粒子群优化算法及其在电力系统中的应用

粒子群优化算法是一种新兴的群体智能优化技术,适用于目前科学领域、工程领域和经济领域中很多复杂的、非线性的甚至非凸形式的最优化问题.本文介绍了PSO算法的基本原理及其在负荷经济分配、无功优化、最优潮流计算等方面的应用.     

粒子群算法在VRP中的应用

物流配送车辆路径问题(VRP)属于NP—hard问题。谈文针对粒子群算法的局限性,引入了一种动态改变惯性权重的粒子群算法,在优化迭代过程中,惯性权重随粒子的位置和目标函数的性质而变化。实验结果表明,改进后的算法能使收敛速度显著加快,而且不容易陷入局部最优。     

改进粒子群优化算法在电源规划中的应用

电源规划是一类复杂、非线性组合优化问题.传统的方法随着规划期的延长,考虑因素的增多,难以有效的进行优化,在实际应用中作用有限.首先,对电源规划优化问题进行了建模.然后,对于粒子群(PSO)的迭代策略进行改进,在此基础上,运用遗传粒子群(GPHA)混合优化算法进行了优化尝试.考虑到电源规划中相关参数众多,在优化过程中引入了虚拟变量对电源规划中的问题进行了简化描述;GHPA算法的适应度评价函数设计中,运用了罚函数的思想,以提高算法优化的效果.最后本文使用某省实际负荷预测和系统负荷实际数据,进行了电源规划方案优化,得到了优化后的电源规划方案,并与普通的遗传算法、粒子群算法以及传统的动态规划算法得到的结果进行了比较.比较的结果显示出了本文提出的算法在优化结果和速度方面具有明显效果.     

基于粒子群算法的短期汽车租赁服务的调度优化问题研究

汽车租赁服务是一个服务分布网络化、客户需求不确定与汽车租赁服务短期供给不确定的行业,这就使得汽车租赁服务商会面临复杂的日常运营决策问题。混合了车辆升级的统一调度方法是降低供给与需求不确定的有效解决方案,可以提高汽车出租率和车辆利用率,满足客户需求,增加服务提供商的收入。本文正是基于此,提出了使用类子群算法求解的车辆分配、升级和调度优化的方案,算例表明这种方法可以有效提高汽车租赁服务的收入。     

改进蚁群算法在海洋工程群项目资源调度中的应用

当今海洋工程群项目管理中的瓶颈之一是人力、资金、设备及材料等资源的合理、动态调度问题。针对此问题,引入了基于信息熵的改进蚁群算法。该方法将资源需在各个分项目中占用的时间与资源的急需程度与之比作为算法中的启发式信息进行处理。与传统调度方法的比较及海洋工程群项目资源动态调度工程实例表明,该方法可实现资源的合理、动态调度,为海洋工程及其他工程领域群项目管理提供了一较为有效的资源调度算法。     

双层规划问题的粒子群算法研究

提出一种求解一般双层规划问题的层次粒子群算法.和传统的针对特定类型的问题或者基于特定假定假设条件所设计的算法不同,所提出的算法是一个层次算法框架,它通过模拟双层规划的决策过程来直接求解一般双层规划问题.层次粒子群算法将求解一般双层规划问题转化为通过两个变形粒子群算法的交互迭代来求解上下两层规划问题.同其它算法的实验结果比较表明层次粒子群算法是一个有效的求解一般双层规划问题的方法.     

基于约束的离散粒子群算法求解大规模指派问题

针对现有进化算法在求解传统指派问题时因取整而影响优化效果的问题,采用了一种基于AllDifferent约束的置换离散粒子群优化算法,该算法针对指派问题中各变量不能重复取值的特点,改进了算法的迭代方式,并引入了模拟退火的差解接受准则以提高优化效果,仿真算例表明改进后的算法在质量上和时间上更具有效性.     

