IMPROVED PARTICLE SWARM OPTIMIZATION FOR NON-LINEAR PROGRAMMING PROBLEM WITH BARRIER METHOD

2017 ◽  
Vol 5 (4) ◽  
pp. 72-80
Author(s):  
Raju Prajapati ◽  
Om Prakash Dubey ◽  
Randhir Kumar
Keyword(s):  
Linear Programming ◽  
Particle Swarm Optimization ◽  
Programming Language ◽  
Particle Swarm ◽  
Barrier Method ◽  
Lagrangian Multipliers ◽  
Swarm Optimization ◽  
Non Linear Programming ◽  
Non Linear ◽  
Linear Programming Problems

The Non-Linear Programming Problems (NLPP) are computationally hard to solve as compared to the Linear Programming Problems (LPP). To solve NLPP, the available methods are Lagrangian Multipliers, Sub gradient method, Karush-Kuhn-Tucker conditions, Penalty and Barrier method etc. In this paper, we are applying Barrier method to convert the NLPP with equality constraint to an NLPP without constraint. We use the improved version of famous Particle Swarm Optimization (PSO) method to obtain the solution of NLPP without constraint. SCILAB programming language is used to evaluate the solution on sample problems. The results of sample problems are compared on Improved PSO and general PSO.

FLUJO ÓPTIMO DE POTENCIA UTILIZANDO ALGORITMOS EVOLUTIVOS PROGRAMACIÓN EN DIGSILENT

2009 ◽  
Vol 5 (1) ◽  
Author(s):  
Edgar A. Moreno ◽  
Víctor H. Hinojosa
Keyword(s):  
Particle Swarm Optimization ◽  
Programming Language ◽  
Particle Swarm ◽  
Swarm Optimization ◽  
La Red

La planificación, diseño y el análisis de la operación de los sistemas de potencia requieren estudios a fin de evaluar el desempeño del sistema existente, confiabilidad, seguridad y economía. Con el objetivo de mejorar la operación en Sistemas de Suministro de Energía Eléctrica se realiza el análisis para conocer si los parámetros eléctricos (voltaje y flujos de potencia) y reservas garantizan que el servicio se brinde dentro de los estándares de calidad, confiabilidad y seguridad. Una concepción del análisis de Sistemas Eléctricos de Potencia para cumplir con este objetivo se basa en el flujo óptimo de potencia. En este trabajo se presenta la aplicación de un Algoritmo Evolutivo (Particle Swarm Optimization) al Flujo Óptimo de Potencia (activa y reactiva). El planteamiento del problema abarca restricciones en la generación de potencia activa y reactiva, capacidad de transmisión por los elementos de la red (líneas de transmisión y transformadores) y bandas de voltaje (Economía, Confiabilidad y Calidad). Se implementa un método de penalizaciones, para poder incorporar las restricciones en la función objetivo. Se realiza la programación del algoritmo evolutivo en DIgSILENT Programming Language, debido a las ventajas que posee esta plataforma para Análisis, Modelación y Simulación de Sistemas Eléctricos de Potencia.

A Systematic Approach to Estimate Non-Linear System Parameters using Particle Swarm Optimization and Bond Graph Methods

2021 ◽  
Author(s):  
Irfan Bahiuddin ◽  
Parsaulian I Siregar ◽  
Saiful Amri Mazlan ◽  
Rizki S Nugroho ◽  
Fitrian Imaduddin ◽  
...  
Keyword(s):  
Particle Swarm Optimization ◽  
Linear System ◽  
Systematic Approach ◽  
Particle Swarm ◽  
Bond Graph ◽  
Swarm Optimization ◽  
System Parameters ◽  
Non Linear ◽  
Non Linear System
Sign in / Sign up

Export Citation Format

Share Document