大规模风电机组并网的多目标动态环境经济调度

在风力发电技术和并网技术不断成熟以及节能减排的背景下,构建了含大规模风电机组并网的电力系统多目标动态环境经济调度模型。该模型以火电机组的总燃料费用和污染排放量为目标,同时考虑了系统的功率平衡约束、火电机组的有功出力约束、爬坡约束以及系统的正负旋转备用约束。并采用基于非劣排序分子微分进化算法对该调度模型进行求解。最后通过算例分析,验证了所构建调度模型及求解算法的合理性和优越性。     

基于进化规划的BP神经网络学习

通过对将传统的BP算法和遗传算法应用到BP神经网络的学习的研究和分析,指出它们存在的缺陷。提出一个改进的进化规划算法,并将其应用于BP神经网络的权值优化。取XOR问题和4奇偶性问题的实验对传统的进化规划算法和改进的进化规划算法进行实验对比。实验结果表明,本文中提出的改进的进化规划算法优于前2个算法。     

一种多目标优化进化算法研究

提出了一种基于多性别遗传算法(MSGA)的多目标优化进化算法，在同一性别种群的进化中采用了线性排名选择算子，给出了一种求解非劣解的算法，并以两个算例作了对解决多目标优化问题有效性的验证。     

电力系统动态环境经济调度模型研究

电力系统动态环境经济调度在节能减排中具有举足轻重的地位,以经济成本和环境成本最小为优化目标建立模型,其经济成本计及了常规火电机组阀点效应引起的能耗成本。在等式约束条件中考虑了网损,采用解方程的方法来处理模型中复杂的约束关系。针对微分进化算法多样性低导致的早熟问题,采用改进型微分进化算法求解模型,并在保证原有计算精度的前提下,利用Matlab并行计算的能力增强微分进化算法,提高算法的计算效率。经典10机组系统算例仿真结果表明,与传统微分进化算法相比,改进后的微分进化算法不仅具有更佳的全局搜索能力,还可以为决策者提供更快、更优的选择。     

基于固定检测器的动态交通故障数据识别与修复

针对固定检测器在采集动态交通数据过程中易发生交通数据异常、数据缺失等问题,为实现故障数据有效识别及修复,提出了基于离群距离检测的故障数据识别算法及改进的DE-LSTM数据修复模型。利用时序数据的自身连续性,采用直接离群点定位和离群距离检测对故障数据进行有效识别。采用差分进化算法优化长短期记忆神经网络的隐含层神经元个数和初始学习率,并引入自适应控制策略改进传统DE算法中的变异因子、交叉因子,建立了基于改进差分进化算法优化长短期记忆神经网络的修复模型,并与固定阈值结合交通流机理、LSTM神经网络模型及DE-LSTM修复模型进行对比。实例验证结果表明：与固定阈值结合交通流机理法相比,离群距离检测算法识别率更为高效,改进的DE-LSTM模型具有良好的计算效率及修复性能。     

基于改进DE的云计算任务调度算法

差分进化算法DE(Differential Evolution)具有记忆个体最优解和种群内部信息共享的特点,是一种基于实数编码的、具有保优思想的简单、高效的新型进化算法.针对云计算任务调度问题,提出了一种考虑时间和成本约束的基于改进DE的调度算法(TCDE).该算法采用随机初始化种群,合法化修复变异个体,并采用贪婪直接交叉,在变异操作之后,加入新的选择机制,防止交叉操作破坏变异出的优良个体.在仿真实验中分别进行了TCDE与只考虑时间的TDE、只考虑成本的CDE的功能验证实验,TDE与遗传算法的性能对比实验.实验结果证明:改进后的差分进化算法能够适用于云计算环境下的任务调度问题,并取得良好的调度效果.     

泊位-岸桥联合分配模型的模拟植物生长交替进化算法

为了综合优化集装箱码头泊位和岸桥联合分配计划, 分析了二者的相互独立性和系统关联性; 利用相互独立性, 分别针对泊位和岸桥分配建立了以平均在港时间和作业成本最小为目标的2个优化子模型; 利用系统关联性, 构建了泊位-岸桥联合分配的约束条件, 将2个子模型紧密联系在一起, 建立了完整的泊位-岸桥联合分配模型; 分析了联合分配模型的特点, 设计了模拟植物生长交替进化算法求解模型, 利用基于模拟植物生长算法的交替进化算子对种群中每个个体的2个目标进行交替优化, 进而实现种群进化, 通过算法框架实现非支配解筛选, 经多次种群进化和非支配解筛选, 获得泊位-岸桥联合分配的Pareto满意解集; 针对大连港集装箱码头3d中共计31艘真实到港船舶的泊位-岸桥联合分配计划进行优化计算, 并与多目标遗传算法的计算结果进行对比。计算结果表明: 共获得13个满意解, 船舶平均在港时间为7.47~9.44h, 使用岸桥次数为85~96台, 作业总成本为20.868~21.114万元; 与多目标遗传算法相比, 进化算法的运算速度提高了6.07%, 所得非支配解的数量增加了4个, 增加幅度为30.76%, 且计算结果更趋近于Pareto前沿, 联合分配计划优化程度较高。可见, 采用模拟植物生长交替进化算法能够最大限度地保持种群进化过程中个体的独立性, 获得更多的非劣解, 且交替进化的方式能够使结果更逼近Pareto前沿。      