基于离散粒子群优化的轧辊热处理调度方法

以某轧辊企业铸钢分厂的轧辊热处理调度问题为实际背景,研究了两阶段及三阶段无等待混合流水车间调度问题.针对问题中工件加工无等待特点,设计了分阶段实现的无等待算法;在此基础上,结合离散粒子群优化算法对建立的整数规划模型进行优化求解.通过对真实数据仿真实验所得结果的比较与分析,验证了算法的可行性和有效性,并给出了具有实际参考价值的设备改进策略,对生产决策者合理安排生产具有一定的指导意义.     

混合PSO算法求解混装工艺下的加热炉调度问题

针对钢铁生产中为减轻混装的影响在冷热板坯混装处空炉的情况,以提高成品质量、降低能耗为目标,建立了混装工艺下并行加热炉调度的数学模型,并提出了基于粒子群算法和邻域搜索技术的混合算法,仿真实验验证了算法的可行性和有效性.     

粒子群优化k均值的混合聚类算法研究

k均值算法是聚类分析的一种传统算法,在数据挖掘中等领域得到了广泛的应用.本文在分析k均值聚类算法存在问题的基础上,用粒子群算法优化k均值聚类算法,提出了一种新的混合聚类算法.理论分析和实验结果证明,该算法有很好的全局收敛性,不仅有效地克服了传统的k均值算法易陷入局部极小值和对初始值敏感的问题,而且具有较快的收敛速度.     

粒子群优化灰色模型在负荷预测中的应用

针对电力系统负荷特性,分析灰色模型GM(1,1)的应用局限性,引入向量α改进灰色模型背景值序列的计算公式,从而构建了适应性更强的GM(1,1,α)模型。应用粒子群优化算法非线性全局寻优能力来求解最优α值,提出了基于粒子群优化算法的灰色模型PSOGM,并给出了电力负荷预测的应用实例。实例证明PSOGM模型具有较高的预测精度和较广的应用范围。     

基于自适应系数和粒子群优化算法的风速预测研究

风速预测对并网风力发电系统的运行有重要意义。本文搜集了原始风速数据,采用一阶自适应系数法进行风速预测,并使用粒子群优化算法优化参数,引入平均绝对百分比误差和均方根误差评价预测效果。实践证明,这种混合预测模型取得了良好的预测效果。     

基于双层粒子群算法的上下游企业决策动态博弈

在寡占市场结构下,企业决策的相互影响效应更为显著。此时,企业融资决策与产量决策不仅仅影响自身利润,而且会影响到其竞争对手和供应商,即企业决策的策略性效应。本文建立一个考虑产品替代性与市场环境波动内外因素的上下游企业决策动态博弈模型,针对该决策的非线性二层规划特点,设计了双层粒子群算法,并利用计算机模拟技术对企业决策进行分析。研究发现,第一,产品替代性对下游企业具有“竞争效应”,对上游企业生产与利润的下降具有“放大效应”,与债务融资有限责任效应相比,产品替代性的“竞争效应”对下游企业的产量博弈和利润影响更大,另外,债务有限责任效应与债务破产效应左右了产品替代性对下游企业破产均衡临界点的影响。第二,市场环境波动对企业产量决策和融资决策的影响与Wanzenried^[1]一致,而在影响下游企业利润和上游企业利润方面并不一致。第三,针对负债融资和无负债融资两种情形,不论产品替代性较低还是较高,较高的市场波动程度都能促使负债企业考虑债务的战略性作用,且下游企业的负债融资存在“Prisoner’s Dilemma”现象,上游企业的垄断市场地位则加强了下游企业负债融资“放大效应”对其利润的影响。     

多粒子群混合算法求解虚拟组织服务资源配置

为了提高虚拟组织服务资源配置的效率,本文提出了一种多粒子群混合算法。该混合算法将多种群与线性搜索相结合,在算法优化过程中,通过多个粒子种群协同来控制种群的多样性,将多种群中较优的粒子进行复制,同时在每个种群中对单个粒子进行维变量变换。实验结果表明该方法具有可行性。     

