摘要：为应对不确定性分布式可再生能源大量接入对主动配电网优化调度带来的挑战,提出一种基于自适应步长双闭环模型预测控制的主动配电网优化调度策略。首先,在常规模型预测控制的基础上建立双闭环反馈机制,通过充分利用主动配电网中各可控资源实时反馈信息,提升系统优化调度的可靠性;其次,在优化调度中动态调整模型预测控制的域参数,设计变步长决策指标以自适应改变时间步长,从而协调优化精度与计算时间的矛盾;然后,基于上述理论建立调度模型,并采用复合微分进化算法进行求解,使系统的运行效益达到最佳。最后通过算例分析,证明了所提策略的可行性和优越性。

摘要：深度神经网络具有脆弱性,容易被精心设计的对抗样本攻击.梯度攻击方法在白盒模型上攻击成功率较高,但在黑盒模型上的迁移性较弱.基于Heavy-ball型动量和Nesterov型动量的梯度攻击方法由于在更新方向上考虑了历史梯度信息,提升了对抗样本的迁移性.为了进一步使用历史梯度信息,本文针对收敛性更好的Nesterov型动量方法,使用自适应步长策略代替目前广泛使用的固定步长,提出了一种方向和步长均使用历史梯度信息的迭代快速梯度方法(Nesterov and Adaptive-learning-rate based Iterative Fast Gradient Method,NAI-FGM).此外,本文还提出了一种线性变换不变性(Linear-transformation Invariant Method,LIM)的数据增强方法 .实验结果证实了NAI-FGM攻击方法和LIM数据增强策略相对于同类型方法均具有更高的黑盒攻击成功率.组合NAI-FGM方法和LIM策略生成对抗样本,在常规训练模型上的平均黑盒攻击成功率达到87.8%,在对抗训练模型上的平均黑盒攻击成功率达到57.5%,在防御模型上的平均黑盒攻击成功率达到67.2%,均超过现有最高水平.

摘要：直流配电网的发展前景广阔,其最优潮流(OPF)问题关系到电网经济运行,具有重要的工程意义。针对放射状直流配电网,以二阶锥规划(SOCP)凸松弛理论为基础,建立了考虑电压、电流、功率约束的SOCP-OPF凸规划模型,并提出一种基于交替方向乘子法(ADMM)的分布式最优潮流计算方法,以解决传统集中式优化方式面临的诸多难题。相比已有研究,该方法在各节点配置计算单元,无需全局协调或分层分区,利用相邻主体间少量的信息传递即可通过并行计算得出全局最优解;优化模型中考虑了配电线路传输电流限制,约束条件更全面;计算方法中设计了自适应步长调整机制,计算效率较高。IEEE 33节点和IEEE 123节点的算例分析验证了所提算法的准确性和良好的收敛性。

摘要：在基本的人工萤火虫算法(GSO)中,萤火虫的固定移动步长导致算法容易陷入局部最优并可能出现函数适应值的震荡现象。在一些自适应步长的人工萤火虫算法(A-GSO)中,算法迭代过程中会出现一些萤火虫的邻域集合为空集的现象,这将导致算法收敛速度降低并陷入局部最优值。为此,设计了改进的自适应步长的人工萤火虫算法(FA-GSO),改进的算法针对邻域无同伴的萤火虫引入觅食行为寻找优化方向并自适应调整移动步长,进一步提高求解精度和稳定性,并给出了算法的收敛性分析,结合GSO、A-GSO 2种算法对多个标准测试函数进行寻优并提取相关指标。通过指标对照,验证了FA-GSO算法的有效性,表明算法可以改善函数寻优的精度并提高迭代速度。

摘要：爬行机器人的足端轨迹规划是一个复杂多维难求解的问题,为此,提出一种自适应步长果蝇算法(ASFOA)并用于该问题的求解。ASFOA变果蝇算法(FOA)中的固定步长为自适应步长,增强了算法跳出局部最优和全局寻优的能力。典型测试函数的仿真结果表明了ASFOA相比于FOA的优势;在爬行机器人足端轨迹规划的实际应用中,同样是ASFOA获得了比FOA更好的结果。仿真测试和实际应用均验证了该方法具有一定的优势。

