考古遗址中所见的鹰隼遗存及形象

中国古代有着悠久的驯鹰和鹰猎文化传统,诸多考古遗址中也曾发现过鹰隼类骨骼遗存和鹰隼形象的文物,但目前有关中国古代鹰类驯养的情况仍不甚明晰。为厘清这一问题,本文首先对中国考古遗址中出土的鹰隼遗存进行整理,初步厘清了中国古代的鹰隼驯养情况。同时又对考古出土文物及出土壁画中出现的鹰隼形象进行搜集,进一步证实和补充了中国古代对鹰隼的利用行为,并对中国古代人与鹰的关系进行了综合探讨。最后结合部分历史文献,尝试着对中国古代的鹰隼驯养特点进行了总结。

改进哈里斯鹰算法的仓储机器人路径规划研究

为提高静态环境下仓储移动机器人路径规划效率,解决传统哈里斯鹰(Harris Hawks optimization, HHO)算法在路径规划中存在收敛速度慢且易陷入局部最优的问题,提出了一种基于Tent混沌映射融合柯西反学习变异的哈里斯鹰优化算法(HHO algorithmbasedon Tentchaotic mapping hybrid Cauchy mutation and inverse learning, TCLHHO)。通过Tent混沌映射增加种群多样性,以提高算法的收敛速度;提出指数型的猎物逃逸能量更新策略,以平衡算法的全局搜索和局部开发能力;通过柯西反学习变异策略对最优个体进行扰动,扩大算法的搜索范围,增强全局搜索能力。根据真实仓储环境搭建二维栅格环境模型,并在Matlab中进行仿真对比实验。结果表明:该算法的规划速度、最优路径长度以及最优路径转折次数较对比算法具有较好的效果,验证了应用于智能仓储环境下改进的HHO路径规划问题的可行性和鲁棒性。

基于改进哈里斯鹰优化算法的动态路径规划研究

针对传统栅格地图下的路径规划算法存在多峰值优化、无法实时避障等问题,提出了一种基于改进哈里斯鹰优化算法的动态路径规划方法。首先,提出方形邻格邻近扩散方法初始化哈里斯鹰种群位置,在路径规划问题模型下增加种群多样性;然后,提出一种非线性能量因子优化算法在搜索和开发之间的更新比例,提高全局搜索性能;最后,引入动态窗口法提高机器人实际运行路径的平滑程度,构造结合全局路径的动态窗口评价函数以改善动态窗口法前瞻性不足的问题。实验结果表明,所提方法可以兼顾实时避障和路径最优的需求。

基于改进哈里斯鹰算法的无人飞行器路径规划

针对无人飞行器三维路径规划问题,提出一种基于哈里斯鹰优化(Harris hawks optimization,HHO)算法的无人飞行器三维路径规划算法。首先根据路径规划代价指标和无人飞行器自身性能,建立路径规划模型确立代价函数和约束条件。接着针对传统HHO算法的不足,引入非线性能量因子来平衡全局搜索和局部搜索的关系,使算法避免陷入局部最小值;引入混沌映射对HHO算法进行初始化种群并对其进行局部混沌搜索,增强算法种群多样性和搜索能力。最后通过仿真实验证明,改进的哈里斯鹰优化(improvement Harris hawks optimization,IHHO)算法可以有效规划出安全的无人飞行器航线,并且能够跳出局部最小值和具备较优的收敛速度。

基于改进Harris鹰优化的无线传感器网络分簇协议

针对无线传感器网络因能量效率低而导致网络生命周期短的问题,提出一种新的基于改进Harris鹰优化算法的无线传感器网络分簇协议(improved Harris hawk optimization based clustering protocols for wireless sensor networks, IHHOC). IHHOC采用改进的Harris鹰优化算法获得最优簇头集,首先通过Sobol序列初始化种群,并考虑剩余能量、与基站距离以及节点密度这3个参数定义适应度函数,通过探索、过渡和开发逐次迭代最终求得最优解;其次,采用高斯随机游走策略避免IHHOC陷入局部最优.成簇后,在簇头邻近簇中基于剩余能量、与簇头和基站距离找到最优转发节点,进一步降低网络能量消耗.仿真实验结果表明,IHHOC能有效提高网络能量效率,增大网络吞吐量,延长网络生命周期.

