【摘 要】
：
针对电力系统经济负荷分配这一典型的非凸、非线性、组合优化问题,提出一种将改进差分进化算法和鲸鱼算法相结合的优化算法.该算法首先在鲸鱼优化算法中引入了非线性的收敛变化策略,加速寻优算法的迭代;再利用差分进化算法的交叉和选择,丰富算法种群个体信息,增强优化算法的全局收敛性;同时引入一种淘汰机制,将适应度较好的个体信息更快地保留用于下一次鲸鱼优化算法的迭代,提高了求最优解的速度和精度;最后,对多个经济负荷分配问题进行了测试,将该算法与标准鲸鱼算法、标准差分进化算法进行对比,验证了差分进化鲸鱼算法可以更合理地配置
论文部分内容阅读
针对电力系统经济负荷分配这一典型的非凸、非线性、组合优化问题,提出一种将改进差分进化算法和鲸鱼算法相结合的优化算法.该算法首先在鲸鱼优化算法中引入了非线性的收敛变化策略,加速寻优算法的迭代;再利用差分进化算法的交叉和选择,丰富算法种群个体信息,增强优化算法的全局收敛性;同时引入一种淘汰机制,将适应度较好的个体信息更快地保留用于下一次鲸鱼优化算法的迭代,提高了求最优解的速度和精度;最后,对多个经济负荷分配问题进行了测试,将该算法与标准鲸鱼算法、标准差分进化算法进行对比,验证了差分进化鲸鱼算法可以更合理地配置电力系统的经济负荷,能够有效找到可行解,避免陷入局部最优,能实现经济负荷的合理分配.
其他文献
随着人工智能的发展,包含控制成为近年来研究的热点问题.为了解决有向切换通信拓扑下含非凸输入约束和通信时滞的采样多智能体系统包含控制问题,设计了一种基于投影的分布式非线性包含控制算法.该算法只需要利用智能体自身和相邻智能体的交互信息就能实现输入受限跟随者的包含.首先将跟随者与领导者构成的凸区域的最大距离选定为李雅普诺夫函数,接着引入约束算子描述跟随者的非凸约束,并将系统的非凸模型转化时变线性模型,然后运用李雅普诺夫稳定性理论、凸分析等方法证明了在通信拓扑的并集中只要每个跟随者至少有一条从领导者到该跟随者的有
社区检测被用于通过观察拓扑结构来寻找网络的最合理的分区,是多层复杂网络分析的一个重要任务.针对多层复杂网络的社区检测问题,该文提出了一种基于网络层加权的局部社区检测算法(MWLCD).首先针对不同类型的网络,该算法使用超参数结合两种不同的加权方案量化了多层复杂网络中不同网络层的权值,然后引入了局部密度概念来确定种子节点附近的核心节点,以此避免了局部社区检测的社区划分质量依赖于种子节点所在位置优劣的问题.该算法基于社区核心节点将剩余节点依据其是否存在于社区内分为边界节点和外壳节点以及网络的未探索部分节点,并
针对常见的视频目标跟踪过程中由于背景相似干扰、遮挡和形变等一系列问题导致跟踪精度下降的问题,该文提出一种基于孪生网络特征融合与阈值更新的跟踪算法,并引入加权平均模块.该算法采用MobileNetV2作为特征提取网络,借助深度可分离卷积运算,减少模型的参数量,并由深至浅进行多层特征融合,使特征同时具备浅层与深层的信息;模板分支的特征送入注意力机制模块,提高对目标关键特征的关注度;将融合并通过注意力机制后的特征向量的互相关结果与原始提取的特征向量的互相关结果再进行加权平均获得响应图;响应最高位置的相似度与设定
针对传统的极化码译码(SC译码)算法实际应用中的用时较长和容错率较差的问题,提出并使用新型人工神经网络——时间卷积网络(temporal convolutional network,TCN)拟合的方式搭建极化码译码模型.与其他人工神经网络不同的是,时间卷积网络属于卷积神经网络(convolutional neural network,CNN),和循环神经网络(recurrent neural network,RNN)的功能相似,其独有的膨胀因果卷积结构和残差链接方法使其擅于分析时间数据,比长短期记忆网络(