粒子群算法求解无能力约束生产批量计划问题

经典的粒子群优化算法是一个在连续的定义域内搜索数值函数极值的有效方法.目前,粒子群算法(particle swarm optimization,PS0)已经成为优化领域中的一个重要的优化工具,其应用在很多优化问题中都可以见到.虽然粒子群算法的应用范围已经十分广泛,但是关于应用其求解多级生产批量计划问题(multilevel lot-sizing problem,MLLs)的文章并不多见.文章提出结合遗传算法(genetic algorithm,GA)变异算子的混合粒子群优化算法(hybrid particle swarm optimizatjon,HPSO)求解无能力约束装配结构MLLS问题.通过实验验证了算法的可行性和有效性.     

元胞微粒群算法及其在多维背包问题中的应用

针对离散微粒群算法早熟收敛问题,基于元胞自动机的原理和离散微粒群算法,提出一种元胞微粒群算法.将元胞及其邻居引入到算法中来保持种群的多样性,利用元胞的演化规则进行局部优化,避免算法陷入局部极值.通过对典型多维背包问题的仿真实验和与其他算法的比较,表明本算法可行有效,有良好的全局优化能力.     

软件成本估算的粒子群算法类比模型及自助法推断

软件成本估算是控制软件进度、降低软件风险和保证软件质量的有效措施,已引起产业界和学术界的广泛关注.为能更准确地估算软件成本,采用粒子群算法优化加权类比估算模型(PSO类比模型)中各个特征属性的权重,避免权重选择的盲目性;同时采用非参数自助法对原始数据抽样,在自助法子样本的基础上,分析PSO类比模型中的类比项目个数和成本计算方式对模型精确度的影响,并进一步计算新项目估算成本值的可信度以及在一定置信水平下的区间值;采用Desharnais数据库验证PSO类比模型与自助法推断方法的有效性,根据MMRE和Pred(0.25)两个标准将PSO类比模型与一般类比模型、支持回归机、人工神经网络、径向基神经网络和分类回归树进行估算精度比较.研究结果表明,采用粒子群算法优化权重的PSO类比估算模型能得到较高的估算精度,且自助法能有效校正PSO类比模型中的相关变量并检验结果的可信度,可以为管理者在软件项目风险分析和项目规划方面提供有益参考.     

灾后模糊需求情境下考虑救援公平性的应急物资调度问题模型与算法研究

在重大灾害发生初期,由于受灾地区对应急物资的需求激增,合理的应急物资分配有助于提高救援效率。本文考虑受灾点应急物资需求具有模糊属性,将需求物资用三角模糊数表示,以受灾群众损失最小、体现救援公平性的受灾点应急物资满意度方差最小及应急救援成本最小为目标,构建了灾后初期应急物资调度的多目标模糊优化模型,并采用改进的粒子群算法对模型进行求解。该算法在粒子群算法的基础上采取天牛寻找食物的策略,将单一粒子分为左、中、右三个粒子,并结合单纯形算子和模拟退火策略,使算法不易陷入局部收敛。本文通过算例进行模拟实验表明,所提出的模型和算法可以有效解决重大灾害事件下应急物资的合理分配问题,且改进算法的性能更优。     

基于微粒群算法的单机不同尺寸工件批调度问题求解

提出了一种改进的具有全局搜索能力的微粒群算法,对工件尺寸有差异的单机批调度问题的制造跨度进行优化。针对问题中工件尺寸不同且分批加工的特点,设计了微粒的编码方式;对进化过程中产生的极优解,采用了混沌优化策略进行改进,避免早熟收敛的问题。仿真实验结果表明,本文算法的时间性能和近似解质量均优于现有的其他方法。     

干扰环境下非正常航班调度策略研究

非正常航班问题是世界各航空公司都普遍面临的难题,本文提供改进的离子群算法为非正常航班的调度问题的解决提供了有效的途径,从而为我国民航调度管理提供有意义的参考。