基于改进布谷鸟搜索算法的光伏MPPT控制

复杂阴影情况下,光伏阵列的P-V特性曲线会出现多个峰值,传统的MPPT算法因不能准确识别局部峰值和全局峰值,而无法进行复杂阴影情况下的最大功率点跟踪。针对传统布谷鸟搜索(Cuckoo Search,CS)算法因鸟窝之间缺乏交流能力导致可能陷入局部最优的问题,提出了一种多策略改进布谷鸟搜索(EGICS)算法。将传统CS算法中发现概率值的选择自适应变化,提高算法的搜索能力;将步长因子自适应化,提高算法的收敛速度;引入高斯扰动和精英反向学习策略,增加种群多样性,避免算法陷入局部最优。对EGICS算法在单峰和多峰函数中进行性能测试,并将其应用于光伏系统MPPT控制中进行仿真验证。仿真结果表明,EGICS算法在收敛速度、跟踪精度以及动态稳定三个方面有更好的效果。

改进布谷鸟算法在装配序列规划中的应用研究

针对装配序列规划问题,建立考虑装配序列的几何可行性、稳定性、聚合性、重定向性的装配关系模型以及基于适应度函数的装配序列优化数学模型。提出一种改进布谷鸟算法对装配序列规划问题进行求解,采用随机键和最小位置规则的方法设计基于零件编号、装配方向、装配工具的3层编码方案;设计基于最小装配成本的初始化策略与随机初始化策略相结合的混合种群初始化策略,提高种群质量;改进种群进化和搜索方式,将种群分为3个子群,并分别采用自适应步长飞行、标准步长飞行和交叉、变异的方式进行种群更新,提高算法的收敛速度和求解精度。最后通过实例应用及与其他算法的比较,验证了所提出的改进布谷鸟算法在求解装配序列规划问题上的有效性和优越性。

基于LDA与改进布谷鸟算法的CNN-GRU网络木材染色配方预测

为了精准预测木材染色配色配方,提出一种线性判别分析(linear discriminant analysis,LDA)和改进布谷鸟算法(improved cuckoo search,ICS)与卷积神经网络(convolutional neural network,CNN)与门控循环单元(gated recurrent unit,GRU)的混合神经网络模型。该模型通过LDA处理光谱信息对其进行分类降维;利用CNN提取重要特征;将这些特征输入GRU中进行训练;网络中的超参数由ICS算法进行寻优。该模型的表现通过多种评估标准进行测量,包括决定系数R^(2)以及国际色差计算公式(CIEDE2000)等。在与多种传统模型的比较中,模型表现出优异的性能。此外,该模型的参数数量相对较少,计算效率高,且稳定性和可靠性良好。结果表明:将该模型应用于通过光谱信息进而预测木材染色配色配方问题上显示出了明显优势。

改进布谷鸟搜索算法及在无线传感器网络中的应用

针对布谷鸟搜索算法存在收敛速度慢和易陷入局部最优等缺陷,提出一种改进布谷鸟搜索算法。改进算法采用轮盘赌选择鸟巢并精英引导Levy飞行用于鸟巢位置更新,以加快算法收敛速度;同时引入生物地理算法的迁入率和迁出率模型,以不同概率执行黄金正弦算法;最后对鸟巢实行差分进化算法改善种群的多样性,从而避免算法陷入局部最优并提高全局搜索能力。通过15个基准函数和3个场景的WSN仿真实验并与相关文献比较,结果表明改进算法行之有效。

一种基于改进的布谷鸟搜索算法的无人机三维航路规划算法

针对布谷鸟搜索算法收敛速度慢且易陷入局部最优等缺点,对标准布谷鸟搜索算法进行改进,提出一种改进的布谷鸟搜索算法。受其他群智能算法启发,在获取新鸟巢的过程中,通过轮盘赌选择某个鸟巢并在最优解附近进行搜索;以一定概率执行类似狼群算法奔向最优解的操作,较好地平衡了局部和全局搜索能力;最后在弃巢的过程中保留了最优解,提高了算法的搜索效率。四个标准测试函数及无人机三维航路规划的实验结果表明,改进布谷鸟搜索算法在求解精度和鲁棒性方面效果显著,航路规划用时少且更优。

