一种新的模糊自适应模拟退火遗传算法在配电网重构中的应用

本文对配电网的重构问题进行了研究,提出了结合实际的配电网重构目标函数,并将遗传算法引入其中,用来解决这个复杂的,多目标,多约束的组合优化问题。针对遗传算法收敛速度慢、容易"早熟"等缺点,结合模糊推理、模拟退火算法和自适应机制,采用一种改进的遗传算法——模糊自适应模拟退火遗传算法(FASAGA),实例分析表明,该算法比标准的遗传算法(SGA)具有更快的收敛速度和寻优效果。     

数据同化框架下红外与可见光图像的可控融合

针对现有图像融合方法的规则不易根据融合图像的后续使用要求进行自适应调整,并且各种方法的优点不易综合的问题,提出一种数据同化框架下的基于粒子群优化(PSD)和差分进化(DE)算法的融合方法。该方法把比率低通金字塔变换作为数据同化系统的模型算子,把非下采样的Contourlet变换(NSCT,nonsubsampled contourlet transform)作为观测算子,根据后续处理对图像各个属性指标值的依赖程度构造目标函数,再利用PSD和DE的混合算法来优化目标函数从而获取合适的影像。两组实验从视觉效果和定量指标两方面验证了方法的有效性。     

同时考虑发电费用与网络损耗的多目标有功最优潮流

在对传统的单纯以发电费用最少和网络损耗最小为目标的单目标最优潮流分析的基础上,利用权重系数将两者有机结合,建立了多目标的有功最优潮流模型,分别利用二次规划算法和遗传算法进行求解,并对两种计算方法的计算结果和求解效率进行了分析。     

快速路截面数据和车牌识别数据融合算法

为了提高快速路交通流检测精度,在对快速路截面数据和车牌识别数据预处理方法研究的基础上,提出了基于遗传算法优化的BP神经网络数据融合算法,并以VISSIM模拟交通流数据为对象,通过MATLAB程序实现该算法的仿真验证,同时与传统BP神经网络融合算法进行对比分析.结果表明,该算法融合的平均相对误差为0.73%,传统BP神经网络融合的平均相对误差为1.55%,融合精度显著提高.     

交通信号2级模糊控制系统的优化设计与仿真

分级模糊控制能有效减少模糊规则数,易于提取模糊规则,适于交通状况复杂的城市交通信号控制,但难以由人工合理定义全部模糊隶属度函数.采用遗传算法对2级模糊控制器中模糊隶属度函数进行优化,对1个4相位单交叉口进行了多次仿真.仿真结果表明,该方法能有效降低通行车辆在交叉口的平均等待时间,明显优于传统控制方法.     

旅行商问题的较优可行解的搜索算法的设计

利用问题本身的特点和相关的已有结论,结合最近邻法和深度优先搜索算法设计了产生旅行商问题较优可行解的方法。首先,将与每个城市关联的城市由近到远排序,并将城市之间距离较远的边删除。然后选择一个城市作为出发地,按排序利用深度优先搜索算法在有限步内搜索可行解。若搜索到多个可行解,从中选择较优的作为以该城市为出发地的可行解;否则,重新选择出发地开始新的搜索。对经典的st70、a280问题依次将每个城市作为出发地进行实验,该方法产生的可行解的性能明显优于随机搜索算法。但仍不及最近邻法。     

VOQ交换机的输出队列调度算法

针对VOQ高速交换机的通信调度,提出在VOQ交换机的输出队列中直接进行通信调度(OSA-VOQ)的策略.OSA-VOQ算法可直接支持变长数据包通信调度,克服了传统通信调度算法只能调度定长数据包的缺点,降低了交换机的实现复杂度.仿真结果表明,在各种流量下,OSA-VOQ算法都比iSLIP等现有的调度算法具有更好的调度性能.OSA-VOQ算法高效地实现了VOQ交换机的通信调度.     

双向搜索多约束路由启发式计算方法

为提高大型通信网络中搜索满足多约束条件路由的速度,提出一种双向搜索路由的计算方法.首先从源和目的节点同时出发,计算到达各中间节点的可达路径.然后在各可达路径中进行路径的筛选.可达路径是采用邻接矩阵变换方式获得的,筛选路径是根据非线性开销函数,采用启发方式择优选取.当两方向搜索的节点数累计达到n-2后,对接合并两方向到达中间节点的路径,从中再选择最佳路径作为路由输出.通过算例详细介绍了可达路径计算及启发式选优方法.阐述了算法的正确性及特点,分析了最大时间杂性.通过仿真实验评估,不仅更进一步验证了新算法的正确性,而且表明新算法在搜索路由速度上要优于其他算法.     

基于Morlet小波变换和改进遗传算法的动态识别

如何合理地识别大型复杂结构的动力参数一直是工程领域关心的问题.为此,以Morlet小波变换和采用单亲遗传算子的改进遗传算法为基础,构造一结构动态参数识别模型.并且以C++为平台,通过计算机内部命令调用ANSYS等软件,实现识别模型的程序化.通过模拟算例计算,计算结果与理论值一致.同时,结合一水电站厂房现场振动试验,对该大型结构进行动态参数识别,识别结果与工程经验值基本吻合.     

求解背包问题的病毒协同进化粒子群算法

为提高粒子群算法的搜索性能,提出一种基于病毒进化理论的改进离散粒子群算法:病毒协同进化粒子群算法.在粒子群中引入生物病毒机制和宿主与病毒基于感染操作的思想,病毒采用与粒子等长的编码方式,执行反向代换、结合等操作,利用病毒的水平感染和垂直传播能力较好地维持个体的多样性和对解空间的局部搜索能力.通过解决背包问题对算法进行验证,仿真表明所提算法搜索性能优于遗传算法、模拟退火及标准粒子群等其他算法.该算法能有效求解背包问题等NP难题.