【摘 要】
：
粒子群优化算法（Particle Swarm Optimization,PSO）是受鸟群觅食行为的启发,提出的一种群体优化算法。自粒子群算法提出以来,因其易于实现和计算效率高等优势,广泛应用于实际问题中。近年来,强化学习研究取得了进展,将强化学习融合到粒子群算法,成为一种新的思想方法,然而目前策略还是比较单一,其参数选择偏主观性。Q学习是强化学习的重要方法之一,本文研究一种融合Q学习的粒子群算法,
论文部分内容阅读
粒子群优化算法（Particle Swarm Optimization,PSO）是受鸟群觅食行为的启发,提出的一种群体优化算法。自粒子群算法提出以来,因其易于实现和计算效率高等优势,广泛应用于实际问题中。近年来,强化学习研究取得了进展,将强化学习融合到粒子群算法,成为一种新的思想方法,然而目前策略还是比较单一,其参数选择偏主观性。Q学习是强化学习的重要方法之一,本文研究一种融合Q学习的粒子群算法,利用Q学习算法在线控制粒子参数,并引入单个粒子的Q表与经验共享策略,提升了粒子群算法的性能。电力系统经济调度是电力系统中重要的优化问题,但随着电力系统规模的扩大与实际条件的约束,传统优化方法解决此问题受到一定的局限,而粒子群算法是其一种智能解决方法,本文将改进的粒子群算法应用于电力系统经济调度问题,并提出新的约束处理方法用于提升解的质量。本文主要贡献如下:（1）提出一种融合经验共享Q学习的粒子群优化算法。该算法将粒子群算法与Q学习算法结合,对每个粒子构建一张Q表,供粒子参数动态选择;同时设计了一种经验共享策略,即粒子通过Q表共享最优粒子的“行为经验”,加速Q表的收敛,增强粒子之间的学习能力,平衡算法的全局和局部搜索能力。（2）针对融合Q学习的粒子群优化算法,研究其参数选择问题。首先分析算法中粒子状态、动作参数和奖励函数对算法的影响,然后采用正交实验分析法,设计一种实验方案,评价指标采用弗里德曼检验的秩得分,寻找最优参数组合。（3）将提出的融合Q学习粒子群算法应用到电力系统经济调度问题中。根据经济调度中约束条件与改进粒子群算法的特点,提出一种新的约束处理方法。在迭代中机组出力违反平衡约束时,根据机组出力值与出力值上下限的差值,修补机组出力,提升算法求解的质量。在不同规模的电力系统中仿真测试,并与经典算法和其他启发式算法对比,验证了本文提出的解决方案具有更优的性能。
其他文献
交通目标检测与识别是当前汽车自动驾驶和车辆安全领域中的一个重要研究课题。交通传感器作为交通目标检测系统的重要组成部分,其可靠的收集算法及容错控制能力,对保障车辆安全和行人安全具有重要意义。由于环境因素和传感器节点本身的资源限制等因素的影响,交通目标检测中常出现数据丢失、出错、时延等系列问题。传统的数据采集技术多采用数据重传、多径传输、数据恢复、等方式来保证数据传输的准确性,但是在对于数据传输实时性
我国改革开放以来,建筑业得到了空前发展和巨大进步,对推动我国国民经济和社会发展中起到了非常重要的作用,建筑业目前已经成为了我国国民经济的支柱产业之一。我国经济发展迈入新阶段之后,建筑业的整体发展也受到了很大的影响,如何有效提升建筑业核心竞争力成为了当前建筑业发展的一个关键问题。近年来受到新冠疫情的影响,全球经济发展速度显著放缓,虽然我国疫情控制较好,但对国民经济的运行和发展带来了较大影响,这对建筑
