基于扩容和双距离决策的多目标粒子群优化算法

为了更好地改善多目标粒子群优化算法的收敛性和多样性,提出一种基于扩容和双距离决策的多目标粒子群优化算法。利用扩容的方法对目标空间中目标函数值的上下限进行扩大,得到新的上下限后再建立网格,这样可以计算出边界点的坐标。在小网格中选择引导粒子或者劣质粒子时,利用小网格中粒子到理想点和当前小网格最优点的距离进行决策筛选,这样充分利用目标空间中的信息来对粒子的优先级进行判断。对新的粒子进行差分变异,增加了整体的多样性,并通过阈值控制其变异的频率。将算法和当前具有代表性的多目标粒子群优化算法进行对比实验,提出的算法效果更佳。实验表明,提出算法的收敛性和多样性不仅得到较大提高,而且较为稳定。     

渠水朗江水电站增效扩容改造工程方案优化

为充分利用水能资源,响应国家倡导的增效扩容的号召,朗江电站进行了增效扩容改造,作者对初步设计报告进行了优化论证,提出了优化方案,可供类似工程的建设者借鉴。     

循环氢压缩机扩容的可行性研究

利用相似理论对压缩机的运行工况进行了分析,按扩容30％的要求对压缩机的性能进行了研究,得出机组不经过技术改造达不到扩容目标的结论。文章分析了影响压缩机扩容的主要因素,介绍了压缩机及系统改造的思路。提出了低成本、高效率的改造方案,为压缩机的改造提供了必要的理论依据。     

基于NSGA-Ⅱ的老旧小区改造方案优选

老旧小区改造是改善民生的重要举措。“怎么改”是改造过程中利益相关者关注的重点问题之一。在确定改造内容之后,由于各改造内容的工艺、功能、材料、品牌等不同,改造方案选择基数大,且不同改造方案对应的改造工期、成本、质量等评价目标也各不相同,科学优选改造方案是实现预期改造目标的重要工作。本文以改造方案的工期、成本、质量为目标,建立多目标优化模型,采用NSGA-Ⅱ算法进行求解,得到较好的Pareto前沿,为决策者选择老旧小区改造方案提供依据。结果表明：该方法进行方案优选能够提高方案寻优效率,所得方案更具说服力、科学性。     

任务计划适应性改造优化建模及方法

针对指挥控制(C2)组织资源层-任务计划的适应性优化问题,提出了一种方案改造代价限制条件下的任务计划适应性优化(AOMPTP)问题模型及求解算法。介绍了国内外学者对任务计划适应性优化及适应性测度的研究成果,在分析方案改造代价的必要性和衡量标准的基础上,给出了方案改造代价的定义和约束条件。在方案改造代价限制条件下,建立了以使命完成时间最短为目标的问题数学模型,设计了求解该模型的多维动态列表规划(MDLS)及循环遗传(CG)算法,使指挥员能够更好地权衡方案改造优化的性能与代价,作出决策。最后通过实验分析,验证了所提方法的有效性和适用性。     

校园电力扩容改造方案的探讨

本文主要介绍了广西财经学院校园电力扩容的方案。首先对学院中、西校区的规划建设中涉及到的电力扩容工程进行简介,并对前期存在的问题进行简要分析,在此基础上分析了校园电力扩容改造的必要性,在已经进行的工程基础上提出了适合校园实际规划的电力扩容改造方案,并在详解方案的基础上对工程进行了预算。实际运行效果证明,此次校园电力扩容改造方案是经济、科学、合理的校园基建工程方案。     

在复杂网络中划分社区结构的一种多目标遗传算法

研究了在复杂网络中查找社区结构的一种多目标遗传算法,该算法对能够识别内部联系紧密但相互之间联系稀疏的节点群的两组函数进行了优化。算法在不同的等级中设定一套网络分区,在这些等级中,拥有较少数量社区的解包含了拥有更多社区个数的深层次解。社区的数目自动取决于目标函数更佳的权衡值。通过在模拟和真实网络进行的实验对比表明,该算法能够成功发现网络结构,并且与其他多目标优化算法相比也具有一定的竞争力。     

基于粒子群优化的最小属性约简算法

将最小属性约简问题转化为一个基于粒子群优化算法求解的多目标优化问题.引入基于表现型共享的适应度评价函数以提高多目标搜索算法的性能,对基本粒子群优化算法的位置更新公式进行修正使其能够有效应用于最小属性约简问题,并提出了一种用于求解该问题的二进制多目标粒子群优化算法.实验表明,本算法是有效的,并能一次运算获得多个最小属性约简.     