融合聚类算法与改进哈里斯鹰算法的建筑机器人任务分配方法

建筑机器人技术处于起步阶段,针对建筑机器人多机任务分配问题的相关研究严重不足。因此,对该问题进行分析,将其转化为多旅行商问题进行数学建模,并提出了融合改进哈里斯鹰算法与聚类算法的建筑机器人多机任务分配方法进行求解。首先根据建造任务的空间特征和建筑机器人数量利用聚类算法进行任务聚类;针对哈里斯鹰算法参数敏感与易陷入局部最优的缺点进行基于Logistic混沌映射的改进形成改进哈里斯鹰算法,根据建筑机器人的移动方式构造目标函数并在聚类的基础上进行优化求解,最终确定每个建筑机器人的任务集合与任务执行顺序。为验证该方法的有效性,利用随机生成的3*15、5*40、8*70共3组不同规模的建筑机器人*建造任务数据集进行仿真模拟,并将该方法与未融合聚类算法的GA和IHHO任务分配效果进行对比分析。结果表明,聚类能够有效解决建筑机器人任务分配问题,能够有效降低任务集合之间的空间叠加、增强优化算法的迭代收敛性能;基于Logistic混沌映射改进的算法在迭代开始与收敛时的适应度值更佳;随着问题规模的增大,融合改进哈里斯鹰与聚类算法的建筑机器人任务分配方法效果更显著,说明其更适用于解决大规模复杂的实际问题。

基于正余弦的非线性哈里斯鹰优化算法

针对哈里斯鹰优化算法(HHO)收敛精度低、易陷入局部最优等问题,提出了一种基于正余弦的非线性哈里斯鹰优化算法(SCNHHO)。首先,采用佳点集策略对种群进行初始化,使种群分布更均匀,提高算法收敛速度和精度;其次,在探索阶段引入正余弦策略,利用正余弦函数的震荡特性扩大搜索范围,寻求更多潜在的优质解;最后,在开发阶段引入非线性参数来平衡探索与开发,避免算法陷入局部最优。针对不同维度的基准测试函数进行性能测试,结合Wilcoxon秩和检验与Friedman检验的结果,将该算法与其他5个对比算法进行分析。结果表明,改进算法性能较原始HHO算法有较大提升,并且优于斑马优化算法(ZOA)、鲸鱼优化算法(WOA)和2种哈里斯鹰算法的变体(MHHO和IHHO),验证了改进策略的有效性。最后通过三杆桁架设计问题进一步验证了SCNHHO的实用性。

油桐鹰尺蠖幼虫对4种寄主植物的取食选择性

于2022年,采用随机排列和两两组合的方法研究油桐鹰尺蠖幼虫对4种寄主植物(油桐、油茶、乌桕、尾巨桉)的取食选择性。结果表明,在4种寄主植物随机排列试验中,油桐鹰尺蠖幼虫对尾巨桉、油桐、乌桕的取食概率较高,分别平均为0.35、0.31、0.31,显著高于对油茶的取食概率。油桐鹰尺蠖幼虫对4种寄主叶碟的取食比例存在显著差异,最大的为油桐、乌桕,分别为42.90%、37.72%;其次是桉树,为28.37%;最少是油茶,仅8.13%。不同寄主两两组合试验中,幼虫对尾巨桉、油桐和乌桕的取食次数没有显著差异,但均显著高于油茶。综合结果表明,油桐鹰尺蠖幼虫对油桐、乌桕和尾巨桉具有明显的取食偏向,不倾向于取食油茶;但油桐、乌桕叶碟的被取食比例显著比尾巨桉高。研究结果可为探讨油桐鹰尺蠖的成灾机制提供参考。

