智能优化算法
文章平均质量分 94
一些智能优化算法的matlab实现
配电网和matlab
电气专业打工人,一枚业余的matlab选手
展开
-
开源代码分享(30)-肺部性能优化算法(Lungs performance-based optimization, LPO)
本文介绍了基于肺功能的优化算法(LPO),这是一种新颖高效的算法,灵感来源于人体肺部智能高效的表现。LPO从呼吸系统复杂的机制和可适应性中汲取灵感。肺部在氧气交换方面表现出卓越的效率,展示了其在功能优化方面的高水平。强制振荡技术测量空气压力和气流速率,评估呼吸系统作为电阻抗。阻抗曲线有两个明显的组成部分,呼吸系统阻力(ZR)和呼吸系统反抗(ZX),这可以从临床和工程角度来分析,以深入了解呼吸系统的运作方式。LPO旨在通过模拟和利用这种自然效率,提供解决复杂优化问题的创新方法。原创 2024-05-23 12:18:10 · 1012 阅读 · 0 评论 -
多目标遗传算法(NSGAⅢ)的原理和matlab实现
非支配排序遗传算法(Non-dominatedSorting Genetic Algorithms,NSGA)是最经典的多目标优化算法之一,在NSGA算法的基础上,目前已经更新了NSGA-Ⅱ和NSGA-Ⅲ两种算法。这篇博客主要对NSGA-Ⅲ算法的原文献进行解读,重点介绍NSGA-Ⅲ算法的实现原理。原创 2024-05-16 18:41:43 · 5703 阅读 · 2 评论 -
(文章复现)分布式电源选址定容的多目标优化算法
在综合考虑网损、电压质量和电流质量 3 个指标的基础上,建立了分布式电源选址定容的多目标决策模型,并提出了一种改进多目标微分进化算法(improved differential evolution for multiobjective optimization,IDEMO)。该算法引入混沌搜索策略以提高初始种群利用率,采用控制参数调整策略以克服算法对控制参数依赖性强的缺点,利用动态拥挤距离排序策略使得帕累托解集分布更加均匀,从而为最终决策提供了优良的候选方案。原创 2024-04-16 22:51:22 · 1893 阅读 · 0 评论 -
(文章复现)基于改进秃鹰算法的微电网群经济优化调度研究
传统优化算法相较于智能优化算法在求解微电网群优化调度问题中较难寻出可行解或最优解,对此提出一种基于融合反向学习和柯西变异改进的秃鹰算法(IBES),在秃鹰搜索空间猎物阶段采用融合反向学习和柯西变异策略,使得秃鹰算法有效跳出局部最优,解决算法求解精度低等问题。通过与粒子群算法(PSO)、麻雀算法(SSA)、鲸鱼算法(WOA)进行对比,仿真结果表明IBES寻优精度更高,可有效减少微电网群系统的经济成本。原创 2024-04-08 21:58:23 · 2081 阅读 · 1 评论 -
开源代码分享(17)-基于足球队训练算法(Football Team Training Algorithm,FTTA)的组合风速预测
足球队训练算法(Football team training algorithm,FTTA)是一种全新的元启发式优化方法,其灵感来源于足球队中球员集体训练课的安排与进步过程。该算法通过配合模拟足球课,分阶段训练球员,提高球员的能力,通过模拟足球队的训练模式,不断提高算法的收敛能力,最终得到全局最优解。FTTA具有进化能力强、搜索速度快、寻优能力强的特点。这一成果由Tian等人于2024年发表在中科院1区顶级SCI期刊《Engineering Applications of Artificial Intell原创 2024-04-03 15:16:39 · 1165 阅读 · 0 评论 -
遗传算法决策变量降维的matlab实现
在现实生活中,实际问题很难用线性模型进行描述。神经网络的出现大大降低了模型建立的难度和工作量。只需将神经网络看成是一个黑箱子,根据输入与输出数据,神经网络依据相关的学习规则,便可以建立相应的数学模型。但是,当数学模型的输人自变量(即影响因素)很多,输人自变量之间不是相互独立时,利用神经网络容易出现过拟合现象,从而导致所建立的模型精度低,建模时间长等问题。因此,在建立模型之前,有必要对输入自变量进行优化选择,将冗余的一些自变量去掉,选择最能反映输入与输出关系的自变量参与建模。原创 2023-08-28 22:26:36 · 727 阅读 · 0 评论 -
