吴沛锋
- 作品数：8 被引量：50H指数：4
- 供职机构：东北大学流程工业综合自动化国家重点实验室更多>>
- 发文基金：国家自然科学基金更多>>
- 相关领域：自动化与计算机技术更多>>
- 一种全局和声搜索算法及在PID控制中的应用被引量：9
- 2010年
- PID控制受到H∞多性能标准的限制,是一类约束优化问题.引入了一种全局和声搜索算法(GHS)以解决PID控制问题.由于使用了位置更新和小概率的变异,GHS算法具有很强的收敛性和跳出局部最优的能力.通过结合GHS算法和一种罚函数法来处理目标和约束之间的矛盾.实验结果表明,GHS算法在解决PID控制问题上具有很强的解空间开发能力,它所获得的解要好于文献中所报道的解.
- 邹德旋高立群吴沛锋吴建华
- 关键词：PID控制
- 修正的差分进化算法在系统可靠性中的应用被引量：2
- 2011年
- 提出了一种修正的差分进化算法(MDE)以解决4种系统可靠性问题,它们分别为串联系统、复杂(桥)系统、串并联系统和超速保护系统。MDE算法对DE算法的变异操作进行了一种有效的改进,使得所有解向量以递增的概率朝全局最优解方向移动。另外,罚函数法被用来处理目标函数值和资源约束之间的关系。相应地,通过结合MDE算法和罚函数法以获得令人满意的可行解。实验结果表明,MDE算法所获得的4种系统的可靠性都要好于文献中所报道的结果,分别为0.931682、0.999889 63、0.999976 65和0.999955。
- 吴沛锋高立群邹德旋
- 关键词：系统可靠性罚函数法
- 混合差分进化-和声搜索算法在结构工程中的应用被引量：8
- 2010年
- 为了增强HS算法跳出局部最优的能力,将差分进化算法(DE)的变异和交叉引入到了HS算法中.这种改进的HS算法被称为混合差分进化-和声搜索(HDEHS),它既具有很强的收敛性,又能有效地防止自身陷入局部最优.实验结果表明,与文献中算法比较,HDEHS算法在解决结构工程优化问题中能够找到更好的解,它是解决结构工程优化问题的一个有效的选择.
- 邹德旋高立群吴建华吴沛锋
- 关键词：和声搜索算法差分进化算法
- 自适应和声搜索算法在结构工程设计中的应用被引量：7
- 2012年
- 提出了一种自适应和声搜索(adaptire harmony search,AHS)算法来解决结构工程设计问题。AHS算法包含2种重要的操作,分别是位置更新和变异操作。前者能够使非最优解快速地朝着全局最优解移动,这有助于提高AHS算法的收敛速度;后者能够增加种群的随机性和多样性,这有助于增强AHS算法跳出局部最优点的能力。由于采用了以上2种操作,AHS法具有很强的收敛性和空间开发能力。实验结果表明,与已有算法比较,AHS算法在解决结构工程优化问题中能够找到更好的解,它是解决结构工程优化设计的一个有效的算法。
- 吴沛锋高立群周翔赵冬力
- 基于变异策略的粒子群算法被引量：18
- 2010年
- 在研究粒子群算法的特点之后,将变异因子融入到粒子群算法之中,提出了一种带有变异策略的粒子群算法(MPSO).该变异因子可以提高算法对解空间的开发能力,从而降低了粒子群算法陷入局部最优的可能性.实验结果表明,经过对4个无约束问题、1个高维线性约束问题以及1个实际应用问题的测试,带有变异策略的粒子群算法可以成功地解决高维无约束问题和带有线性约束的高维问题.实验结果也表明,MPSO算法具有很强的收敛性和稳定性,是一种很有前途的优化算法.
- 高立群吴沛锋邹德旋
- 关键词：粒子群算法早熟
- 一种改进的粒子群优化算法被引量：3
- 2011年
- 提出一种改进的粒子群算法(EDAPSO).这种改进算法结合分布估计算法的探索能力和粒子群算法的开发能力.首先利用EDAPSO算法解决无约束的问题,并且比较EDAPSO算法与其他三种经典的粒子群算法的结果.无约束问题的实验结果表明:EDAPSO算法可以找到更好的解,并且稳定性更高.然后EDAPSO算法被用来解决含有13个单元的电力系统的负荷经济分配问题.实验结果表明:EDAPSO算法所获得的解比近期文献所报道的解好.
- 吴沛锋高立群邹德旋依玉峰
- 关键词：粒子群算法分布估计算法无约束问题
- 基于网格优化粒子群算法的研究
- 粒子群优化算法是1995年提出的一种较为新颖的智能优化算法,同时具有迭代进化和群体智能的特点。粒子群算法的优化原理并不是像遗传算法那样依靠个体的进化来实现优化,而是通过模拟生物群体的社会行为来进行优化的智能优化算法。
...
- 吴沛锋
- 关键词：粒子群算法网格
- 文献传递
- 改进的差分进化算法在工作分配中的应用被引量：4
- 2010年
- 提出了一种改进的差分进化算法(IDE)以解决工作分配.它修正了DE算法的两个重要的参数:尺度因子和交叉率.尺度因子根据所有解向量的目标函数值而自适应地调整,交叉率随着迭代次数的增加而动态地调整.通过结合这两种参数,不仅增加了候选解的多样性,还增强了本算法的解空间开发能力.实验表明,在解决工作分配上,IDE算法比其他三种DE算法具有更强的收敛性和稳定性.
- 吴沛锋高立群邹德旋
- 关键词：差分进化算法交叉率