甘肃鸟类新记录——灰脸鵟鹰

2022年4月18日,在甘肃省陇南市武都区裕河镇赵钱坝村附近(105°29′46″E,32°58′44″N,海拔861m)拍摄到1只鹰科Accipitridae鸟类(图1)。该鸟头侧黑褐色,虹膜黄色,颏、喉部呈白色,具黑褐色喉中线,胸部褐色满布白色横纹,尾平而细长。查阅《中国鸟类野外手册》(约翰·马敬能等,2022),确定该鸟为灰脸鵟鹰Butastur indicus。

一种混合策略改进的哈里斯鹰算法及应用

针对标准的哈里斯鹰优化算法收敛精度不高,易陷入局部最优等缺点,提出一种混合策略改进的哈里斯鹰优化算法DMHHO。利用非线性周期递减的逃逸能量因子来平衡算法的全局探索和局部开发能力;引入多项式变异策略,对全局最优个体进行扰动,增强算法跳出局部极值的能力;采用变种差分策略,对个体的位置进行变异,增加算法的种群多样性,提升了算法的全局寻优能力。通过12个测试函数对DMHHO算法进行寻优测试,并与其他优化算法对比,实验结果表明改进的哈里斯鹰优化算法的收敛速度和寻优精度都得到了提升。将改进的哈里斯鹰优化算法用在工程优化问题中,进一步验证了DMHHO算法在实际应用中可行性。

正余弦动态干扰哈里斯鹰算法的PCNN参数优化图像融合

哈里斯鹰优化算法存在前期全局开发种群分布不广泛、后期局部开发易陷入收敛精度不够的缺陷,因此提出一种正余弦动态干扰的哈里斯鹰优化算法。首先,在前期的全局开发阶段,对两种不同的进化策略分别采用余弦函数和正弦函数进行鹰群群体分布干扰,从而扩大群体分布范围,强化鹰群初期全局探索阶段的广度,为后期进行局部开发提供更好的条件;然后,在局部开发阶段,通过对猎物逃逸能量公式进行曲线化调整,使得猎物能量损耗与自然界中的真实能量损失更加匹配,进而提升开发阶段的捕获能力;最后,将改进的正余弦动态干扰的哈里斯鹰优化算法对脉冲耦合神经网络(PCNN)的链接输入、时间衰减系数、链接强度3个参数进行优化,并应用于可见光与ToF置信图的图像融合。采用6种对比算法及24个测试函数对改进后的算法进行仿真实验验证,证明了基于正余弦动态干扰的哈里斯鹰优化算法具有较好的寻优能力和更高的收敛精度。通过与其他融合算法进行对比实验,验证了改进后的融合算法相比原始算法的融合效果有显著提升。

基于仿斑马鱼和仿鹰眼视觉的复杂背景下目标识别

针对反制无人机识别系统在公共场所内部复杂背景下的无人机识别问题,该文研究了一种基于仿斑马鱼模板匹配视觉识别和仿鹰眼视觉注意的目标识别方法,通过建立不同姿态的无人机模板数据库,采用仿鹰眼视觉搜索机制,结合尺度不变特征变换,将姿态模板图像与目标进行匹配,获得粗略的目标区域。然后计算模板姿态与目标姿态的Hausdorff距离,比较目标姿态相似性,获得最相似姿态。采用仿鹰眼视觉注意机制对遮挡图像进行处理,提高目标识别的显著性。实验结果表明,该方法能够在不同复杂背景下实现无人机的准确识别,与光谱残差的显著性目标识别方法相比,平均运行时间提高23.5%,与差异哈希算法相比,具有更高的结构相似性指数。

