简介:摘要:多目标粒子群优化算法是一种新型群智能进化计算技术,它模拟鸟群觅食的行为,在鸟群彼此个体之间共享信息和根据自身经验总结来修正其行动策略,既体现了个体影响也体现了社会群体影响,最终取得问题最优解。粒子群算法能够方便地处理大量的等式、不等式约束,以及包含连续变量和离散变量的优化问题。基于此,文章对 多目标粒子群优化算法在城市供电中的应用进行了总结和分析。
简介:频率-波数域单程波算子能高效地模拟地震波在复杂介质中的传播,但是在描述波的大角度传播和速度横向扰动变化较大介质中传播的问题时仍然存在一定误差。这类误差是由于对单平方根算子使用Taylor展开式的近似程度不足所造成。为了进一步提高泰勒展开式的精确性,本文提出一种利用粒子群智能算法优化级数展开系数的高阶广义屏算子对单平方根算子的展开级数进行优化处理。新的偏移算法能在保持单程波偏移算法高效的前提下进一步提高偏移算子在大角度的成像精度和对强横向速度变化介质的适应性。通过脉冲响应实验,验证了基于粒子群算法优化级数的高阶广义屏算子能够提高常规的高阶广义屏算子的成像精度和成像角度。根据对二维SEG/EAGE盐丘模型的成像处理,基于粒子群算法优化级数的高阶广义屏算子对盐丘下面的断层取得了更高质量的成像,说明粒子群优化级数的高阶广义屏算子比常规的高阶广义屏算子具有更好的横向速度适应性。为了检验本文所提算法对实际资料的处理能力,我们利用常规的偏移处理技术和本文所提算法对一条海上二维数据进行了偏移成像处理,对比分析成像剖面发现本文所提算法描述了更加清晰的层位信息和更高质量的偏移剖面。本文所提算法能有效提高高阶广义屏偏移在广角度成像的能力,具有一定实际应用价值。
简介:为提高粒子群算法的搜索效率,克服分解方法处理复杂多目标问题的不足,通过考虑父代解的选择和种群的更新对算法收敛性及解的分布均匀性的重要影响,提出了一种基于分解的改进自适应多目标粒子群优化算法。首先,为提高算法收敛速度,在分解方法确保进化种群多样性的前提下,设计了新的适应度评价方法以评价个体的优劣,并将在竞争中获胜的优质后代解添加到父代候选解中;其次,为避免算法陷入局部最优,在更新粒子时,从当前粒子的邻居或邻居外随机选择个体最优和全局最优位置;最后,引入外部文档,将其作为候选的输出种群,并采用拥挤距离维持多样性,增强了算法处理复杂问题的能力。用12个测试函数的数值实验,并与5种多目标优化算法的比较,表明了所提算法的优越性。
简介:摘要:车辆路线问题是配送计划的基本问题,它试图考虑客户的数量,他们的约束以及可用车辆的数量和容量的情况下,以最小的位移成本找到最佳的行进路线。在这项研究中,我们首先描述了旅行商问题和车辆路线模型,然后提出了考虑顾客之间优先约束的多目标车辆路线模型。有不同的元启发式算法可以解决此类 NP难题。本研究提出了一种基于粒子群算法和人工蜂群算法相结合的求解算法。此外,通过分析一个操作样本,使用区域内客户的数据,考虑问题及其功能的不同约束,并使用惩罚方法和附加的分段约束方法,可以获得最佳的车辆路线。以及对每种算法的结果结合其混合算法进行了演示。
简介:摘要优化变电检修计划,可以获得更加经济和理想的检修计划方案。基于这种认识,本文提出了一种基于粒子随机变异思想的改进型离散粒子群算法,能够对变电检修计划模型进行优化。从计划的优化效果来看,采用该算法可以降低变电检修成本,并使检修工作效率得到提高,因此可以为变电检修带来更多的效益。