微粒群算法在隧道爆破参数优化中的应用

以隧道爆破开挖过程中成本作为目标函数,在钟汉荣爆破数学模型的基础上建立起隧道爆破参数优化数学模型。由于隧道钻爆开挖的爆破参数优化问题是一个复杂多变的非线性规划问题,且实际问题中决策变量的选择受到现实条件的限制,从而使得传统的数学方法对于此类问题难以求得,甚至无法求出最优解。采用微粒群算法求解隧道爆破参数的优化问题,结果证实了微粒群算法进行爆破参数优化的可行性与高效性。     

改进微粒群优化算法在水库防洪调度中的应用

微粒群算法(PSO)是一种新颖的智能计算优化方法,具有全局寻优、收敛速度快等优点。针对标准PSO搜索精度不高和易陷入局部最优的缺点,提出了一种在速度进化方程中引进收敛因子的方法,改进了标准微粒群算法的收敛性。将改进的微粒群优化算法用于水库优化调度计算,结果表明,改进的PSO计算结果合理、有效,可作为水库防洪优化调度的一种新方法。     

交叉微粒群算法在梯级水电站水库群多目标优化调度中的应用

以发电量和保证出力为目标,建立水库优化调度多目标数学模型,将遗传算法的交叉思想应用到微粒群算法中,尝试应用多目标交叉微粒群算法(multi-objective Hybrid Particle swarm Optimization--multi-objective HPSO)来求解水库调度中的多目标优化模型的不劣解集.通过实例研究计算并与其他算法的优化结果进行比较分析,证明交叉微粒群算法具有灵活和有效性能好的特性.     

微粒群算法在水电站厂内经济运行中的应用研究

介绍了一种基于集群智能的优化算法———微粒群算法,该算法具有实现简单、参数少且收敛快的特点。结合水电站厂内经济运行问题实际,提出通过确定微粒群在多维空间中的最优位置来实现机组间的负荷优化分配;针对算法易于局部收敛的缺点,引入了遗传算法的交叉算子来保持种群的多样性,并采用自适应惯性权重改善算法的解空间搜索能力。最后通过实际算例验证了算法的有效性,从而为水电站厂内经济运行问题提供了一种新的求解途径。     

蚁群算法在工程项目工期—费用优化问题中的应用

论述了工期—费用优化问题的原理,分析了传统优化方法的优缺点。针对工期-费用这一连续空间优化问题,综合了基于网格划分策略的连续域蚁群算法和求解旅行商问题的基本蚁群算法的思想,构造了一种改进的蚁群算法。实例计算结果表明,该方法在求解工期费用优化问题方面是有效的。     

改进粒子群优化算法在水电站群优化调度中的应用研究

为克服常规粒子群优化算法易早熟、后期收敛慢且易陷入局部最优解的缺点,本文提出一种新的惯性权重系数更新策略——自适应指数惯性权重系数(SEIWC)代替线性递减惯性权重系数(LDIWC),同时,将遗传算法中的染色体交叉、变异思想引入粒子的更新策略,提高粒子的多样性,增强算法的全局搜索能力。使用Rosenbrock函数和Schaffer函数验证了改进粒子群优化算法的有效性。以福建电网闽江流域水电站群优化调度为例,建立基于改进粒子群优化算法的库群长期优化调度模型。计算结果表明,该模型的调度结果显著优于常规粒子群优化算法,与逐步优化算法结果水平相当。     

改进粒子群优化算法在水电站群优化调度中的应用研究

针对常规粒子群优化算法易早熟，后期收敛慢且易陷入局部最优解的不足，提出一种新的惯性权重系数更新策略—自适应指数惯性权重系数（SEIWC）代替线性递减惯性权重系数（LDIWC），同时，将遗传算法中的染色体交叉、变异思想引入粒子的更新策略，提高粒子的多样性，增强算法的全局搜索能力。使用Rosenbrock函数和Schaffer函数验证了改进粒子群优化算法的有效性。以福建电网闽江流域水电站群优化调度为例，建立基于改进粒子群优化算法的库群长期优化调度模型，计算结果表明，该模型的调度结果显著优于常规粒子群优化算法，与逐步优化算法获得的结果达到相当水平。     

改进粒子群优化算法在水库优化调度中的应用

为解决粒子群优化算法寻优过程中易出现种群趋同化而导致早熟收敛的问题,引入粒子群的进化速度和种群多样性适应度方差两个因素,构建了自适应的动态的惯性因子取值机制,并讨论了惯性因子的收敛性及参数的独立性,从而改进了传统粒子群优化算法的惯性因子线性取值机制。将改进的粒子群优化算法应用于某水库的优化调度中,验证了该算法能以较快的速度收敛得到全局极值,克服了易陷入局部最优的缺点,为水库优化调度问题提供了一条新途径。     

基于单纯形微粒群优化算法Jensen模型参数求解

提出了基于单纯形微粒群优化算法（SMPSO）直接求解作物水分生产函数Jensen模型参数的方法。通过计算分析,用传统方法计算而得Jensen模型的相对产量与实际相对产量的相关指数为0．825,而用SMPSO（PSO）计算而得的相关指数为0．932;SMPSO寻优仅需要0．3973s,而PSO需要1．0783s。     