塔北地区鹰山组下段—蓬莱坝组白云岩成因及控储意义

为确定塔北地区中—下奥陶统鹰山组下段—蓬莱坝组白云岩成因,通过岩心及岩石薄片观察,利用阴极发光、X射线衍射有序度、碳氧稳定同位素、锶同位素和稀土元素组成及配分模式分析,并将岩石学与地球化学特征结合,开展了塔北地区鹰山组下段—蓬莱坝组白云石化作用研究。粉—微晶白云石和粉—细晶他形脏白云石由同生期高盐度海水白云石化作用形成,流体主要源自地表低温蒸发条件下的高盐度海水;粉—细晶自形白云石由早成岩期浅埋藏白云石化作用形成,流体主要源自奥陶纪海水,流体温度因埋藏加深而升高;鞍形白云石由早成岩期热液白云石化作用形成,流体主要源自奥陶纪海水,且有后期深部岩浆热液加入。同生期高盐度海水白云石化作用不产生储集空间,但由于区域局限,蒸发强烈,可伴随石膏沉淀,石膏溶蚀后形成储集空间;早成岩期浅埋藏白云石化作用可形成自形白云石,促进晶间孔的发育,成岩后期溶蚀流体易进入,溶蚀形成晶间溶孔和溶蚀孔隙;早成岩期热液白云石化作用不利于储集空间的形成。

应用多策略融合改进哈里斯鹰算法的移动 机器人路径规划方法

针对移动机器人在多障碍物室内环境中进行路径规划时存在的折点多、收敛速度慢、易陷入局部最优解等问题,提出一种基于多策略融合改进哈里斯鹰算法的移动机器人路径规划方法。首先,利用Tent混沌映射初始化和自适应正余弦算法,改善初始种群分布多样性并增强全局搜索能力;其次,使用模拟退火能量策略改善哈里斯鹰算法的行为选择,加强算法收敛速度;然后,使用柯西函数和改进莱维飞行优化算法位置更新行为,提升算法的寻优性能和效率;最后,使用消融实验和对比实验对移动机器人在不同复杂程度的地图场景中的路径规划性能进行验证。实验结果表明:多策略融合改进哈里斯鹰算法在移动机器人路径规划问题中,不仅可以有效减少折点数获得较好的路径平滑度,还可达到更快的收敛速度和更短的移动路径。

递进式融合多策略的改进哈里斯鹰优化算法

针对哈里斯鹰优化算法(HHO)易陷入局部最优、全局探索性能与局部开发能力不平衡等缺点,提出递进式融合多策略的改进哈里斯鹰优化算法(IHHO).首先,调整随机游走机制的位置更新方程以实现小范围优质勘探,提升该机制有效性,加强算法局部开发能力;其次,采用S型自适应能量控制因子,使算法能根据搜索进程合理调控捕猎行为,修正寻优模型;最后,融入定点重组与诱变策略,既保证种群优良基因集中于某一个体,又丰富种群多样性,算法局部寻优性能和局部极值规避能力并进增强.实验表明,所提改进方法以递进式提升算法性能,经耦合叠加效应后所得IHHO的搜索精度高、收敛速度快,并且具有较强实用性.

融合改进哈里斯鹰和改进动态窗口的机器人动态路径规划

针对动态环境的移动机器人路径规划问题,提出了一种改进哈里斯鹰算法(IHHO)与改进动态窗口算法(IDWA)的融合算法(IHHO-IDWA)。首先,针对哈里斯鹰算法后期搜索性能不足等问题,提出了融合自适应混沌和核心种群动态划分策略、融合黄金正弦策略以及动态云最优解扰动策略来提高算法的性能。其次,针对动态窗口算法存在规划的路径长和易陷入死锁等问题,提出了三个改进策略:增加子函数,保证算法能够规划出更短的路径;提出自适应权重策略,平衡算法局部避障能力和全局搜索性能;设定初始航向角,避免路径冗余。最后,通过测试函数、CEC2014函数的数值实验和静态、动态路径规划实验,验证了IHHO和IDWA性能有明显提升;通过50×50大型动态地图验证了融合算法较对照组算法规划的路径缩短了11.51%,证明了该方法的优越性。