粒子群算法的基本原理和Matlab实现
粒子群优化算法(Particle Swarm Optimization,PSO)是计算智能领域,除了蚁群算法,鱼群算法之外的一种群体智能的优化算法,该算法最早是由Kennedy和 Eberhart 在1995年提出的。PSO算法源于对鸟类捕食行为的研究,鸟类捕食时,每只鸟找到食物最简单有效的方法就是搜寻当前距离食物最近的鸟的周围区域。原创 2023-08-27 22:20:50 · 1416 阅读 · 0 评论 -
思维进化算法(MEA)优化BP神经网络
针对EC存在的问题,孙承意等人于1998年提出了思维进化算法(Mind Evolutionary Al-gorithm,MEA)。本章将详细介绍思维进化算法的基本思想,并结合非线性函数拟合实例,在MATLAB环境下实现思维进化算法。原创 2023-08-20 22:32:52 · 1709 阅读 · 0 评论 -
(文章复现)基于灰狼算法(GWO)的交直流混合微网经济调度matlab代码
交直流混合微电网运行方式分为孤岛运行方式和并网运行方式,在本次研究中主要考虑并网情况下交直流混合微电网的经济优化调度。交直流混合微电网分为交流侧和直流侧,交流侧与外部大电网互联。交流侧包含交流母线、交流微电源和交流负荷; 直流侧包含直流母线、直流微电源和直流负荷。原创 2023-08-12 20:37:31 · 935 阅读 · 0 评论 -
粒子群算法运行太慢怎么办?—修改一下就能提速94%
不管是初学者还是精通智能优化算法(粒子群算法,遗传算法等)的朋友,相信你们都对智能优化算法运行之慢深有体会,对于比较复杂的问题,经常出现运行一次几小时,调试一次几小时的情况。调试了这么多年代码,智能优化算法对我来说算是老朋友了,平时也积累了一些提高智能优化算法运行效率的办法,在此分享给大家。原创 2023-08-09 00:30:31 · 2674 阅读 · 2 评论 -
(文章复现)建筑集成光储系统规划运行综合优化方法matlab代码
参考文献:[1]陈柯蒙,肖曦,田培根等.一种建筑集成光储系统规划运行综合优化方法[J].中国电机工程学报,2023,43(13):5001-5012.本文建立的双层耦合模型内、外层分别对应求解容量配置与能量调度问题。外层模型设置光伏与储能容量备选集并将容量配置组合传递给内层,内层模型求解当前容量组合下经济性最优的能量调度结果与日运行收益并反馈给外层。外层模型计及BIPV 系统全寿命周期成本与效益,以投资回收期最短为目标函数,优化光伏与储能的容量配置。原创 2023-08-06 17:52:12 · 995 阅读 · 5 评论 -
基于遗传算法和非线性规划的函数寻优算法(matlab实现)
群体中的每个个体代表问题的一个解,称为染色体,染色体的好坏用适应度值来衡量,根据适应度的好坏从上一代中选择一定数量的优秀个体,通过交叉、变异形成下一代群体。经过若干代的进化之后,算法收敛于最好的染色体,它即是问题的最优解或次优解。其中,种群初始化模块根据求解问题初始化种群,适应度值计算模块根据适应度函数计算种群中染色体的适应度值,选择、交叉和变异为遗传算法的搜索算子,N为固定值,当进化次数为N的倍数时,则采用非线性寻优的方法加快进化,非线性寻优利用当前染色体值采用函数fmincon寻找问题的局部最优值。原创 2023-05-22 15:39:02 · 2456 阅读 · 0 评论 -
基于量子遗传算法的函数寻优算法(matlab实现)
在每一次迭代中,首先对种群进行测量,以获得一组确定解P(t),然后计算每个解的适应度值,再根据当前的演化目标和事先确定的调整策略,利用量子旋转门对种群中的个体进行调整,获得更新后的种群,记录下当前的最优解,并与当前的目标值进行比较,如果大于当前目标值,则以新的最优解作为下一次迭代的目标值,否则保持当前的目标值不变。量子遗传算法建立在量子的态矢量表示的基础之上,将量子比特的几率幅表示应用于染色体的编码,使得一条染色体可以表达多个态的叠加,并利用量子逻辑门实现染色体的更新操作,从而实现了目标的优化求解。原创 2023-05-27 12:18:43 · 2128 阅读 · 3 评论 -
