Jornal Internacional de Swarm Intelligence e Computação Evolutiva

Abstrato

Redução real da perda de energia através de um enxame de vermes brilhantes melhorado, desenvolvimento cognitivo, buraco negro e algoritmos de morcego melhorados

Kanagasabai Lenine

Este artigo propõe um algoritmo melhorado de otimização de enxame de vermes brilhantes (IGSO), algoritmo de otimização de desenvolvimento cognitivo (CDO), algoritmo de buraco negro (BHA) e algoritmo de morcego com combinação de numerosos esquemas (BACS) para resolver o problema de potência reativa ideal. O algoritmo de otimização por enxame de pirilampos (GSO) é um novo algoritmo que estimulou o comportamento de emissão de luz dos pirilampos para atrair presas. O algoritmo GSO tem limitação na pesquisa global, falha na computação de precisão e muitas vezes cai no ótimo local. De forma a ultrapassar as deficiências do GSO acima referidas, este trabalho apresenta um algoritmo GSO melhorado, para resolver o problema. Algoritmo de otimização de enxame de pirilampos incorporado na mutação híbrida paralela que une a mutação de distribuição uniforme com a mutação de distribuição gaussiana. No algoritmo proposto (IGSO), o comprimento do passo móvel dinâmico é implementado para cada indivíduo. Quando a posição inalterada em qualquer geração, é aplicada a variação da distribuição normal ao pirilampo. De seguida, neste artigo, algoritmo de Otimização de Desenvolvimento Cognitivo (CDO) utilizado para resolver problemas de energia reativa. Teoria do Desenvolvimento Cognitivo de Piaget, que possui; maturação, interação social, equilíbrio; todos estes três processos são utilizados ao longo da nova fase de aprendizagem e melhorando constantemente a infraestrutura cognitiva. De seguida, este trabalho apresenta o Algoritmo do Buraco Negro (BHA) para resolver o problema da potência reativa ótima. A evolução da população dá-se empurrando os candidatos no itinerário do candidato mais excecional nas iterações e buraco negro que trocam com os do espaço de exploração. Um candidato tremendo entre todos os candidatos nas iterações é selecionado como um buraco negro e sobra candidatos estruturados como estrelas padrão. A formação de buracos negros não é caprichosa, mas forma-se como candidatos genuínos da população criada. Para melhorar a exploração e a exploração das estrelas, foram utilizadas informações gravitacionais. As forças gravitacionais entre as estrelas são definidas e a progressão das estrelas em direção ao buraco negro é habituada durante a incursão no espaço de soluções. De seguida, neste artigo, é proposto o Algoritmo Bat com Combinação de Numerosos Esquemas (BACS) para resolver o problema da potência reativa ótima. O algoritmo do morcego é imitado a partir das ações do morcego; principalmente atrasos de tempo são utilizados para emissão para reflexão e para navegação. A capacidade de convergência global do algoritmo torna-se mais fraca quando o progresso do operador aumenta e quando o operador de exploração aumenta, então a precisão da convergência será inadequada. Consequentemente, neste artigo, foram selecionados vários esquemas para resolver o problema e funcionam como estratégia de seleção autónoma. No algoritmo proposto, diferentes indivíduos preferem estratégias diferentes para modernizar a posição com referência à qualidade do condicionamento físico. Proposta de algoritmo melhorado de otimização de enxame de worm Glow worm (IGSO),O Algoritmo de Otimização do Desenvolvimento Cognitivo (CDO), o Algoritmo do Buraco Negro (BHA) e o Algoritmo do Morcego com Combinação de Numerosos Esquemas (BACS) foram testados no padrão IEEE 14, sistema de teste de 30.300 bus e os resultados da simulação mostram que o algoritmo concebido reduziu consideravelmente a perda de energia real .