多项式变异和自适应权重优化的阿奎拉鹰算法

针对基本阿奎拉鹰算法存在收敛精度低、易陷入局部最优的问题,通过在全局搜索阶段引入多项式变异扰动策略,在局部开发阶段引入自适应权重优化策略,改进了阿奎拉鹰算法的局部探索能力,并且引入了Tent混沌映射初始化种群,增加种群多样性,引入动态转换概率策略来平衡全局探索和局部开发的比重,故提出多项式变异和自适应权重优化的阿奎拉鹰算法。采用基本阿奎拉鹰算法、哈里斯鹰算法、灰狼算法、鲸鱼算法、海鸥算法做对比,9个基准测试函数和2个工程优化问题对改进后的算法进行寻优性能验证,结果表明:改进后的算法在多数测试函数上取得较好的寻优效果,在工程优化问题中,效果优于多数对比算法。证明了改进后的算法具有更快的收敛速度和精度,并在工程应用中取得较好效果。

环境因子对霞浦浮鹰岛杜虹花叶功能性状特征的影响

以霞浦浮鹰岛人工林林下灌木层优势种杜虹花(Callicarpa pedunculata)为研究对象,采用变异系数法、冗余分析和多元逐步回归分析杜虹花10项叶功能性状和14项环境因子的相关性。探究环境因子对其叶功能性状特征的影响及其内在关联,分析其成为海岛灌木优势种的成因。结果发现:(1)浮鹰岛人工林下土壤因子变异系数较高,土壤全磷、有效磷与速效钾质量分数的变异系数均大于50%,海岛生境异质性较强;(2)杜虹花叶功能性状变异系数介于2.0%~41.8%,以相对水分亏缺变异程度最大,叶碳质量分数最小,杜虹花对海岛异质环境具有一定适应性;(3)冗余分析表明,杜虹花叶功能性状主要受土壤有效磷、全氮影响(P<0.05);(4)多元逐步回归分析表明,杜虹花叶片的结构功能性状(叶体积、叶组织密度)主要受地形因子(海拔、坡位和坡向)影响(P<0.05),叶片化学功能性状(叶碳质量分数、叶氮质量分数、叶磷质量分数)主要受土壤因子有效磷,碱解氮和全磷影响(P<0.01)。浮鹰岛地形复杂,群落郁闭度较高,不同生境条件下,杜虹花通过叶功能性状的组合和变异以适应海岛恶劣环境。

基于哈里斯鹰优化算法的光伏储能容量配置优化

在双碳目标下,高比例的光伏等新能源接入对电网造成了冲击。针对此问题,从电站侧出发,基于最低的光伏功率平均波动率和储能系统成本这两个优化目标,提出了一种基于哈里斯鹰优化算法的储能容量配置优化模型,通过聚类算法将天气类型分为四种并分别进行优化。结合算例分析,所提出的模型对储能配置问题在雨雪等较差的工况可将日均波动率从54.61%降低至13.60%,晴天等较好的工况日均波动率可下降约5%。通过双层优化,确定出最终储能配置方案为2.5 MW/4.59 MW·h,结合全年数据进行优化验证,此方案下全年平均波动率从19.41%下降至11.33%,全周期成本814.75万元。

一种基于疯狂自适应的哈里斯鹰优化算法

针对哈里斯鹰优化算法在求解精度和收敛速度的缺陷,本文提出了一种利用疯狂自适应的哈里斯鹰优化算法。引入Tent混沌序列生成初始种群,丰富初始个体的种类特性;将疯狂算子添加到猎物源上,以获得多元丰富的种群;在猎物处获得新的公式代进自适应惯性权重中,增强并平衡研究过程中关于搜索的问题,包括了全局搜索以及局部搜索。使用统计分析、收敛速度分析、经典基准函数评估改进哈里斯鹰优化算法的效率。结果表明:改进算法具有更好的全局搜索能力和求解鲁棒性,同时寻优精度和收敛速度也比原始算法有所增强。在求解高维和多峰测试函数上,改进算法拥有更好的性能,适合推广至实际的优化问题中。