摘要：针对布谷鸟搜索算法(CS)后期收敛速度慢、计算精度不高等不足,提出了一种自适应步长调整布谷鸟搜索算法,加快布谷鸟搜索算法的搜索速度,提高其计算精度。通过8个标准测试函数测试的结果表明,改进后的自适应步长布谷鸟搜索算法具有较快的收敛速度和较高的寻优精度。

摘要：针对传统自然梯度ICA算法的不稳定和分离结果不准确,提出一种自适应步长加权正交约束自然梯度ICA算法。首先,基于分离矩阵所满足的正交性约束,引入一种单步正交性修正方法。然后,根据相邻迭代结果之差可用于平滑构造每步迭代结果与最优值的距离,设计出一种单步误差估计函数。最后,据此误差估计函数引入一种自适应调整的步长。仿真实验表明,自适应步长加权正交约束自然梯度ICA算法,相比于传统的自然梯度ICA算法具有更快的收敛速度,且算法的稳定性和分离结果的准确性都得到了较大提高。

摘要：基本萤火虫优化算法(GSO)存在着易陷入局部最优、后期收敛速度慢和适应函数值震荡等缺陷,引起这些问题的一大原因是算法中设置的固定移动步长。而在一些自适应步长萤火虫优化算法(AGSO)中,算法收敛精度和速度虽较基本萤火虫算法有所优化,但其迭代过程中出现的不稳定性仍需改进。为此,设计了二进制自适应步长萤火虫优化算法(BAGSO),此算法将移动步长转换为各萤火虫位置编码之间的码距,使萤火虫的收敛方向更具全局性,不易陷入局部最优,且进一步提高了收敛精度和稳定性。通过标准测试函数测试,表明在3种算法中BAGSO算法于各性能指标上通常是最优的。

摘要：布谷鸟算法(CS)是一种新的寻优算法,该算法存在局部搜索能力差,收敛速度慢,收敛精度不高等问题。布谷鸟初始位置的选择具有较强的随机性,通过在布谷鸟的初始位置引入混沌序列,在鸟窝更新时,步长的选择可以防止算法陷入局部最优,故建立基于混沌序列自适应步长的布谷鸟算法,通过测试函数进行比较该算法(ASBCS)优于布谷鸟算法(CS)。

摘要：针对传统扩散模型难以动态模拟地表污染物时空不均匀扩散过程的问题,本文提出一种基于元胞自动机模型的污染物地表扩散仿真模型,在综合考虑地表高差及粗糙度对污染物扩散过程影响的基础上,确定了不规则污染场地的元胞边界条件、划分了元胞空间、提出了一种降雨和非降雨条件下污染物扩散流速计算方法,基于分子扩散建立了地表污染扩散模型演变规则。为更好模拟地表污染物扩散情况,本文提出了一种污染物随坡度和质量衰减的元胞自适应时间步长调整算法,该算法能够动态调整元胞自动机的时间步长,防止固定时间步长在污染物快速扩散时错过细节,而缓慢扩散时消耗计算资源。实验设计了降雨和非降雨两种情形对污染物随时间扩散的过程进行仿真与分析。实验结果表明,不同下垫面对污染物扩散速度有很大的影响,污染物在糙率为0.012的水泥地表上的扩散速度约为其在糙率为0.035的一般性土壤地表上的2.7倍;降雨强度和时长能够加快污染物的扩散,且扩散速度随着降雨曲线变化而改变,并在雨强峰值附近达到最大;污染物扩散服从坡度分布特征,且随着时间变化,高污染区域范围和污染物浓度差异渐渐变小,并在一段时间后,浓度变化渐渐趋于平稳;自适应时间步长演变算法能够较好地体现一次演变过程中污染物扩散在不同邻域元胞方向上的细微时间差异,提高污染物时空分布的计算精度。