基于改进多目标差分进化算法的城轨列车速度曲线优化

城轨列车速度曲线研究对于优化列车运行过程具有重要的作用。为得到更好的城轨列车速度曲线优化效果，本文针对列车运行准时性、运行能耗和舒适度3个目标，提出一种基于改进多目标差分进化算法的速度曲线优化方法。首先，建立城轨列车运行过程的多目标优化模型；然后，通过采用精英镜像初始化策略、引入参数自适应和多变异策略，提升多目标差分进化（MODE）算法的性能，并通过与其他6种对比算法在ZDT系列测试函数上所得的反世代距离评价指标（IGD）值进行比较，验证了所提算法的优越性；最后，结合南昌地铁一号线某区间真实线路数据进行仿真。结果表明，改进的MODE算法（IMODE）相较于对比算法在综合性能方面具有一定优势，同时在列车节能优化问题中具有较强的实用性。     

引入个体相异度阀值函数的新自适应遗传算法

提出了一种引入个体相异度阀值函数的新自适应遗传算法,该算法根据个体的相异性,给出了个体相异度的概念和相应的计算公式,并设计了一个与进化代数相关的阀值函数,以实现选择性交叉和变异．同时为了克服传统自适应遗传算法在进化过程中停滞不前的缺点,该算法引入非线性函数作为自适应交叉率和变异率计算公式．最后,针对典型车间调度问题,分别对改进算法和其他优化算法的计算结果进行了比较,结果表明新算法更有效．     

引入个体相异度阀值函数的新自适应遗传算法

提出了一种引入个体相异度阀值函数的新自适应遗传算法,该算法根据个体的相异性,给出了个体相异度的概念和相应的计算公式,并设计了一个与进化代数相关的阀值函数,以实现选择性交叉和变异.同时为了克服传统自适应遗传算法在进化过程中停滞不前的缺点,该算法引入非线性函数作为自适应交叉率和变异率计算公式.最后,针对典型车间调度问题,分别对改进算法和其他优化算法的计算结果进行了比较,结果表明新算法更有效.     

Dijkstra改进算法在停车场内部路径引导中的应用

针对大型停车场泊位引导效率低以及管理系统不完善等问题进行分析,对停车场内的路网特征进行研究。从用户角度分析其对最优泊位选择的影响因素,以寻找最优泊位为目的,提出一种Dijkstra改进算法,并在MAT‐LAB环境下进行仿真。改进的Dijkstra算法要比传统Dijkstra算法的计算效率提高65％,为用户进入大型停车场提供向导服务,帮助其尽快找到合适泊位,进而对提高停车场管理系统的智能化程度以及停车效率作出贡献。     

基于目的层预约的改进型粒子群电梯群控调度策略

针对单一粒子群算法的派梯策略优化运算过程中容易陷入局部极值点的状况,结合模拟退火理论,提出一种改进型的粒子群电梯群控派梯策略,应用到目的层预约的电梯群控系统中.通过仿真和对比试验可知,基于目的层预约的电梯群控系统能有效地提高服务的各项指标,改进型的粒子群电梯群控调度策略可有效减小乘客候梯时间和电梯启停次数,改善电梯运行性能.     

基于Ant-agent 的自动化码头AGV 控制算法

为解决自动化码头水平运输区存在的自动导引车(AGV)路径冲突和道路死锁问题,提高运输效率,将AGV视为蚂蚁智能体(Ant-agent),设定其携带负反馈机制的信息素进入运输路网. 引入拥挤度及拥挤度阈值q ,建立新的状态转移规则;针对节点冲突和路径拥堵,构建解决机制;提出基于Ant-agent 的AGV控制算法,采用两阶段均匀设计试验法确定算法最优参数组合. 仿真结果表明,与传统动态路径规划算法对比,所提算法在各运输任务量下的避碰性能、解锁性能和运输效率均有较大提高,可有效地解决AGV路径冲突和道路死锁,提高运输效率.     