matlab遗传算法工具箱
遗传算法工具箱提供了一种求解非线性、多模型、多目标等复杂系统优化问题的通用框架,它不依赖问题的具体领域,对问题的种类具有很强的鲁棒性,所以它广泛应用于各个科学领域。遗传算法在函数优化、组合优化、生产调度、自动控制﹑机器人学﹑图像处理、人工生命、遗传编码和机器学习等方面得到了广泛运用。原创 2023-05-21 13:13:07 · 11065 阅读 · 2 评论 -
多种群遗传算法的函数优化算法(matlab实现)
在遗传算法的基础上,MPGA将SGA算法结构进行了扩展,引入了多个种群同时对解空间进行协同搜索,兼顾了算法全局搜索和局部搜索能力的均衡,大大降低了遗传控制参数的不当设定对规划结果的影响,对抑制未成熟收敛的发生有明显的效果。(1)选择操作是根据当前群体中个体的适应度值所决定的概率进行的,当群体中存在个别超常个体时(该个体的适应度比其他个体高得多),该个体在选择算子作用下将会多次被选中,下一代群体很快被该个体所控制,群体中失去竞争性,从而导致群体停滞不前。不同的种群赋以不同的控制参数,实现不同的搜索目的。原创 2023-05-26 08:15:26 · 1573 阅读 · 3 评论 -
基于遗传算法的BP神经网络优化算法(matlab实现)
1 理论基础1 理论基础1.1 BP神经网络概述BP网络是一类多层的前馈神经网络。它的名字源于在网络训练的过程中,调整网络的权值的算法是误差的反向传播的学习算法,即为BP学习算法。BP算法是Rumelhart等人在1986年提出来的。由于它的结构简单,可调整的参数多,训练算法也多,而且可操作性好,BP神经网络获得了非常广泛的应用。据统计,有80??90??神经网络模型都是采用了BP网络或者是它的变形。BP网络是前向网络的核心部分,是神经网络中最精华、最完美的部分。原创 2023-05-23 15:49:55 · 3227 阅读 · 1 评论 -
双层优化入门(3)—基于智能优化算法的求解方法(附matlab代码)
除了数学规划方法之外,还可采用智能优化算法求解双层优化问题,一般在上层优化中采用智能优化算法,下层优化使用数学规划方法;也可以在上下层优化中都采用智能优化算法,这篇博客将进行详细介绍。算例依旧使用上面两篇博客中的线性双层优化问题,由于这个优化问题比较简单,我们采用最基础的粒子群算法进行求解。。原创 2023-05-12 21:17:13 · 7473 阅读 · 7 评论 -
基于遗传算法的TSP算法(matlab实现)
对于n个城市的TSP问题,染色体分为n段,其中每一段为对应城市的编号,如对10个城市的TSP问题{1,2,3,4,5,6,7,8,9,10},则|1|10|2|4|5|6|8|7|9|3就是一个合法的染色体。否则,结束遗传操作。TSP问题并不仅仅是旅行商问题,其他许多的NP完全问题也可以归结为TSP问题,如邮路问题、装配线上的螺母问题和产品的生产安排问题等,使得TSP问题的有效求解具有重要的意义。|kn|为一个采用整数编码的染色体,Dkikj为城市ki到城市kj的距离,则该个体的适应度为。原创 2023-05-24 23:15:34 · 4168 阅读 · 2 评论 -
基于遗传算法的LQR控制器优化设计(matlab实现)
由于高斯白噪声有一定的随机性,即使在相同的M、N和P取值下,每次得到的噪声信号也是不一样的。在以上GA_LQR函数中,首先根据单轮车辆模型参数计算图5-3中的矩阵A、B、C、D、G,再产生高斯白噪声输入,接着按式(5-13)计算最优控制反馈增益矩阵K,然后将以上矩阵输入工作空间,供遗传算法调用,再接着运行Simulink模型,其中得到的y1、y2、y3对应于图5-3中的输出端口1、2、3,最后根据得到的y1、y2、y3求BA、SWS、DTD,并按式(5-14)计算适应度函数值。若不满足,则转至步骤(4)。原创 2023-05-25 15:55:12 · 3581 阅读 · 3 评论 -
基于粒子群算法的多目标搜索算法(matlab实现)