基于微粒群优化算法的水轮机调节系统最优参数整定

（PSO）算法是一种随机全局优化技术，该算法简单、容易实现，且功能强大。文中研究了水轮机PID调节器参数的优化问题，利用PSO算法对系统所处的不同状态和工况进行了PID参数寻优。仿真结果表明，此种PID控制器比常规PID有更好的动态调节性能和鲁棒性，不失为一种具有较好实用价值的PID参数优化方法。     

改进粒子群算法在梯级水电站优化调度中的应用

粒子群算法是一种全局随机搜索算法。在标准粒子群算法中引入突变机制,应用于梯级水电站优化调度中,与动态规划对比,表现出该方法的简单高效性。通过实际算例验证了该方法的合理性和可靠性,从而为高维、复杂梯级水库发电优化调度提供了一种新的求解途径。     

基于动态微粒群算法的神经网络模型及应用研究

通过对微粒群PSO优化算法惯性因子和加速因子的动态调整,保证PSO算法迭代过程中全局与局部寻优能力的动态平衡,构造了一种更加稳定准确的动态微粒群DPSO优化算法。进而将动态微粒群DPSO优化算法与传统BP神经网络相结合,分别采用动态微粒群DPSO优化算法和自适应BP算法对神经网络权值进行全局优化和局部二次优化,建立基于动态微粒群优化算法的神经网络DPSO-NN预测模型。利用所建立的动态微粒群神经网络模型对渤海某海域年极值冰厚进行训练预测,并将训练预测结果与BP-NN、GA-NN、PSO-NN模型的训练预测结果、以及实际数据进行对比分析,验证DPSO-NN预测模型具有更优的训练稳定性和预测准确性,为冰区海洋平台安全评估提供了更为可靠的环境载荷参量。     

混合粒子群算法在水库优化调度中的应用

水库优化调度是个非线性、强约束的组合优化问题,利用基本粒子解方法易于陷入局部优化;本文利用混合的粒子群算法,较好地克服了基本粒子群早熟和易于陷入局部最优的缺点,获得了更好的计算精度.实例结果表明,该方法有一定的有效性.     

基于微粒群算法优化的投影寻踪灌区综合评价

通过对黑龙江农垦总局下属的6个灌区的各项功能参数指标资料的收集与整理,应用基于高维降维技术的投影寻踪分类模型(PPC),并采用微粒群算法(PSO)对投影寻踪模型投影方向进行优化求解,根据计算得出投影函数值的大小对各灌区运行状况进行评价,为灌区节水改造提供有价值的参考依据。     

水库发电优化调度改进粒子群算法应用

为进一步提升粒子群算法在水库发电调度中的应用效果，应用粒子群算法建立水库发电优化调度模型，从初始种群生成、寻优模式、更新策略等方面对算法进行改进，将均匀设计理念和混沌理念分别引入粒子群算法并对惯性权重进行了非线性自适应设计。计算结果与标准粒子群算法以及传统的动态规划进行了对比。结果表明，粒子群及其改进算法在水库发电优化调度中应用效果良好，综合考虑算法收敛能力、稳定性及计算耗时等指标，改进粒子群算法具有较高的实用价值。     

粒子群算法在水库(群)优化调度研究中的应用综述

简要介绍粒子群算法的工作原理和水库(群)优化调度模型,然后较全面地阐述粒子群算法在水库(群)优化调度中的应用及存在的问题,最后总结了算法的各种改进,并对粒子群算法在水库(群)中的研究进行了展望。     

改进粒子群优化算法在水文模型参数优化中的应用研究

引入改进的粒子群优化算法,对垂向混合产流模型计算参数进行优化,并对比参数优化前后水文模拟精度。研究结果表明：改进的粒子群优化算法模型可较快完成参数优化,相比于参数优化前,垂向混合产流模型年尺度模拟相对误差减少6.15%,模拟的过程确定性系数平均提高0.11;在次洪模拟中,模拟相对误差平均减少3.03%,模拟的洪水过程确定性系数平均提高0.19,水文模拟精度得到较大程度提高。研究成果对于区域水文模型参数优化提供参考价值。     

粒子群优化算法在水量调度方案优化中的应用

粒子群优化算法是一种新颖的智能优化方法,在一些调度优化问题中得到了广泛的运用。利用粒子群优化算法来解决水量调度方案优化问题,可以充分发挥智能算法寻优的特点,进行流域内不同用水单元之间用水量的合理分配。结合塔里木河流域水资源统一管理和调度,粒子群优化算法的应用步骤为：①确定数学模型;②确定约束条件;③选择算法参数;④利用Matlab程序对粒子及其速度进行编码。     

基于混合微粒群算法的堆石坝土石方调配计算

基于微粒群算法和模拟退火算法,构成混合微粒群算法.建立混合微粒群算法数学模型,用于堆石坝土石方调配计算.在河口村水库面板堆石坝土石方调配计算的应用中,计算成果为施工组织设计提供了较为详尽、可靠的数据支持.与其他算法相比,利用混合微粒群算法解决土石方调配问题方便、可行.     

粒子群算法在水电站日优化调度中的应用

针对传统的动态规划方法求解水库优化调度问题存在的“维数灾”问题,给出一种全局随机优化算法[1]——粒子群优化算法并应用于水库日优化调度问题中。相对于动态规划,该算法原理简单,易编程,占用计算机内存少,能以较快的速度收敛到全局最优解,从而为分时电价环境下的水电站日优化调度问题提供了一种有效的解决办法。