一种改进的分布式存储系统节点动态扩展策略

分布式存储系统经常面临数据的均衡分布和扩容问题,针对现有一致性哈希动态扩展算法的不足,提出一种基于访问概率的动态扩展策略.该策略基于热点数据访问概率大的思想改进原算法虚拟节点的分配方法,能够有效改善扩容后造成请求命中率下降和负载均衡的问题.实验结果表明,在系统添加新存储节点时,改进策略有效地优化了系统的性能,缩短了系统到达新的负载平衡状态的时间.     

多目标量化变分滤波贝叶斯WSN跟踪定位算法

为进一步提高无线传感器网络节点跟踪定位精度降低能耗,提出一种多目标拥挤度差分优化的贝叶斯量化变分滤波预估WSN跟踪定位算法. 首先,针对定位问题,采用贝叶斯量化变分滤波方法对目标下一位置区域进行预测,利用量化变分滤波方式选取合适的定位参与节点,并设计了量化变分滤波的多目标参数优化模型. 其次,针对传统多目标优化算法寻优精度不高的问题,设计了基于种群个体拥挤度状况的多目标差分进化算法,对量化变分滤波算法参数进行优化,实现了滤波参数的多目标优化. 最后,通过实验仿真表明,该算法能够有效实现目标节点的跟踪定位,并可节省能量消耗.     

基于改进动态因子的鲸鱼优化算法

为了实现鲸鱼优化算法的种群多样性、减小计算复杂度,构造具有搜索上下界的初始种群。进一步,设计动态收敛因子和动态权重因子,以提高算法的收敛速度和计算精度,在此基础上,提出基于改进动态因子的鲸鱼优化算法并证明了其收敛性,分析了其复杂度。为了验证新算法优化性能和普适性,将改进的鲸鱼优化算法与其他优化算法进行比较,并将其应用到无人机路径规划中。结果表明：基于改进动态因子的鲸鱼优化算法相比于其他优化算法有更好的收敛精度和更快的收敛速度。可见,基于改进动态因子的鲸鱼优化算法性能更好,能更高效的完成任务。     

网上交易系统性能优化算法

基于TPC-W基准对网上交易系统的性能测试及分析进行研究,找出了影响系统性能的瓶颈,进而提出一种基于TPC-W的网上交易系统性能优化算法.该算法使用队列调度和管理来协助实现拥塞控制,根据先到先服务的原则,公平处理到达缓冲区的服务请求,能有效解决系统拥塞问题,从而达到算法优化,提高系统性能的目的.通过实验可知,使用优化算法前,交易响应时间随着远程浏览器(RBE)数量增加而迅速提高;而使用优化算法之后,每种交易的响应时间提高到一定程度之后趋于稳定,符合优化算法设计的预期效果.     

基于解空间划分的PSO改进算法

 提出一种基于解空间划分的粒子群优化算法, 该算法在保持粒子群搜索能力的前提下对解空间进行预处理, 寻找最佳搜索区间, 提高了粒子群搜索效率; 在粒子群搜索过程中设置检查点, 动态更新解空间区间划分. 实验结果表明, 该算法有效提高了粒子群的搜索效率, 并使粒子群算法不易陷入局部极值. 同时, 在自适应状态下, 该算法能搜寻到指定精度下粒子群所需的最小迭代次数, 并得到较满意的最优值.     

