随着大规模可再生能源的开发和应用,电网变得越来越庞大且复杂,如何保证大量不同控制器之间的协调是最值得关注的问题之一。利用微分博弈理论可以解决协同控制的问题。然而,传统算法难以求解带约束的微分博弈问题。此外,现有研究建立的...随着大规模可再生能源的开发和应用,电网变得越来越庞大且复杂,如何保证大量不同控制器之间的协调是最值得关注的问题之一。利用微分博弈理论可以解决协同控制的问题。然而,传统算法难以求解带约束的微分博弈问题。此外,现有研究建立的仿真模型几乎是线性的,不利于实际工程应用。针对上述问题,提出了一种基于加权果蝇优化算法(Weighting Fruit Fly Optimization Algorithm,WFOA)的协同进化算法来求解具有非线性约束的多区域频率协同控制模型。仿真结果表明,与协同进化遗传算法和协同多目标粒子群优化算法相比,该方法具有更好的控制效率,同时对系统出现的外部扰动变化及内部机组参数变动具有很好的鲁棒性。展开更多
提出了一种基于协同进化教与学优化(Co-evolutionary Teaching-and-Learning based Optimization,CTLBO)算法的二维最大熵多阈值分割方法。首先,给出了二维熵多阈值分割的最优化模型。然后,针对教与学优化(Teaching-and-Learning based ...提出了一种基于协同进化教与学优化(Co-evolutionary Teaching-and-Learning based Optimization,CTLBO)算法的二维最大熵多阈值分割方法。首先,给出了二维熵多阈值分割的最优化模型。然后,针对教与学优化(Teaching-and-Learning based Optimization,TLBO)算法存在的早熟收敛和停滞问题,提出了一种CTLBO算法,并将该算法应用于二维熵多阈值分割最优化模型的求解。该算法将整个班级分为多个子班级,每个子班级的学员同时向所有子班级的老师学习,从而提高种群多样性。此外,每隔一定的代数,各子班级的老师组成新的班级进行信息交流,从而提高收敛速度。最后,应用仿真实验对所提方法的有效性和可行性进行了验证。实验结果表明:与基于传统TLBO算法及其相关改进算法、粒子群算法的图像分割方法相比,所提方法具有更好的优化能力和分割性能。展开更多
文摘随着大规模可再生能源的开发和应用,电网变得越来越庞大且复杂,如何保证大量不同控制器之间的协调是最值得关注的问题之一。利用微分博弈理论可以解决协同控制的问题。然而,传统算法难以求解带约束的微分博弈问题。此外,现有研究建立的仿真模型几乎是线性的,不利于实际工程应用。针对上述问题,提出了一种基于加权果蝇优化算法(Weighting Fruit Fly Optimization Algorithm,WFOA)的协同进化算法来求解具有非线性约束的多区域频率协同控制模型。仿真结果表明,与协同进化遗传算法和协同多目标粒子群优化算法相比,该方法具有更好的控制效率,同时对系统出现的外部扰动变化及内部机组参数变动具有很好的鲁棒性。
文摘提出了一种基于协同进化教与学优化(Co-evolutionary Teaching-and-Learning based Optimization,CTLBO)算法的二维最大熵多阈值分割方法。首先,给出了二维熵多阈值分割的最优化模型。然后,针对教与学优化(Teaching-and-Learning based Optimization,TLBO)算法存在的早熟收敛和停滞问题,提出了一种CTLBO算法,并将该算法应用于二维熵多阈值分割最优化模型的求解。该算法将整个班级分为多个子班级,每个子班级的学员同时向所有子班级的老师学习,从而提高种群多样性。此外,每隔一定的代数,各子班级的老师组成新的班级进行信息交流,从而提高收敛速度。最后,应用仿真实验对所提方法的有效性和可行性进行了验证。实验结果表明:与基于传统TLBO算法及其相关改进算法、粒子群算法的图像分割方法相比,所提方法具有更好的优化能力和分割性能。
