In this paper we study shadowing property for sequences of mappings on compact metric spaces, i.e., nonautonomous discrete dynamical systems. We investi- gate the relations of various expansivity properties with shado...In this paper we study shadowing property for sequences of mappings on compact metric spaces, i.e., nonautonomous discrete dynamical systems. We investi- gate the relations of various expansivity properties with shadowing and h-shadowing property.展开更多
针对传统的最大功率点追踪(Maximum Power Point Tracking,MPPT)算法在局部阴影条件下易陷入局部最优以及粒子群优化算法(Particle Swarm Optimization,PSO)存在的收敛速度慢和易陷入局部最优等问题,提出一种基于自适应粒子群优化(Adapt...针对传统的最大功率点追踪(Maximum Power Point Tracking,MPPT)算法在局部阴影条件下易陷入局部最优以及粒子群优化算法(Particle Swarm Optimization,PSO)存在的收敛速度慢和易陷入局部最优等问题,提出一种基于自适应粒子群优化(Adaptive Particle Swarm Optimization,APSO)算法的复合MPPT方法。在APSO中,初始化阶段使用拉丁超立方抽样代替随机初始化,使用自适应惯性权重策略来平衡算法的探索和开发,在提高算法收敛速度的同时,避免陷入局部最优解。通过仿真实验证明该算法在局部阴影下能够跳出局部最优,快速收敛到最大功率点处,与LPSO、PSO算法进行对比,所提算法具有更快的追踪速度、更高的追踪效率和更强的鲁棒性。展开更多
文摘In this paper we study shadowing property for sequences of mappings on compact metric spaces, i.e., nonautonomous discrete dynamical systems. We investi- gate the relations of various expansivity properties with shadowing and h-shadowing property.
文摘针对传统的最大功率点追踪(Maximum Power Point Tracking,MPPT)算法在局部阴影条件下易陷入局部最优以及粒子群优化算法(Particle Swarm Optimization,PSO)存在的收敛速度慢和易陷入局部最优等问题,提出一种基于自适应粒子群优化(Adaptive Particle Swarm Optimization,APSO)算法的复合MPPT方法。在APSO中,初始化阶段使用拉丁超立方抽样代替随机初始化,使用自适应惯性权重策略来平衡算法的探索和开发,在提高算法收敛速度的同时,避免陷入局部最优解。通过仿真实验证明该算法在局部阴影下能够跳出局部最优,快速收敛到最大功率点处,与LPSO、PSO算法进行对比,所提算法具有更快的追踪速度、更高的追踪效率和更强的鲁棒性。