基于Kriging代理模型的注塑产品翘曲优化

针对传统的基于CAE的注塑产品工艺优化方法精度不高、效率低,提出了Kriging模型与自适应粒子群算法相结合的集成优化策略.Kriging模型代替CAE分析作为粒子群算法迭代过程中的适应函数,大大减少了优化算法的计算量;同时,通过在粒子群算法中引入自适应惯性权系数,加快了粒子群算法的收敛速度.算例表明,基于Kriging模型与自适应粒子群算法的优化策略可以在小样本情况下获取较高的求解精度,并通过与标准遗传算法做比较,表明该优化策略同时具有较高的计算效率.     

基于改进蚁群算法的优化设计

为研究结构优化设计问题,以二进制为基础,基于图解的蚁群系统,提出伪并行蚁群算法,以改善蚁群算法性能,并将其应用于结构优化设计中参数的求解.算例表明,改进的蚁群算法可求解连续优化问题,收敛速度快,计算精度高,并具有满意的优化效果,可用于工程优化设计.     

基于改进蚁群算法的优化设计

为研究结构优化设计问题,以二进制为基础,基于图解的蚁群系统,提出伪并行蚁群算法,以改善蚁群算法性能,并将其应用于结构优化设计中参数的求解。算例表明,改进的蚁群算法可求解连续优化问题,收敛速度快,计算精度高,并具有满意的优化效果,可用于工程优化设计。     

基于改进灰狼算法的并网交流微电网经济优化调度

为了提高微电网的日运转经济效益,本文构建了并网模式下交流微电网运转结构图,建立了并网模式下交流微电网日优化经济调度数学模型,该模型包含有多个子目标函数、多个约束条件。针对传统灰狼优化算法无法很好均衡算法的全局寻优能力和局部寻优能力,寻优精度差的问题,引进一种基于非线性变化的收敛因子均衡算法的全局寻优能力和局部寻优能力,从而提高灰狼算法的寻优精度。采用改进的灰狼算法和原始灰狼算法对四个基准测试函数进行仿真,实验结果表明改进灰狼算法相较于原始灰狼算法能够获得更优解,初步证实了改进灰狼算法的可行性及优越性,再将改进灰狼算法和原始灰狼算法分别应用于并网模式下交流微电网日优化数学模型求解,通过对仿真结果对比分析,证实了改进灰狼算法的确能够更好的提高并网模式下交流微电网的日运转经济效益。     

预制构件生产-运输-装配一体化的建造调度优化

为研究预制构件生产-运输-装配一体化的建造调度优化问题,构建装配式构件全过程的多目标调度优化模型.优化模型将预制构件3个阶段的优化作为一个扩展的生产车间调度优化,并采用改进的双种群遗传算法对模型进行求解.结果表明：改进的双种群遗传算法能够显著提高遗传算法的搜索效率;优化模型能够有效地减少总完工时间和并行机器的总机器成本.     

一种改进的RBF神经网络混合学习算法

提出一种基于粒子群优化算法、K-means算法及减聚类算法的径向基函数(RBF)神经网络混合学习算法.该算法使用减聚类方法确定隐层节点数,具有自适应确定隐层节点的能力,避免了调整隐层节点的人为干预.通过K-means算法形成粒子群优化(PSO)算法初始粒子群,避免了初始粒子群的随机性,提高了粒子群优化算法的优选能力;采用PSO算法训练RBF神经网络中的所有参数.数值结果表明,改进的混合算法具有更高的分类准确率。     

基于PPSO算法的电力系统无功优化

电力系统无功优化可以降低系统的有功损耗,保证系统运行的安全性和经济性.采用向量粒子群优化（PPSO）算法求解电力系统无功优化问题,在算法中通过初始化得到向量的相位角,并将相位角引入速度更新过程,这样可以更有效地提高搜索精度.在IEEE-14节点系统中,采用PPSO算法、标准粒子群优化算法、随机惯性权重粒子群优化算法和改进吸引排斥粒子群优化算法进行无功优化仿真实验对比,结果表明,PPSO算法可以更好地降低有功损耗.