期刊文献+
共找到8篇文章
< 1 >
每页显示 20 50 100
基于多智能体遗传算法并考虑分布式电源的配电网大面积断电供电恢复算法 被引量:54
1
作者 徐玉琴 张丽 +1 位作者 王增平 李雪冬 《电工技术学报》 EI CSCD 北大核心 2010年第4期135-141,共7页
当配电网发生大面积断电事故后,针对含分布式电源的配电系统,提出采用多智能体遗传算法解决分布式发电条件下配电网大面积断电供电恢复问题。考虑孤岛运行的情况,研究了分布式电源在配电网大面积断电情况下的分层孤岛运行方式,能够充分... 当配电网发生大面积断电事故后,针对含分布式电源的配电系统,提出采用多智能体遗传算法解决分布式发电条件下配电网大面积断电供电恢复问题。考虑孤岛运行的情况,研究了分布式电源在配电网大面积断电情况下的分层孤岛运行方式,能够充分利用分布式电源的发电能力,减少停电区域。提出的多智能体遗传算法构造了一个环形网格环境,所有智能体都固定在网格上。每个智能体相当于遗传算法中的一条染色体,它们通过与其邻域展开竞争操作和自学习行为来增加目标函数值。对于智能体竞争及自学习行为过程中产生的不可行解,采用改进的基于环路分解的方法消除闭环和孤岛,使其变为可行解。通过一个实际配电系统的仿真计算,仿真结果证明了文中所提方法具有较强的全局搜索能力和快速的收敛速度。 展开更多
关键词 配电网 供电恢复 多智能体遗传算法 分布式电源
在线阅读 下载PDF
基于多智能体遗传算法优化的航空电子设备状态组合预测 被引量:4
2
作者 赵建忠 欧阳中辉 +1 位作者 张磊 赵建印 《兵工学报》 EI CAS CSCD 北大核心 2016年第4期727-734,共8页
针对传统单一预测方法预测航空电子设备状态的不足,提出了将隐马尔可夫模型(HMM)和最小二乘支持向量机(LS-SVM)相结合的组合预测方法。采用多智能体遗传算法(MAGA)对HMM参数进行训练优化,克服了Baum-Welch算法易陷入局部最优解的缺陷,并... 针对传统单一预测方法预测航空电子设备状态的不足,提出了将隐马尔可夫模型(HMM)和最小二乘支持向量机(LS-SVM)相结合的组合预测方法。采用多智能体遗传算法(MAGA)对HMM参数进行训练优化,克服了Baum-Welch算法易陷入局部最优解的缺陷,并在HMM建模过程中引入状态条件概率,以降低不确定性因素造成的影响。采用MAGA估计LS-SVM模型参数,并在参数估计的过程中采用剪枝法实现LS-SVM的稀疏性,从而达到提高LS-SVM泛化性能的目的。在此基础上构建了航空电子设备状态组合预测模型。实例分析结果验证了组合预测模型在预测精度、计算速度和稳定性方面的优势。 展开更多
关键词 飞行器仪表、设备 参数估计 隐马尔可夫模型 最小二乘支持向量机 多智能体遗传算法 状态预测
在线阅读 下载PDF
用改进的多智能体遗传算法求解旅行商问题 被引量:4
3
作者 张继军 田宝国 李萧 《计算机应用》 CSCD 北大核心 2008年第4期954-956,共3页
多智能体遗传算法是基于智能体对环境感知与反作用的能力提出的一种新的函数优化方法,具有很快的收敛速度,尤其是在优化超高维函数时更显示出了它的优越性。针对这一特点对该算法进行了适当的改进,在邻域正交交叉算子中采用精英保留策略... 多智能体遗传算法是基于智能体对环境感知与反作用的能力提出的一种新的函数优化方法,具有很快的收敛速度,尤其是在优化超高维函数时更显示出了它的优越性。针对这一特点对该算法进行了适当的改进,在邻域正交交叉算子中采用精英保留策略,在自学习算子中引入邻域正交交叉算子并采用小变异概率以加快收敛速度。求解TSP的实验结果显示,改进后算法的性能有了较大的提高。 展开更多
关键词 智能 遗传算法 多智能体遗传算法 旅行商问题
在线阅读 下载PDF
基于多智能体遗传算法的电力网络重构方法分析 被引量:3
4
作者 张炜 李艳 《舰船科学技术》 北大核心 2019年第14期88-90,共3页
电力网络重构对于舰船电力系统十分关键,针对传统遗传算法的电力网络重构效率低,稳定性差等缺陷,设计了基于多智能体遗传算法的舰船电力网络重构方法。首先分析当前舰船电力网络重构的研究现状,并采用供电负荷最大化作为目标函数,建立... 电力网络重构对于舰船电力系统十分关键,针对传统遗传算法的电力网络重构效率低,稳定性差等缺陷,设计了基于多智能体遗传算法的舰船电力网络重构方法。首先分析当前舰船电力网络重构的研究现状,并采用供电负荷最大化作为目标函数,建立舰船电力网络重构的数学模型,然后引入多智能体遗传算法对舰船电力网络重构的数学模型进行求解,最后进行舰船电力网络重构仿真测试。结果表明,本文方法的舰船电力网络重构问题求解时间短,可以快速找到最优舰船电力网络重构方案,而且找到最优舰船电力网络重构方案的成功率要高于其他方法,具有一定的实用性。 展开更多
