下,水电站短期优化调度对优化发电企业向电力市场申报的次日发电计划和最大化企业发电收益具有重要意义。为了提高短期优化调度的计算精度和效率,针对模拟退火算法和遗传算法的优缺点将两者结合起来形成退火遗传算法,改善其计算精度和速度。实例计算表明该方法是可行的。     

基于模拟退火的粗糙集K均值电力负荷聚类分析

为了建立合适的变电站负荷模型,将聚类方法引入到负荷特性分析,提出了一种基于模拟退火的粗糙集K均值电力负荷综合聚类算法。该算法将粗糙集理论、模拟退火思想与K均值相结合,通过模拟退火思想优化K均值聚类算法,采用最大最小原则动态生成K均值聚类数和初始聚类中心,同时结合粗糙集理论的上逼近和下逼近处理边界对象。最后,对变电站综合负荷静态特性进行聚类分析,比较类间距离和类内距离,结果验证了本文算法的可行性和有效性。     

Integrating genetic algorithms, tabu search, and simulatedannealing for the unit commitment problem

This paper presents a new algorithm based on integrating genetic algorithms, tabu search and simulated annealing methods to solve the unit commitment problem. The core of the proposed algorithm is based on genetic algorithms. Tabu search is used to generate new population members in the reproduction phase of the genetic algorithm. A simulated annealing method is used to accelerate the convergence of the genetic algorithm by applying the simulated annealing test for all the population members. A new implementation of the genetic algorithm is introduced. The genetic algorithm solution is coded as a mix between binary and decimal representation. The fitness function is constructed from the total operating cost of the generating units without penalty terms. In the tabu search part of the proposed algorithm, a simple short-term memory procedure is used to counter the danger of entrapment at a local optimum, and the premature convergence of the genetic algorithm. A simple cooling schedule has been implemented to apply the simulated annealing test in the algorithm. Numerical results showed the superiority of the solutions obtained compared to genetic algorithms, tabu search and simulated annealing methods, and to two exact algorithms     

基于支路交换和模拟退火的配电网重构算法

支路交换算法可以快速实现配电网重构,但不能保证得到全局最优解,而模拟退火算法可以以较大概率搜索到全局最优或近全局最优解,但计算速度慢。介绍了结合两者优点提出的以模拟退火算法帮助支路交换算法避开局部最优、同时减少模拟退火算法的降温次数和每个控制温度下开关变换次数的算法,从而从根本上提高计算速度,算例结果证明了该算法的可行性。     

基于改进的人工鱼群算法的配电网无功优化

研究了基于变异算子与模拟退火算法混合的人工鱼群算法,对算法中的变异算子进行了改进,并提出了1种试探确定变异概率的方法：同时对配电网无功优化的模型进行了改进．将经济性目标和安全性目标相结合。将改进的人工鱼群算法运用到配电网无功优化中．实际系统的仿真计算结果表明,基于改进人工鱼群算法的配电网无功优化方法合理可行。     

Parallel simulated annealing applied to long term transmissionnetwork expansion planning

The simulated annealing optimization technique has been successfully applied to a number of electrical engineering problems, including transmission system expansion planning. The method is general in the sense that it does not assume any particular property of the problem being solved, such as linearity or convexity. Moreover, it has the ability to provide solutions arbitrarily close to an optimum (i.e. it is asymptotically convergent) as the cooling process slows down. The drawback of the approach is the computational burden: finding optimal solutions may be extremely expensive in some cases. This paper presents a parallel simulated annealing (PSA) algorithm for solving the long-term transmission network expansion planning problem. A strategy that does not affect the basic convergence properties of the sequential simulated annealing algorithm have been implemented and tested. The paper investigates the conditions under which the parallel algorithm is most efficient. The parallel implementations have been tested on three example networks: a small 6-bus network; and two complex real-life networks. Excellent results are reported in the test section of the paper: in addition to reductions in computing times, the PSA algorithm proposed in the paper has shown significant improvements in solution quality for the largest of the test networks     

基于自适应模拟退火遗传算法的多目标最优潮流

采用自适应遗传算法来确定基本遗传算法的交叉率和变异率,保证遗传算法的收敛性。同时引入模拟退火法思想,通过拉伸目标函数的适应度使优秀个体在产生后代时具有明显的优势,从而加速寻优的过程,形成一种新的算法:自适应模拟退火遗传算法。应用该算法进行电力系统多目标最优潮流计算,IEEE30试验系统计算结果表明了该算法的灵活性和有效性。     

长定子同步直线电动机的设计及其优化

详细讨论了长定子同步直线电动机的设计过程 ,给出了电机基本参数以及推力与电流比的计算公式。并采用遗传模拟退火算法对长定子同步直线电动机进行了优化 ,取得了良好的优化效果。