摘要：为充分利用问题求解过程知识,提升动态多模态优化算法的计算资源利用效率,提出一种基于知识引导的自适应动态多模态差分进化算法.首先,利用自组织映射神经网络实现种群自聚类,形成稳定的小生境;然后,通过对种群全局知识和个体邻域知识的综合学习,设计一种基于知识引导的自适应差分进化算法,在对种群进化状态进行实时监测和分析的基础上,逐层递进地引导不同种群个体自适应地选择最符合当前进化需求的变异方式,提升种群搜索效率,平衡种群多样性与收敛性;最后,针对问题动态特性,设计一种基于历史动态过程知识引导的自适应动态响应机制,通过对历史寻优经验的自适应学习,预测生成新环境下的潜在精英个体,引导种群实现精准快速的多峰定位.实验结果表明,所提出算法能够有效解决动态多模态优化问题,且在不同动态环境设置下其求解性能均优于对比算法.

摘要：电力系统经济调度问题是电力系统中的一个重要的研究课题,针对该问题,提出一种改进粒子群优化(ODPSO)算法.改进算法在搜索前期,采用广义的反向学习策略,使算法能够快速地靠近较优的搜索区域,从而提高收敛速度;在搜索后期,借鉴差分进化算法的进化机制设计改进的变异和交叉策略,对当前种群的最优粒子进行更新,从而提高种群的多样性,进而协助算法获得全局最优解.为了验证改进粒子群优化算法的有效性,对CEC2006提出的22个基准约束测试函数进行仿真,结果表明改进算法相比其他算法在寻优精度和稳定性上更具优势.最后,将改进算法应用于考虑机组爬坡速率约束、机组禁行区域约束以及电力平衡约束的两个电力系统经济调度问题,取得了令人满意的结果.

摘要：为应对电动汽车规模化应用给电力调度带来的挑战,构建含电动汽车的动态环境经济调度模型。该模型将各调度时段电动汽车的"车-网"互动(V2G)功率以及常规机组的出力作为决策变量,以总燃料费用和污染排放量作为优化目标,在满足系统能量及用户出行需求的前提下,动态管理电动汽车的充放电行为。设计一种采用改进MOEA/D的优化调度求解方法,并提出基于罚函数的决策变量两步制动态约束处理策略。测试系统的仿真结果验证了所提调度模型及方法的合理性及有效性。

摘要：为了提高指数加权移动平均(EWMA)控制图监控效率评价的精确性和全面性,提出用一个质量周期内的平均产品个数替代平均抽样个数来进行控制图的经济性和统计性综合评价,建立了一种基于平均产品长度(APL)的更为精确的EWMA控制图经济统计多目标优化设计模型,并采用具体的算例说明了采用NSGA-Ш算法对该模型进行计算的步骤.最后,用该方法优化设计的EWMA控制图与已有的几种EWMA控制图优化设计进行比较,结果表明:本文提出的经济统计优化设计方法显著优于只考虑经济性能的经济设计和只考虑统计性能的统计设计方案.

摘要：为了兼顾累积和(CUSUM)控制图的监测成本和效率,分别运用一个质量周期内单位产品的平均质量成本和平均产品长度作为CUSUM图的经济性能和统计性能的评价指标,以此构建了经济统计多目标优化设计糢型。通过具体算例说明了该模型的计算方法,并采用灵敏度分析研究了关键参数的变化对优化设计结果的影响,最后,通过与已有的几种CUSUM控制图优化设计才法进行比较说明了本文提出的经济统计优化设计方法的优越性。

摘要：针对粒子群算法易陷入局部最优,导致收敛速度慢、寻优精度不高的不足,提出基于信息微传递机制的粒子群算法(IMPSO)。引入信息微传递机制,将整个种群划分为多组多层,每组粒子逐层学习最优信息,防止算法早熟;采用逃离策略,当检测到粒子具有趋同行为时,改变粒子的飞行方向,增强算法寻优能力;使用动态边界化策略,动态缩小粒子的寻优区域,提高算法搜索效率。实验结果表明,IMPSO算法在收敛精度、收敛速度方面优于其它6种算法。

摘要：针对花朵授粉算法极易陷入局部最优解且寻优精度不高的问题,提出自适应多策略花朵授粉算法(self-adaptive flower pollination algorithm with multiple strategies,SMFPA)。利用锚点策略提高种群的多样性,采用摄动策略改善全局勘探能力,采用局部搜索增强策略提升其开采最优解的能力。为验证SMFPA的性能,比较5种算法在解决12个测试问题上的寻优结果,实验结果表明,在寻优速度以及寻优精度方面,SMFPA算法表现更优。通过比较算法在管柱设计问题上的寻优结果,进一步评估SMFPA的寻优性能。

摘要：为解决模糊C均值(FCM)模型对噪声敏感和随机初始聚类中心影响分割结果的问题,提出一种基于灰度重构和自适应粒子群优化的FCM算法。使用图像中每两个像素的空间和灰度信息,构造一种加权方式对灰度进行加权和,进行Top-hat和Bottom-hat变换,得到灰度重构图像;对粒子群算法的惯性权重进行改进,使其根据迭代情况自适应更新粒子速度,避免陷入局部最优;将改进的粒子群算法与FCM相融合,粒子位置作为聚类中心,对灰度重构后的图像进行分割。以磁共振图像为例进行实验,并与同类型算法进行对比,所提算法取得了较好的分割结果。

摘要：研究了一种采用小生境粒子群算法优化设计SPWM逆变器准比例谐振(PR)控制器参数的方法。逆变器采用输出电压瞬时值反馈和电感电流反馈双闭环控制。PR控制可以克服常规PI控制难以消除交流输入系统稳态误差的缺陷,但在控制器参数设计上没有成熟技术。为此,给出采用LCL滤波器双环控制SPWM逆变器的数学模型和结构框图;用小生境粒子群算法构造灾变算子、迁徙算子和隔离算子,增强种群的多样性和算法的优化性能。介绍了采用小生境粒子群算法优化准PR控制器的步骤。对开环控制、PI控制和准PR控制的控制效果进行比较,验证了小生境粒子群算法的性能。

摘要：针对当前算法在解决多模态多目标问题时获得的帕累托解集不完整、收敛性较差等不足,提出一种基于双层协同进化的多目标粒子群算法(double-layer co-evolutionary multi-objective particle swarm optimization algorithm,DCMOPSO)。利用双层协同进化机制划分上层探测种群和下层跟随种群,上下层协同进化以找到多个解;采用基于决策空间拥挤距离度量以维持解在决策空间的多样性。在12个测试函数上与其它6种算法进行比较,实验结果表明,DCMOPSO在决策空间中能够找到更多的帕累托解集,具有良好的收敛性能。