期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到1篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
融合K-Means与变异RODDPSO的公共充电站优化选址
1
作者 耿鹏 柳艳 朱宇航 《物联网学报》 2025年第2期202-213,共12页
为优化电动汽车公共充电站的选址问题,以K-均值(K-Means,k-means clustering algorithm)和随机分布式延迟粒子群优化(RODDPSO,randomly occurring distributedly delayed particle swarm optimization)算法为基础,根据电动汽车充电需求... 为优化电动汽车公共充电站的选址问题,以K-均值(K-Means,k-means clustering algorithm)和随机分布式延迟粒子群优化(RODDPSO,randomly occurring distributedly delayed particle swarm optimization)算法为基础,根据电动汽车充电需求,提出了一种融合K-Means与变异随机分布式延迟粒子群优化(VRODDPSO,variation randomly occurring distributedly delayed particle swarm optimization)算法的电动汽车充电站选址优化方法,以确定最佳的充电站位置。首先,改进了RODDPSO算法,增加了自适应变异。其次,引入VRODDPSO算法对KMeans的聚类中心位置进行优化,使用聚类完成后各个区域的聚类中心点作为充电站的最佳选址。相比仅使用KMeans算法进行3次聚类,改进后的聚类模型能够有效地解决K-Means算法中不恰当的初始聚类中心点可能导致算法陷入局部最小值、产生不理想的聚类的问题。最后,在南京市公共充电站优化选址的实证研究中,提出了一种新的衡量方法,能够根据现实充电站的综合利用率来评价不同算法下充电站的选址优劣。分析结果证实了使用K-Means与VRODDPSO算法融合的方法能够有效地优化聚类后的聚类中心位置,即充电桩和充电站的选址。 展开更多
关键词 K-MEANS 变异随机分布式延迟粒子群优化 公共充电站 优化选址
在线阅读 下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部