随着自动驾驶技术和点云处理技术的不断发展,如何对点云数据中的点的相关特征进行分析就成为关键问题.针对点云特征分析问题,很多的文献中对点云特征值采取手动输入的方法.然而,该类方法无法适应实际环境中复杂多变的情况.为了解决该问题,该文提出了一种新的基于深度学习网络的三维点云检测框架.该框架以深度学习作为点云分析工具,并引入三维视觉机理,在点云分析时网络会通过已有数据集的训练自动寻找需要注意的点云区域,从而极大地减少了计算成本.在测试时,采用自动驾驶点云数据集对网络进行应用.实验结果表明,与其他三维点云物体检测
求取一个无符号数的倒数在数值计算中有着重要的应用.如何在量子电路中高效准确地求出倒数,影响着许多量子算法的性能.在此提出了一种求倒数近似值的量子算法及其量子电路的设计方法.首先将输入的二进制数存储在输入寄存器中;通过添加Toffoli门将两个n位二进制数每一位相乘的结果保存在2n个辅助量子比特中;再重复利用基础量子门设计出的n位量子全加器对辅助量子比特进行低位置零的移位相加;用控制非门设计置零电路对辅助寄存器进行置零操作以重复利用辅助量子比特,最后设计出了一种量子电路宽度较小的量子乘法器.应用牛顿迭代法解
随着国产平台在各行业信息系统中的推广使用,其系统规模及复杂度日益提高,可靠运行面临较大挑战.针对面临的问题及挑战,从故障快速定位排查入手,对国产平台在运行维护和故障诊断排查中存在的问题进行分析,设计一种集日志分析、智能诊断和可视化监测等技术相融合的可视化分析诊断系统.基于日志分析可从大量日志噪声数据中自动识别关键信息并进行异常检测;通过智能推理诊断,可实现在错综复杂环境中故障的快速诊断及排查;通过可视化监测,以用户易懂的方式可视化展现众多监测数据,可提高用户对系统运行状态的理解和把控.该系统在传统监控的基
间隙在保障变速传动可靠进行的同时,对系统的性能也产生了很大的影响,因而对间隙的研究与补偿成为改善系统性能的关键问题之一.本文针对伺服作动系统中的传动间隙问题,对既有研究文献进行了归纳梳理.首先分析总结了间隙对系统性能的影响,表明间隙的存在会引起系统响应延迟、极限环振荡等问题;然后介绍了研究间隙的两种模型:迟滞模型和死区模型,分析对比了各模型的特点与适用场合,为间隙特性的研究与基于间隙模型进行补偿提供参考;最后列举了针对间隙影响的补偿办法,包括基于机械方法的消隙方案与以系统整体性能改善为目标的控制策略这两方
脑电信号(EEG)是一种在医学领域应用非常广泛的生物电信号.单一的特征提取方法不能够多方面表示脑电信号特征,从而会给不同意识任务下运动想象脑电信号的分类带来一定困难.对此,提出一种基于离散小波变换(DWT)、排列熵(PE)和共空间模式算法(CSP)的特征提取方法(DWT-PECSP).首先,采用db4小波基对原始脑电信号进行3层小波分解,根据左右手运动想象所处的频段重构出包含μ节律(8 Hz-12 Hz)和β节律(18 Hz-26 Hz)的频段信号;然后,分别计算出该频段信号的排列熵值和CSP方差作为特征
为了提高分布式异构网络数据动态拓扑重构能力,提出基于相空间融合的异构网络数据动态拓扑重构算法.构建模糊层次空间异构网络数据库的异构存储结构模型,采用网格分块特征检测和特征重组技术实现对模糊层次空间异构网络数据库的动态拓扑设计,挖掘模糊层次空间异构网络数据库的关联规则特征分布集,采用相空间融合和模糊C均值聚类方法,实现对模糊层次空间异构网络数据库的统计信息融合聚类.根据数据的动态拓扑重构聚类结果,结合随机自适应调度和子空间压缩方法,实现对模糊层次空间异构网络数据库的动态拓扑重构,提高模糊层次空间异构网络数据