摘要：本文针对标准磷虾群算法(KH)存在收敛速度较慢、计算精度不够和对复杂问题易陷入局部最优解的缺陷做出改进与完善,提出一种融合改进差分进化算子和S型自适应惯性权重的改进磷虾群算法(SDEKH)。通过多种标准测试函数对SDEKH、KH等智能算法进行对比测试,验证了SDEKH的优良性能;并运用SDEKH对桁架结构进行优化设计,通过与其他方法的优化结果对比验证了SDEKH的优化效率和精度均有提升,为工程结构优化设计提供了一种更加高效、精准的方法。

摘要：针对雪豹优化算法在求解复杂优化问题时,存在全局勘探能力不足、寻优精度低等问题,提出一种改进的雪豹优化算法。首先,基于分段Logistic混沌映射初始化从而提高初始种群多样性;其次,引入非线性比例因子用于平衡算法的全局勘探能力和局部开发能力;然后,提出了一种差分变异策略,在第一次种群更新位置后,使用5个随机个体提高全局搜索能力和算法收敛能力,在第二次种群更新位置后,使用3个随机个体保证在求解过程的中后期也具有一定的全局勘探能力,尽可能避免陷入局部最优。通过在IEEE CEC2022基准函数测试集上测试,并与其他算法进行比较,结果表明所提出的算法在种群质量、求解精度以及算法稳定性上均有较大提升。最后将所提出的算法应用于工程优化,计算结果进一步证实了算法的强优化能力。

摘要：容量优化对提高风电-光伏-电池混合发电系统的经济性和可靠性具有重要意义。为进一步提高容量优化的精度,本研究提出了一种基于改进蜂群算法的容量优化方法。首先,在建立组件模型、设计能源管理规则库的基础上,以最小化单位度电成本为目标,以系统缺电率为约束,建立了混合发电系统容量优化模型;其次,通过在蜂群算法雇佣蜂阶段中引入差分进化算子,提出了一种改进蜂群算法的模型求解方法,并通过与蜂群、差分进化算法对比,验证了改进蜂群算法的有效性;最后,分别在不同缺电率要求下优化混合系统容量,得出了单位度电发电成本与缺电率的关系,并通过灵敏度分析,研究了设备价格,气象等因素对单位度电成本的影响。结果表明,在缺电率为3%时,混合系统总投资成本为779 564.26美元($),其中,光伏、风电、电池及变换器成本分别占总成本的33%、29%、34%和3%,单位度电成本为0.349 447$/kWh;单位度电成本随缺电率增加而下降且下降速率逐渐降低;单位度电成本在组件价格方面受光伏组件价格影响更明显,在气象方面,受风速均值影响更明显。该研究成果可为科学设计混合系统容量,促进风、光资源互补利用提供科学依据。

摘要：以4-RUPaR并联机构为研究对象,以机构杆长为约束条件,利用解析几何中的坐标变换理论,得到其运动学反解模型,根据该模型,利用所有满足约束条件的'点集'描述并联机构定姿态工作空间大小。建立以并联机构驱动连杆长度、执行连杆长度和动平台尺寸为设计变量,以工作空间最大化作为优化目标的尺度优化模型。在求解多维优化问题时,为提高算法的搜索效率及解的质量,文中将差分进化(Differential Evolution, DE)算法融入人工蜂群(Artificial Bee Colony,ABC)算法,提出一种混合人工蜂群(Hybrid Artificial Bee Colony,HABC)算法,以增强算法的全局优化能力。应用HABC算法求解并联机构尺度优化设计,获得了较好的优化效果。

摘要：将智能优化算法与数值迭代方法有机组合,构造一种并联机构位置正解求解的通用算法——混合人工蜂群和Newton迭代(Hybrid artificial bee colony and Newton iteration,HABC-Newton)算法。将差分进化(Differential evolution,DE)算法融入人工蜂群(Artificial bee colony,ABC)算法,形成一种能快速收敛到问题近优解的混合人工蜂群(Hybrid ABC,HABC)算法,再以该近优解为初值,应用Newton-Шамарский迭代法求出高精度位置正解。以4自由度4-SPS-CU并联机构正运动学分析为例,阐述基于HABC-Newton算法的并联机构正运动学分析方法。为了验证算法的有效性和普适性,给出4-SPS-CU、3-RRR两种耦合并联机构位置正解的数值算例。结果表明,HABC-Newton算法能以较少计算开销求得并联机构的全部高精度位置正解。还比较了HABC-Newton、ABC、DE和粒子群算法求并联机构位置正解的性能,数值实验显示,HABC-Newton算法的精度、稳健性和计算效率高于对比算法。