排序方式: 共有64条查询结果,搜索用时 0 毫秒
1.
2.
3.
4.
属性约简是粗糙集理论中的重要问题。许多学者针对邻域粗糙集提出多种属性约简方法,包括应用最为广泛的启发式算法。在多半径邻域粗糙集的基础上,针对当前启发式约简算法往往会包含一定冗余属性的缺陷,提出一种融合属性权重影响的改进约简运算方法,通过根据各属性权值大小设置阈值使得约简结果能够消除冗余属性。实验选取UCI的数据集与当前几种常用启发式约简算法进行比较分析。实验结果表明,所提出的属性约简方法能够得到更优的约简集合,同时更大程度地保留了决策表本身的知识信息,具有较高的分类能力。 相似文献
5.
随着以风能为代表的可再生能源接入电网系统,风电的随机性给原本的经济环境调度问题增加了不确定性和复杂性,采用传统方法难以获得经济可靠的解。针对风电的不可靠性,引入了高估和低估罚函数,建立考虑风电可用性的经济环境调度模型。对于传统差分进化算法求解此模型出现的收敛性和鲁棒性差的问题,提出一种改进的非支配排序差分进化算法来同时优化排放量和发电成本两个目标,对算法中的缩放因子和交叉概率进行自适应调整,增强全局搜索能力;改进精英保留策略结合基于熵的拥挤度评估方法,在有效提升收敛速度的同时维持了解集良好的分布性。将该方法在IEEE-30单元测试系统上进行了测试,实验表明,与其他算法相比,改进非支配排序差分进化算法(INSDE)算法在处理含风电场的经济环境调度(EED)问题上具有更强的寻优能力。 相似文献
6.
提出了一种基于微粒群优化(PSO)的T-S模糊模型的非线性系统辨识方法,并用于船舶柴油机的动态建模.该辨识方法采用GK模糊聚类算法确定模糊模型的前件结构及参数,利用PSO算法来辨识模糊模型的结论参数.利用6160-All船舶柴油机模型,获得柴油机各主要参数在油门尺度和负载发生小偏差扰动时的试验数据,再利用该组数据辨识出柴油机转速、涡轮增压器转速、增压压力、空冷器压力、进气管压力、排气管压力等参数的T-S模糊动态模型.仿真结果表明了该方法的有效性. 相似文献
7.
9.
10.
为了提高电力系统的运行效率和经济性能,用群搜索优化算法(Group Search Optimizer)对电力系统各控制变量进行合理配置,以此减少电力系统无功损耗。群搜索优化算法是一种新兴的群智能优化算法,该算法把群成员分为发现者、追随者和游荡者三种,其中游荡者的位置随机选定,这有效地避免了其他算法容易陷入局部最小值问题。选定电力系统中无功投入量、电压变比、发电机端电压等作为控制变量,通过群搜索优化算法对控制变量进行迭代计算和潮流计算,最终计算出最小的网络损耗及其对应的控制变量值。最后用Matlab7.6对IEEE-14、30节点系统进行仿真,并与其他群智能优化算法进行对比,结果显示,群搜索算法的收敛较快且稳定,最终证明了群搜索算法对无功优化的优越性。 相似文献