-
题名梯度DPSO算法在舰船电力通信网络规划中的应用
被引量：3
- 1
-
-
作者
魏焕新
胡招娣
-
机构
湖南机电职业技术学院信息工程学院
-
出处
《舰船科学技术》
北大核心
2020年第8期64-66,共3页
-
文摘
为了降低舰船电力通信网络的故障率和网损量,将梯度DPSO算法应用到舰船电力通信网络规划方法中,实现对网络规划方法的优化。根据舰船电力通信网络的运行特点,搭建对应的规划模型,并确定模型的目标函数与约束条件。在该模型下应用梯度DPSO算法实现对模型的离散化处理,通过分配网络资源,分别从网络的传输网与业务网2个方面,实现对电力通信网络的规划。为了验证梯度DPSO算法的应用性能设计实验并得出结论:通过梯度DPSO算法的应用网络规划结果的故障率降低了62.5%,同时网损量减少了17.8%。
-
关键词
梯度dpso算法
电力通信
通信网络
网络规划
-
Keywords
gradient dpso algorithm
electric power communication
communication network
network planning
-
分类号
TP273.5
[自动化与计算机技术—检测技术与自动化装置]
-
-
题名基于DPSO算法的并行测试任务调度
被引量：4
- 2
-
-
作者
王荣芝
陈晓
-
机构
呼伦贝尔学院计算机科学与技术学院
中国航天科技集团第八〇三研究所
-
出处
《中国测试》
CAS
北大核心
2014年第3期101-104,共4页
-
基金
国家社科基金西部项目(11XTQ009)
内蒙古自治区自然科学基金项目(2011BS0905)
-
文摘
为解决并行测试任务调度复杂、难以优化的难题,利用惯性因子动态调整的粒子群算法(dynamic particle swarm optimization,DPSO)建立任务间存在约束关系的并行测试任务调度模型,给出模型求解算法,并通过仿真实验验证该模型的有效性和DPSO算法应用于并行测试任务调度的可行性。
-
关键词
并行测试
dpso算法
约束关系
任务调度
-
Keywords
parallel test
dpso
constraint
task scheduling
-
分类号
TN911.7
[电子电信—通信与信息系统]
TP274.4
[自动化与计算机技术—检测技术与自动化装置]
-
-
题名基于DPSO算法的黑启动负荷恢复方案
被引量：1
- 3
-
-
作者
陈海燕
李文云
顾雪平
-
机构
华北电力大学云南电网公司研究生工作站
云南电力调度中心
华北电力大学电力系统保护与动态安全监控教育部重点实验室
-
出处
《南方电网技术》
2011年第A01期89-93,共5页
-
文摘
为了科学、合理制定负荷恢复方案，通过研究负荷恢复特性，提出了一种基于DPSO算法的负荷恢复算法。该方法对指定的目标节点进行负荷恢复计算，使得负荷恢复具有更强的针对性、适应性和可操作性。通过经典电网模型和实际运行电网的验证，结果表明了算法有效性。
-
关键词
黑启动
负荷恢复
dpso算法
动态潮流
-
Keywords
black start
load restoration
dpso algorithm
dynamic power flow
-
分类号
TM711.2
[电气工程—电力系统及自动化]
-
-
题名一种惯性权重动态调整的新型粒子群算法
被引量：49
- 4
-
-
作者
刘建华
樊晓平
瞿志华
-
机构
中南大学信息科学与工程学院
-
出处
《计算机工程与应用》
CSCD
北大核心
2007年第7期68-70,共3页
-
文摘
在简要介绍基本PSO算法的基础上,提出了一种根据不同粒子距离全局最优点的距离对基本PSO算法的惯性权重进行动态调整的新型粒子群算法(DPSO),并对新算法进行了描述。以典型优化问题的实例仿真验证了DPSO算法的有效性。
-
关键词
粒子群算法(PSO算法)
全局最优性
动态粒子群算法(dpso)
收敛性
-
Keywords
Particle Swarm Optimization（PSO）
global optimality
dpso
convergence
-
分类号
TP18
[自动化与计算机技术—控制理论与控制工程]
-
-
题名废水中和过程的RBF神经网络预测控制
被引量：6
- 5
-
-
作者
周洪煜
梁东义
周松杰
-
机构
重庆大学动力工程学院
商丘裕东发电厂
-
出处
《控制工程》
CSCD
北大核心
2014年第1期79-83,共5页
-
基金
重庆市科委重大科技攻关项目(CSTC2009AB108)
-
文摘
废水中和过程有较强的非线性、时变性和滞后特性,对于过程模型的辨识与控制较为困难,采用常规的线性化模型或传统PID控制方法存在模型过于复杂,算法难以在线实施,控制精度不能保证等问题,很难取得满意的控制效果、针对该问题,应用酸碱中和的强酸当量模型,提出了一种基于敏感度(Sensitivity Analysis,SA)和动态粒子群优化算法(Dynamic Particle Swarm Optimization,DPSO)相结合的RBF神经网络模型辨识方法,通过调整网络结构和辨识出系统的滞后时间来提高模型辨识效率和预测精度,将RBF神经网络辨识器与神经网络控制器相结合构成电厂废水处理pH中和过程的预测控制系统。经过仿真研究和试验验证,与电厂实际应用的PID控制方法相比较,该方法能有效地对pH值进行控制,并实现较小的控制误差和节约药剂的效果。
-
关键词
迟延系统
pH中和
SA—dpso算法
模型辨识
预测控制
RBF神经网络
-
Keywords
delay system
pH Neutralization
SA - dpso algorithm
model identification
predictive control
RBFNN （ RBF neuralnetuork）
-
分类号
TP27
[自动化与计算机技术—检测技术与自动化装置]
-
-
题名废旧汽车再制造逆向物流网络模型优化
被引量：7
- 6
-
-
作者
董贵颖
胡坚堃
黄有方
-
机构
上海海事大学物流科学与工程研究院
-
出处
《上海海事大学学报》
北大核心
2018年第1期60-66,共7页
-
基金
国家自然科学基金(41505001)
上海市科学技术委员会科研计划(14DZ2280200)
-
文摘
针对市场对汽车再制造产品的需求不确定和再制造设施投入成本高的问题,引入多等级设施、市场需求率和回收率,通过对废旧汽车再制造逆向物流网络涉及到的各项成本和收入进行权衡,建立一个以收益最大为目标的混合整数规划模型,并用离散粒子群优化算法对模型进行求解,确定再制造物流网络中各设施的数量、位置和等级,以及各设施间的物流量分配。对市场需求率、回收率、设施能力等参数进行灵敏度分析,研究各参数对网络模型的影响。通过仿真实例验证模型和算法的有效性。
-
关键词
再制造物流
逆向物流
网络设计
设施能力
市场需求
离散粒子群优化(dpso)算法
-
Keywords
remanufacturing logistics
reverse logistics
network design
facility capacity
market demand
discrete particle swarm optimization(dpso)algorithm
-
分类号
F253.9
[经济管理—国民经济]
-
