检索范围:
排序: 展示方式:
智能电网中分布式经济调度研究进展:综述 Review Articles
温广辉1,余星火2,刘智伟3
《信息与电子工程前沿(英文)》 2021年 第22卷 第1期 页码 1-140 doi: 10.1631/FITEE.2000205
应用完备集合固有时间尺度分解和混合差分进化和粒子群算法优化的最小二乘支持向量机对柴油机进行故障诊断 Article
俊红 张,昱 刘
《信息与电子工程前沿(英文)》 2017年 第18卷 第2期 页码 272-286 doi: 10.1631/FITEE.1500337
Pedro A. Castillo Castillo Pedro M. Castro,Vladimir Mahalec
《工程(英文)》 2017年 第3卷 第2期 页码 188-201 doi: 10.1016/J.ENG.2017.02.005
改进的动态灰狼优化算法 Research Articles
张小青1,2,张玉叶1,明正峰2
《信息与电子工程前沿(英文)》 2021年 第22卷 第6期 页码 887-890 doi: 10.1631/FITEE.2000191
王先甲,万仲平
《中国工程科学》 2005年 第7卷 第2期 页码 35-40
时间—资源权衡协调是以追求资源消耗费用极小和项目完工时间最短为目标,在满足项目工期要求下,根据项目活动时间的先后次序与可更新资源约束有效确定项目时间表。提出了一个具有资源约束问题的时间—资源权衡协调问题的多目标优化决策数学模型。在模型中,对相互冲突的项目工期与整个被消耗的资源费用是可权衡调节的。
刘云忠,宣慧玉
《中国工程科学》 2005年 第7卷 第12期 页码 35-40
蚁群算法是近年来新出现的一种随机型搜索寻优算法。自从在旅行商等著名问题中得到富有成效的应用之后,已引起人们越来越多的关注和重视。将这种新型的生物优化思想扩展到物流管理中的带时间窗车辆路径问题,设计了一种动态蚁群算法,从数值计算上探索了这种新型蚁群算法的优化能力,获得了满意的效果。
关键词: 蚁群算法 带时间窗车辆路径问题 物流管理 动态
林剑艺,程春田,顾妍平,武新宇
《中国工程科学》 2007年 第9卷 第10期 页码 80-82
提出求解水库优化调度问题的Pareto强度值SCE-UA算法,该方法将水库优化调度的约束优化问题转换成两个目标函数的无约束优化问题,一个为原问题的目标函数,另一个为违反约束条件的程度函数;对上述两个目标函数组成的向量个体,利用Pareto 优于关系和个体Pareto 强度值概念,实现个体的优劣比较和群体的优劣排序,在此基础上使用 SCE-UA算法求解。这种算法不需要人工处理罚函数,具有较强的通用性、稳定性及更好的搜索性能。
钟登华,熊开智,成立芹
《中国工程科学》 2003年 第5卷 第9期 页码 22-26
遗传算法是通过对样本中个体的不断改进来寻找各类问题的最优解。由于标准遗传算法(SGA)存在收敛性及个体适应度求解方面的困难,在研究中,通过对SGA中遗传算子改进,特别是对选择算子的改进,提出了一种改进遗传算法(AGA),并将它应用于水库优化调度中。改变通常以水位变化序列为基础的遗传算法编码方案,通过数组存储水库库容状态,并以各库容状态对应的数组下标为基础进行遗传算法编码,通过实例,表明AGA对水库优化调度问题具有良好的适应性,同时结合数组存储理论的遗传算法编码方法简化了水库优化调度遗传算法的实现过程
认知中继三跳网络联合优化 Article
澄 赵,万良 王,信威 姚,双华 杨
《信息与电子工程前沿(英文)》 2017年 第18卷 第2期 页码 253-261 doi: 10.1631/FITEE.1601414
高尚,杨静宇
《中国工程科学》 2006年 第8卷 第11期 页码 94-98
经典的粒子群是一个有效的寻找连续函数极值的方法,结合遗传算法的思想提出的混合粒子群算法来解决背包问题,经过比较测试,6种混合粒子群算法的效果都比较好,特别交叉策略A和变异策略C的混合粒子群算法是最好的且简单有效的算法对于目前还没有好的解法的组合优化问题,很容易地修改此算法就可解决。
董前进,曹广晶,王先甲,戴会超,赵云发
《中国工程科学》 2010年 第12卷 第1期 页码 81-85
介绍了粒子群算法的标准算法及流程,探讨了粒子群算法在水库优化调度、水电站经济运行、参数优选等水文领域中的研究成果和存在的问题,指出未来应该加强粒子群算法改进机理和收敛性能的研究,并与其他算法技术相比较、结合,拓展其在水文科学领域的应用范围,为解决水文领域中大量优化问题提供新途径。
碳配额市场下以乙醇胺溶液进行碳捕集的电厂的优化竞标和运行:基于强化学习的Sarsa时间差分算法的解决
李子昂, 王美宏, 丁正桃
《工程(英文)》 2017年 第3卷 第2期 页码 257-265 doi: 10.1016/J.ENG.2017.02.014
对于处在碳配额市场条件下以乙醇胺(MEA) 进行碳捕集的燃煤电厂,本文应用了基于强化学习的Sarsa 时间差分算法为其自行搜寻一种统一的竞标和运行策略。第一个案例中,我们展示了Sarsa 算法将收敛到一个确定且优化的竞标和运行策略。第二个案例中,相互独立设计的运行和竞标策略与统一设计的运行和竞标策略相互比较,以表明加入了随时间变化、市场导向的碳捕集水平后,Sarsa 算法将有助于电厂决策者获得更高的贴现累计利润。比较两家电厂的贴现累计利润,结果表明:采用Sarsa 学习算法、找到统一的竞标和运行策略的原电厂会更具竞争力。
廖莉,林家恒,张承慧
《中国工程科学》 2002年 第4卷 第9期 页码 54-58
标题 作者 时间 类型 操作