为了有效提高天然气短期负荷预测的准确度，提出了一种集成果蝇优化算法和SVM (Support Vector Machine)的混合优化策略FOA-SVM。首先，采用K-近邻算法对燃气负荷样本中离群数据进行查找定位，并用特征曲线法对离群数据进行修正。其次，综合考虑节假日、日期类型以及天气等影响因素，建立了基于SVM 的天然气日负荷预测模型，并采用果蝇优化算法优化SVM 的模型参数。最后，采用宁夏平罗县居民燃气日负荷数据和多种通用的定量误差评价方法，对建立的预测模型的可行性和有效性进行了验证。仿真结

针对无线传感器网络(Wireless sensor network,WSN)的应用需求提出一种基于优化策略的混合节点定位算法.选择1-hop节点最多的点作为初始点,利用多维标度(Multi-dimensional scaling,MDS)方法计算初始节点及其1-hop节点的相对坐标,并将这些节点的坐标发送给周围未定位节点;未定位的节点根据接收到的坐标与节点间的距离,利用极大似然法估算自身的坐标;最后通过坐标变换计算所有节点的绝对坐标.在此基础上,进一步提出将本文节点定位算法与集中式和分布式优化策

风电机组等分布式电源并入配电线路中，将导致传统的故障区段定位方法不再适用。对传统的开关函数和适应度函数进行改进，统一假定开关的正方向，提出基于粒子群优化算法和遗传算法的二进制混合算法。该算法采用双种群进化和信息交换的策略，在寻优搜索开始时产生2个子种群，双种群在进化过程中互不干扰，在每一代进化完成后相互共享信息，选择最优信息进行2个种群下一代的进化，直至得出最优解。仿真结果表明：所提方法对风电机组的并网数量和位置不作限制，适用于单一故障和多重故障的定位，并且具有一定的容错性。与单独的二进制粒子群