初始筛选非劣解集是指在粒子初始化后,当一个粒子不受其他粒子支配(即不存在其他粒子的Px,Rx,均优于该粒子)时,把粒子放入非劣解集中,并且在粒子更新前从非劣解集中随机选择一个粒子作为群体最优粒子。然而,由于多目标优化问题的各个目标之间往往是相互冲突的,在满足其中一个目标最优的同时,其他的目标往往可能会受其影响而变得很差。粒子最优包括个体最优粒子和群体最优粒子,其中个体最优粒子的更新方式是从当前新粒子和个体最优粒子中选择支配粒子,当两个粒子都不是支配粒子时,从中随机选择一个粒子作为个体最优粒子。原创 2023-05-29 09:55:39 · 1080 阅读 · 0 评论 -
基于遗传算法的多目标优化算法(matlab实现)
接着进行的是前端中的拥挤距离计算。①根据设定的系数ParetoFraction计算第一前端中允许保留的个体数目,按照一定的公式计算其余前端中允许保留的个体数目,则某前端中保留的个体数目为min{允许保留的个体数目,现存的个体数目},也就是说,对于第一前端,所设定的系数ParetoFraction直接决定了该前端中允许保留的个体数目,当允许保留的个体数目小于前端中现存的个体数目时,系数ParetoFraction所决定的允许保留的个体数目对该前端中保留的个体数目有限制作用,对于其他前端,也有类似思想。原创 2023-05-28 10:36:04 · 14633 阅读 · 2 评论 -
(文章复现)《基于改进教与学算法的配电网无功优化》(含matlab代码)
在解决配电网无功优化问题中,智能启发式算法得到了广泛应用。采用了教与学优化算法求解含分布式电源的配电网无功优化问题。现将精英策略引入教与学算法,改进了该算法的搜索能力,提高了求解的稳定性。以有功网损最小为目标建立了无功优化模型,并基于改进的IEEE 33母线配电网系统进行仿真计算,结果验证了基于精英策略改进的教与学算法具有更强的收敛性和鲁棒性,能获得更好的优化结果。原创 2023-04-27 13:49:53 · 469 阅读 · 0 评论 -
多目标粒子群算法(MOPSO)的原理和matlab实现
初学者面对多目标优化问题可能比较困难,写下这篇博客记录一下自己学习的心得,希望能和大家一起交流学习。采用粒子群求单目标优化问题的原理很好理解,就是通过对粒子群的速度和位置不断来更新粒子群的最优适应度(也就是目标函数),达到寻优的目的。但是多目标优化问题就比较难办了,由于目标函数有多个,如果同样使用粒子群算法,那么适应度怎么设置?怎么确定全体最优的粒子?这些问题都是比较棘手的。原创 2022-11-10 11:51:13 · 19092 阅读 · 22 评论 -
基于改进二进制粒子群算法的配电网重构(matlab实现)
以一种改进二进制粒子群算法为例,进行配电网的重构研究。目标函数为配电网有功网损最小,可自行修改为其他函数。传统二进制粒子群算法容易陷入局部最优。针对这一问题,从两个方面进行改进:1.初始化和更新粒子时考虑配电网拓扑约束以缩小粒子搜索范围,增强算法收敛能力;2.加入变异的机制。...原创 2022-05-07 21:32:44 · 3143 阅读 · 2 评论 -
(含源码)万有引力搜索算法(GSA)的matlab实现
引力搜索算法将所有粒子当作有质量的物体,能够作无阻力运动。每个粒子会受到解空间中其它粒子的万有引力的影响,并产生加速度向质量更大的粒子运动。由于粒子的质量与粒子的适度值相关,适度值大的粒子其质量也会更大,因此,质量小的粒子在朝质量大趋近的过程中逐渐逼近优化问题中的最优解。本文基于matlab编程实现了引力搜索算法,并在5个不同的测试函数进行算法性能的测试,将迭代的过程可视化呈现。.........原创 2022-05-27 00:03:19 · 3883 阅读 · 0 评论 -
(含源码)麻雀搜索算法(SSA)的原理和matlab实现
研究表明,圈养的麻雀存在两种不同类型:发现者和加入者。发现者在种群中负责寻找食物并为整个麻雀种群提供觅食区域和方向,而加入者则是利用发现者来获取食物。在生活中我们仔细观察会发现,当群体中有麻雀发现周围有捕食者时,此时群体中一个或多个个体会发出啁啾声,一旦发出这样的声音整个种群就会立即躲避危险,进而飞到其它的安全区域进行觅食。这样的麻雀被称为警觉者。麻雀搜索算法就是利用麻雀的这种生物特性进行迭代寻优的优化算法。...原创 2022-06-22 12:22:55 · 20146 阅读 · 9 评论