大量基于位置的智能服务的使用可以获得海量的交通轨迹数据。交通轨迹数据挖掘在诸多领域具有巨大的应用价值,然而用户的隐私信息也面临着泄露的风险。因此,在基于位置的智能服务平台中,如何保护用户的交通轨迹隐私安全,同时确保数据可用性是一个亟待解决的重要社会问题。基于k-匿名的隐私保护技术研究是解决上述社会问题的关键科学问题。本文在考虑位置同质性攻击、基于用户属性和兴趣点属性的背景知识攻击和语义攻击的基础上
近年来,随着社会的快速发展,我国各大城市的车辆保有量大幅上升,交通拥堵、交通运输效率低下等交通问题频发。面对单一的地面作业越来越无法满足人们需求的情况下,无人机以其可在空中作业且灵活高效的优势,被人们广泛应用在了智能交通领域,如无人机的障碍物检测与轨迹调整、交叉口交通监测、交通参数提取和交通事故检测等。在这些智能交通的研究当中,无人机的障碍物检测与轨迹调整受到了研究人员的特别关注,优越的障碍物检测
随着工业化的发展和人民生活水平的提高,更多的人选择开车出行,与此同时也造成了堵车的现象,甚至还给道路和行人造成了很大的安全隐患,每年都因此造成大量的安全事故。车辆的检测识别测距作为车载系统中主要的辅助驾驶方式帮助驾驶员更好的驾驶车辆,同时有效的降低交通死亡事件发生的可能性。传统的车辆跟踪和测距系统大多使用了成本高昂的激光雷达等传感器设备,并且应对目标较小等不可控情况时表现不佳,本文针对以上场景实现
随着智能电网建设的大力发展,电力行业已经逐渐迈向数字化信息化。传统的智能电网云数据中心难以满足电力行业中的各项要求,不足以全面支撑智能电网行业的数字化转型。边缘计算（Edge Computing,EC）作为未来5G网络的关键技术,将业务逐渐下沉到网络边缘,极大的减少了处理任务产生的时延与能耗,并且边缘计算可为智能电网设备提供任务迁移平台,进行计算与存储服务。任务迁移技术在智能电网中可将终端设备收集
受中巴经济走廊（CPEC）的影响,巴基斯坦经济社会的快速发展,农村公路建设的快速发展,公路养护任务的比重越来越大,管理者对公路养护任务的重视程度越来越高。养护成本控制是在确定较好合理养护成本的前提下保证公路使用性能的最重要方面之一。本文主要以中国农村公路养护项目为例,研究如何实施中国模式来指导巴基斯坦农村公路日常养护成本管控措施。首先,巴基斯坦农村公路养护现状进行了调研分析;其次,研究了影响农村公
随着科学技术的发展,为了实现在输电线路带电的情况下完成检修工作,使用机械臂来完成相关的任务已屡见不鲜。机械臂系统是一类高度非线性、强耦合且具有明显时变性的典型动力学系统。关于机械臂系统的动力学精确建模非常困难,因此设计一种具有相当适应性且在机械臂轨迹跟踪问题上容易使用的控制算法,对于机械臂能否实现对期望轨迹的实时跟踪,具有非常重要的研究意义和实用价值。迭代学习控制在数学意义上,是一种可以严格定义的
基于大数据的复杂系统异常检测是电气工程领域的重点研究课题。目前,我国高速公路是全球最为繁忙的交通系统之一,2019年底完成全国大规模部署和联网的电子不停车收费（Electronic Toll Collection,ETC）系统是全球最大规模的物联网系统。海量的ETC交易数据记录了高速公路上几乎全部车辆的通行状态,通过ETC交易数据的挖掘分析实现高速公路拥堵检测,不仅对提高高速公路的管理水平和通行效
随着智能电网的不断升级,我国对配电网供电质量和供电可靠性提出了更高的要求,即:在配电网发生故障时,能够及时、准确地定位故障位置,从而减少经济损失。可见,高效可靠的故障定位技术在配电网安全运行中占有极为重要的地位。目前,基于FTU的配电网故障定位技术主要有直接法和间接法,其中采用智能优化算法的间接法以其通用、高容错、鲁棒性强等优点成为近年来解决该类问题的研究热点。然而由于这类方法中所采用的智能算法本