һ�ָĽ�ģ���˻������·��ѡ���㷨

合理的配送路线可以提高物流配送的效率。启发式的最优路径选择方法是目前研究的热点，本文针对模拟退火算法收敛速度慢的缺点，提出采用退火过程的导引知识（即上次退火过程节点的分布情况）作为下次选择节点的依据，从而提高模拟退火算法的速度。分别针对不同的配送节点进行实验，结果表明，基于导引知识的模拟退火算法能够获得更快的收敛速度，更快得到最优解。     

基于能效的D2D通信系统中资源复用策略研究

针对D2D通信(device-to-device communication)与传统蜂窝通信共存下的能效资源复用问题,联合考虑蜂窝用户和D2D用户对的QoS约束,结合电路消耗功率,提出一种基于能效的D2D用户对与蜂窝用户最优匹配的资源复用和功率分配策略,分析了D2D用户对复用蜂窝用户资源的最优功率的存在性,并用分式规划理论求解了该最优功率的闭合表达式.仿真结果表明,相比已有算法,所提的能效资源复用策略的D2D用户的总能效最优,并且该总能效在低QoS要求下相比最大化和速率算法提高36.25%,高QoS要求下略高于基于节能的功率分配算法,同时还具有1.7~3 Mbit/s的和速率.      

基于弹复力调整的高速列车群动态运行轨迹优化方法

为提高列车控制过程的自主性和智能性,研究了列车群动态运行过程,采用多智能体和图论方法构建了列车群分布式信息交互模型;以节能和准点为优化目标,以安全和乘客舒适度为约束条件,建立了列车群运行轨迹多目标优化模型,利用基于模拟退火思想改进的差分进化算法获取了列车群静态最优运行轨迹;在此基础上,为避免或消解列车运行过程中随机干扰导致的延误传播问题,针对移动闭塞系统,基于弹复力构建了信息交互支撑的列车群动态间隔调整机制,设计了列车群在线协同优化算法,实现了列车群运行轨迹的动态调整,最后采用武广高速铁路实际数据进行了仿真验证。研究结果表明:提出的在线协同优化算法可以有效提升最优解搜索能力,避免Pareto最优解集的频繁更新,在不同干扰场景下算法触发频率平均降低36.7%;在试验设计的一般干扰场景中,优化后的动态调整策略在保证列车群安全平稳运行的同时,将受扰列车的延误度由6.2%降至0,与立即恢复延误策略相比,节能率达4.8%;在试验设计的较大干扰场景中,受扰列车的延误度由13.1%降至1.4%,全局时间偏差恢复为0,节能率达1.8%。可见,提出的方法能够解决运行轨迹静态规划方式无法完全适应外部动态环境变化的问题,有效保障干扰情况下列车运行复合紊态的及时恢复。      

An Adaptive Joint Source/Channel Coding Using Error Correcting Arithmetic Codes

An approximately optimal adaptive arithmetic coding (AC) system using a forbidden symbol (FS) over noisy channels was proposed which allows one to jointly and adaptively design the source decoding and channel correcting in a single process, with superior performance compared with traditional separated techniques. The concept of adaptiveness is applied not only to the source model but also to the amount of coding redundancy. In addition, an improved branch metric computing algorithm and a faster sequential searching algorithm compared with the system proposed by Grangetto were proposed. The proposed system is tested in the case of image transmission over the AWGN channel, and compared with traditional separated system in terms of packet error rate and complexity. Both hard and soft decoding were taken into account.     

双向蚁群算法在无人驾驶车辆路径规划中的应用

针对传统蚁群算法在无人驾驶车辆路径规划中收敛速度慢、易陷入局部最优等问题,提出一种全局路径规划的双向蚁群算法.通过双向搜索策略改进蚁群算法,设计相遇机制求解更多可行路径,提高算法全局搜索能力;引入奖惩因子分别扩大和减小双向搜索后的较优路径和较差路径对信息素浓度的影响,加快求解最优路径的速度;最后在Matlab中模拟无人...     

基于时间逼近搜索算法的城轨列车运行节能优化研究

针对地铁列车准点节能运行,提出了基于时间逼近搜索的列车节能优化算法。首先建立城市轨道列车在满足定时运行条件下的节能控制模型,通过庞特利亚金最大值原理得到了列车节能最优控制工况集;其次,推导了列车在不同节能运行模式下的能耗差异;在此基础上,提出了一种将列车运行区间进行分段优化的方法,采用时间逼近搜索求解列车工况转换点的位置,最终达到定时节能运行的目的。以上海地铁3号线铁力路至友谊路线路为算例,与实测负荷过程对比,列车采用本文算法优化后可节能12.5%。      

基于改进HH算法的路径规划系统设计与实现

HH (Highway-Hierarchical)算法是近年来一种高效路径规划算法,但存在的路网压缩成环问题、预处理数据存储问题和完整最短路计算问题,采用无环压缩策略、分层存储策略和局部最短路存储策略对算法进行了改进.以改进的算法为核心,在Internet环境下,运用WCF分布式技术,设计与实现了高效路径规划系统.系统测试结果表明,改进HH算法在时间效率上平均是原算法的5.03倍,在空间效率上约是原算法的4倍.在性能上,路径规划系统能满足互联网环境下用户并发访问的高效性需求;在功能上,系统提供了最短路的里程、行程时间、行程费用、主要路段及文字描述等.