-
题名混沌累积差异增强的小龙虾优化算法
- 1
-
-
作者
李宏宇
钱谦
潘家文
张晓丽
冯勇
李英娜
-
机构
昆明理工大学信息工程与自动化学院
昆明理工大学云南省计算机技术应用重点实验室
-
出处
《小型微型计算机系统》
北大核心
2025年第7期1606-1615,共10页
-
基金
国家自然科学基金地区基金项目(32060193,62062047)资助
云南省重大科技专项计划项目(202202AD080006)资助。
-
文摘
小龙虾优化算法(COA)是2023年提出的一种新型群智能优化算法,通过模拟小龙虾行为和温度调控来寻优.然而,COA存在多样性退化、探索能力不足、易陷入局部最优和寻优精度低等缺陷,为了解决这些问题,本研究提出了一种混沌累积差异增强的小龙虾优化算法(CE-COA).首先,通过引入Piecewise混沌映射初始化种群的位置,增加种群的多元性;其次,在避暑和竞争洞穴阶段,引入精英洞穴群体以避免算法陷入局部最优,并提升其寻找潜在解的能力;然后,在觅食阶段通过累积差异进食策略,充分考虑个体与食物的维度信息差异,进一步提高算法的寻优精度.在实验分析阶段通过使用CEC2022测试集和CEC2017的部分测试函数进行验证,使用定性分析、Wilcoxon秩和检验和Friedman检验评估算法性能,并在2个工程设计问题和无线传感器网络(WSN)节点覆盖问题上进行了算法的实效性验证.实验结果表明,CE-COA算法均取得了更好的实验效果.
-
关键词
小龙虾优化算法
混沌映射
累积差异
精英群体
无线传感器网络
-
Keywords
crawfish optimization algorithm
chaotic mapping
accumulative difference
elite group
wireless sensor network
-
分类号
TP301
[自动化与计算机技术—计算机系统结构]
-
-
题名基于改进小龙虾算法的区域遥感卫星星座优化
- 2
-
-
作者
何志谦
康会峰
夏广庆
周鹤
-
机构
北华航天工业学院航空宇航学院
河北省微纳卫星协同创新中心
大连理工大学航空航天学院
-
出处
《中国空间科学技术(中英文)》
北大核心
2025年第5期101-109,共9页
-
基金
国家自然科学基金(52075005)
河北省创新项目(SJMYF2022X18)。
-
文摘
针对区域遥感卫星星座设计中存在覆盖性能和星座成本之间的权衡问题,利用区域覆盖卫星星座和Walker星座的特点,建立了以平均重访时间短、卫星数量最少为目标函数的星座模型。涉及的优化变量包括卫星轨道高度、倾角、轨道面数量、每个轨道面的卫星数量和相位因子。针对传统算法求解卫星星座优化问题存在收敛速度慢和容易陷入局部最优等不足,提出了一种改进小龙虾优化算法IMOCOA(Improved Multi-objective Crayfish Optimization Algorithm),IMOCOA算法将折射反向学习策略融入种群初始化过程,以实现解的个体分布更均匀,以及在位置更新中引入非线性收敛因子的策略来提升全局寻优能力。通过ZDT(Zitzler-Deb-Thiele)系列多目标测试函数在收敛性和多样性两个方面的评价结果表明,IMOCOA算法优于NSGA-2、MOPSO和MSSA算法,其在IGD、GD和HV以及SP上的最优指标比其他三种算法分别提升了54.4%、78.7%、3.6%和27.3%,验证了IMOCOA算法相比其他三种算法在收敛速度、收敛稳定性和多样性上的优势。对目标区域遥感卫星星座优化设计中采用IMOCOA算法,求解在满足重访时间要求下卫星数量最少的问题,仿真结果表明选用3颗卫星可以实现对目标区域平均1.57 h重访覆盖,进一步验证了IMOCOA算法在求解此类问题上的有效性。针对仿真时间过长的问题,在以后的工作中可以考虑引入强化学习对模型进行训练并预测,从而提升优化效率,同时基于改进小龙虾优化算法的区域星座设计方法可为将来的低轨星座建设提供参考。
-
关键词
卫星星座
多目标优化
星座优化
小龙虾优化算法
区域遥感
-
Keywords
remote sensing satellite
multi-objective optimization
constellation optimization
crayfish optimization algorithm
regional remote sensing
-
分类号
V412.4
[航空宇航科学与技术—航空宇航推进理论与工程]
-
-
题名基于自适应MPC的风电场多场景无功电压控制策略
- 3
-
-
作者
蓝琨凯
王玮
杨健
王华
任鑫
-
机构
华北电力大学控制与计算机工程学院
中国华能集团清洁能源技术研究院有限公司
-
出处
《动力工程学报》
北大核心
2025年第8期1251-1260,共10页
-
基金
国家自然科学基金资助项目(U1766204)。
-
文摘
为提升风电场在面对外界不确定因素时的灵活性和电压稳定性,提出了一种基于自适应模型预测控制(MPC)的多场景无功电压优化控制策略。基于灵敏度矩阵建立了无功电压预测模型,针对风速预测信息给出评价指标并进行场景划分,以预测周期内多个时刻的电压偏差和有功损耗最小为控制目标,自适应调整各场景下的权重配比,实现滚动优化;使用小龙虾优化算法(COA)求解优化模型,得到无功优化调度方案;最后根据寻优结果和预测误差进行反馈校正。以我国“三北”地区某风电场为例进行仿真。结果表明:相较于传统开环控制和MPC控制下,所提策略下全天平均电压偏差分别降低82.46%和67.74%,从而验证了该控制策略的可行性和有效性。
-
关键词
风电场
无功电压优化
场景划分
自适应模型预测控制
小龙虾优化算法
-
Keywords
wind farm
reactive voltage optimization
scenario division
self-adaptive model predictive control
crayfish optimization algorithm
-
分类号
TM614
[电气工程—电力系统及自动化]
-
