【摘要】：隨著社會(huì)科技的高速發(fā)展,優(yōu)化問(wèn)題已成為學(xué)術(shù)界和工程界最為常見的問(wèn)題之一,傳統(tǒng)優(yōu)化方法已難以滿足具有高維、多峰、不可微特點(diǎn)的優(yōu)化問(wèn)題需求,而群智能優(yōu)化算法是一種高度模擬動(dòng)物行為的群體智能算法,對(duì)解決這一類復(fù)雜優(yōu)化問(wèn)題具有明顯優(yōu)勢(shì),受到了眾多學(xué)者的廣泛關(guān)注。人工蜂群算法作為群體智能優(yōu)化算法中較為新穎的一種,簡(jiǎn)單、高效,收斂性能良好,近年來(lái)發(fā)展迅速。但在收斂精度、全局最優(yōu)等方面還有較大的改進(jìn)空間,并且目前對(duì)多目標(biāo)人工蜂群算法的研究還相對(duì)較少,多目標(biāo)人工蜂群算法的應(yīng)用可進(jìn)一步拓展。因此,論文對(duì)基本人工蜂群算法進(jìn)行改進(jìn)以提高算法的收斂性能,提出一種新的多目標(biāo)人工蜂群算法,并將其應(yīng)用到風(fēng)電功率區(qū)間預(yù)測(cè)領(lǐng)域,具有積極的理論意義和較高的實(shí)用價(jià)值。論文對(duì)人工蜂群算法的國(guó)內(nèi)外研究現(xiàn)狀進(jìn)行了深入分析,詳細(xì)闡述了基本人工蜂群算法原理及特點(diǎn)。在此基礎(chǔ)上,進(jìn)行了以下創(chuàng)新性工作:通過(guò)改進(jìn)引領(lǐng)峰搜索策略、跟隨蜂的概率選擇函數(shù)以及偵查蜂的淘汰更新函數(shù),提出了一種基于信息反饋和改進(jìn)適應(yīng)度評(píng)價(jià)的人工蜂群算法。仿真結(jié)果表明,相比于基本人工蜂群算法,改進(jìn)后算法的收斂性能得到明顯提高。采用進(jìn)化知識(shí)混合引導(dǎo)引領(lǐng)蜂進(jìn)化,融合個(gè)體支配關(guān)系和種群分布關(guān)系改進(jìn)概率選擇公式,提出了一種基于進(jìn)化知識(shí)融合的多目標(biāo)人工蜂群算法。算法采用一種更為嚴(yán)格的外部檔案維護(hù)策略以降低外部檔案維護(hù)成本,提高解集的分布性能。通過(guò)與其他3種算法比較,表明本文所提出的多目標(biāo)人工蜂群算法具有良好的收斂性能和分布性能,且所求解集的覆蓋范圍更廣。最后,構(gòu)建了一種小波神經(jīng)網(wǎng)絡(luò)的風(fēng)電功率概率區(qū)間預(yù)測(cè)模型,采用一種區(qū)間多目標(biāo)智能優(yōu)化預(yù)測(cè)方法,并將其作為學(xué)習(xí)算法優(yōu)化小波神經(jīng)網(wǎng)絡(luò)的關(guān)鍵參數(shù)。結(jié)果表明構(gòu)建的多目標(biāo)人工蜂群算法優(yōu)化小波神經(jīng)網(wǎng)絡(luò)對(duì)風(fēng)電功率概率區(qū)間預(yù)測(cè)精度更高,可靠性更強(qiáng),可為電網(wǎng)調(diào)度提供決策依據(jù)。
【圖文】：

ABC算法相關(guān)文獻(xiàn)統(tǒng)計(jì);

ABC算法相關(guān)文獻(xiàn)統(tǒng)計(jì)
【學(xué)位授予單位】：江南大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2017
【分類號(hào)】：TP18;TM614

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 葛宇;梁靜;;一種多目標(biāo)人工蜂群算法[J];計(jì)算機(jī)科學(xué);2015年09期

2 江岳春;張丙江;邢方方;張雨;王志剛;;基于混沌時(shí)間序列GA-VNN模型的超短期風(fēng)功率多步預(yù)測(cè)[J];電網(wǎng)技術(shù);2015年08期

3 高珊;馬良;張惠珍;;基于人工蜂群算法的電子商務(wù)多Agent自動(dòng)談判模型[J];智能系統(tǒng)學(xué)報(bào);2015年03期

4 趙輝;李牧東;翁興偉;;分布式人工蜂群免疫算法求解函數(shù)優(yōu)化問(wèn)題[J];控制與決策;2015年07期

5 李國(guó)亮;魏振華;徐蕾;;分階段搜索的改進(jìn)人工蜂群算法[J];計(jì)算機(jī)應(yīng)用;2015年04期

6 薛禹勝;郁琛;趙俊華;Kang LI;Xueqin LIU;Qiuwei WU;Guangya YANG;;關(guān)于短期及超短期風(fēng)電功率預(yù)測(cè)的評(píng)述[J];電力系統(tǒng)自動(dòng)化;2015年06期

7 章國(guó)勇;伍永剛;張洋;代賢良;;一種風(fēng)電功率混沌時(shí)間序列概率區(qū)間簡(jiǎn)易預(yù)測(cè)模型[J];物理學(xué)報(bào);2014年13期

8 秦全德;程適;李麗;史玉回;;人工蜂群算法研究綜述[J];智能系統(tǒng)學(xué)報(bào);2014年02期

9 劉三陽(yáng);張平;朱明敏;;基于局部搜索的人工蜂群算法[J];控制與決策;2014年01期

10 張學(xué)清;梁軍;張熙;張峰;張利;徐兵;;基于樣本熵和極端學(xué)習(xí)機(jī)的超短期風(fēng)電功率組合預(yù)測(cè)模型[J];中國(guó)電機(jī)工程學(xué)報(bào);2013年25期

相關(guān)博士學(xué)位論文 前1條

1 張偉;人工蜂群混合優(yōu)化算法及應(yīng)用研究[D];浙江大學(xué);2014年

，

本文編號(hào)：2534362