关键词 多智能体遗传算法 舰船电力系统 电网重构 数学模型
在线阅读 下载PDF
基于多智能体遗传的SAR图像变化检测
5
作者 谢文娜 乔平安 潘晓英 《计算机工程与应用》 CSCD 北大核心 2015年第20期162-166,共5页
针对传统进化算法在SAR图像变化检测时,容易陷入局部最优,收敛速度慢,耗时过长,为了解决这些问题,提出了一种无监督的多智能体遗传SAR图像变化检测方法。利用对数比值法对预处理后的图像构造差异影像,并对差异影像进行中值滤波处理,把... 针对传统进化算法在SAR图像变化检测时,容易陷入局部最优,收敛速度慢,耗时过长,为了解决这些问题,提出了一种无监督的多智能体遗传SAR图像变化检测方法。利用对数比值法对预处理后的图像构造差异影像,并对差异影像进行中值滤波处理,把它的灰度值作为输入信息,通过多智能体遗传算法搜索全局阈值,根据全局阈值得到变化检测结果。仿真结果表明,该算法与GA、ICSA相比,分类准确,收敛快速,效率更高。 展开更多
关键词 变化检测 合成孔径雷达(SAR)图像 多智能体遗传算法
在线阅读 下载PDF
考虑分布式发电的配电网规划问题的研究 被引量:63
6
作者 徐玉琴 李雪冬 +1 位作者 张继刚 李鹏 《电力系统保护与控制》 EI CSCD 北大核心 2011年第1期87-91,117,共6页
考虑了配电网扩展规划条件下新增负荷节点的情况,根据新增负荷总量确定待建分布式电源的总容量,在分布式电源个数、位置和单个电源容量均不确定的情况下,以网络建设成本与运行费用为目标函数,建立了包含DG的配电网规划的多智能体遗传模... 考虑了配电网扩展规划条件下新增负荷节点的情况,根据新增负荷总量确定待建分布式电源的总容量,在分布式电源个数、位置和单个电源容量均不确定的情况下,以网络建设成本与运行费用为目标函数,建立了包含DG的配电网规划的多智能体遗传模型。应用多智能体遗传算法对分布式电源的位置、容量及配电网网架进行了整体优化。通过设计多智能体的竞争行为和自学习行为增加目标函数值寻求最优解,实现了全局收敛,提高了收敛速度。 展开更多
关键词 配电网规划 分布式发电 多智能体遗传算法 不可行解修复
在线阅读 下载PDF
中国海洋渔业资源可持续利用的动态评价与空间分异 被引量:28
7
作者 孙康 周晓静 +1 位作者 苏子晓 张华 《地理科学》 CSCD 北大核心 2016年第8期1172-1179,共8页
运用基于多智能体遗传算法的投影寻踪模型和核密度估计模型,对2003~2012年中国沿海11个省市(不含港澳台)海洋渔业资源可持续利用水平的时空格局演化进行测度。研究结果表明:从投影方向上看,捕捞技术、捕捞强度和渔业产业结构等,逐渐... 运用基于多智能体遗传算法的投影寻踪模型和核密度估计模型,对2003~2012年中国沿海11个省市(不含港澳台)海洋渔业资源可持续利用水平的时空格局演化进行测度。研究结果表明:从投影方向上看,捕捞技术、捕捞强度和渔业产业结构等,逐渐上升为影响海洋渔业资源可持续利用水平的重要因子;从时空格局上看,上海的海洋渔业资源可持续利用属于高水平区板块,天津、河北、江苏、浙江和广西属于中等水平区板块,辽宁、山东、福建、广东和海南属于低水平区板块;从总体上看,海洋渔业资源可持续利用呈现不可持续性,具体表现为时间演化可持续,空间演化不可持续,时空演化呈现出不可持续的两极分化趋势。未来高水平区板块应保持原来的发展模式,中等水平区板块的可持续利用路径选择是保中争高,低等水平区板块的可持续利用路径选择是追中攀高。 展开更多
关键词 海洋渔业资源 多智能体遗传算法 投影寻踪
在线阅读 下载PDF
基于MAGA-PPC模型的水资源配置方案综合评价 被引量:9
8
作者 王庆杰 岳春芳 李艺珍 《水资源与水工程学报》 CSCD 2018年第3期105-110,共6页
针对水资源配置方案的多目标性、模糊性和不确定性的特点,采用投影寻踪方法将高维数据投影到二维空间,结合聚类算法和多智能体遗传算法建立水资源配置方案综合评价投影寻踪聚类模型(MAGA-PPC),并通过指标的相关性分析验证模型的有效性... 针对水资源配置方案的多目标性、模糊性和不确定性的特点,采用投影寻踪方法将高维数据投影到二维空间,结合聚类算法和多智能体遗传算法建立水资源配置方案综合评价投影寻踪聚类模型(MAGA-PPC),并通过指标的相关性分析验证模型的有效性确保求得最优解。以陕西省引汉济渭受水区为例进行研究。结果表明:MAGA-PPC能够较为系统地量化各方案在社会、经济、生态和资源等方面的综合差异,其评价结果符合研究区水资源开发利用的实际情况,MAGA-PPC在水资源合理配置方案评价中有较好的实用性。 展开更多
关键词 水资源配置方案 综合评价 投影寻踪聚类模型(PPC) 多智能体遗传算法(MAGA)
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部