基于改进布谷鸟搜索算法的光伏最大功率点跟踪策略

实际工程中,光伏阵列在随机变化的环境中会出现局部遮光的情况,从而导致光伏阵列的功率-电压特性曲线会呈现多峰值状态,传统的最大功率点跟踪(maximum power point tracking, MPPT)算法易陷入局部最优解,追踪速度和精准度无法得到满足。针对这一问题,提出一种基于布谷鸟搜索算法(cuckoo search algorithm, CS)和电导增量法(conductivity increment method, CI)结合的光伏MPPT算法,在算法前期利用布谷鸟搜索算法将大步长和小步长交替使用使得全局搜索能力增强,找到全局最大功率点所处区域附近;在后期,采用步长小、控制精度高的CI进行局部寻优,快速准确地锁定到最大功率点。在MATLAB/Simulink中搭建仿真模型,并与原始布谷鸟搜索算法和粒子群优化(particle swam optimization, PSO)算法进行比较。仿真结果表明,将CS与CI结合的算法使得收敛速度更快,精度更高,稳定状态时功率曲线的波动更小。

基于自适应布谷鸟优化特征选择的K-means聚类

K-means聚类算法随机确定初始聚类数目,而且原始数据集中含有大量的冗余特征会导致聚类时精度降低,而布谷鸟搜索(CS)算法存在收敛速度慢和局部搜索能力弱等问题,为此提出一种基于自适应布谷鸟优化特征选择的K-means聚类算法(DCFSK)。首先,为提升CS算法的搜索速度和精度,在莱维飞行阶段,设计了自适应步长因子;为调节CS算法全局搜索和局部搜索之间的平衡、加快CS算法的收敛,动态调整发现概率,进而提出改进的动态CS算法(IDCS),在IDCS的基础上构建了结合动态CS的特征选择算法(DCFS)。其次,为提升传统欧氏距离的计算精确度,设计同时考虑样本和特征对距离计算贡献程度的加权欧氏距离;为了确定最佳聚类数目的选取方法,依据改进的加权欧氏距离构造了加权簇内距离和簇间距离。最后,为克服传统K-means聚类目标函数仅考虑簇内的距离而未考虑簇间距离的缺陷,提出基于中位数的轮廓系数的目标函数,进而设计了DCFSK。实验结果表明,在10个基准测试函数上,IDCS的各项指标取得了较优的结果;相较于K-means、DBSCAN(Density-Based Spatial Clustering of Applications with Noise)等算法,在6个合成数据集与6个UCI数据集上,DCFSK的聚类效果最佳。

混合自适应布谷鸟算法的物流配送路径优化

为了有效解决多仓库多配送点物流配送时间长和路径远等问题,提出一种多仓库多配送点物流配送路径优化算法。为了满足多仓库多配送点物流配送需求,将最少调用车辆数量和最短配送总距离为目标,确定目标函数及其约束条件,建立多仓库多配送点物流配送路径优化模型。改进布谷鸟算法和粒子群算法,将改进后的算法结合,利用混合自适应布谷鸟算法求解优化模型,同时对混合自适应布谷鸟算法离散化处理,获取最优物流配送路径。仿真实验结果表明,所提算法可以在较短的时间内完成物流配送,且物流运输路径较短,覆盖率更广,能够获取更加满意的物流配送方案。

基于布谷鸟搜索优化特征选择的轴承故障诊断

针对高维特征导致的滚动轴承故障诊断精度低问题,提出一种基于改进二进制布谷鸟搜索的特征选择方法。首先,采用Hilbert-Huang变换技术提取电机信号的时频域信息,建立高维特征集合。其次,基于布谷鸟搜索算法提出一种基于互信息的特征加权初始化方法,通过计算特征互信息对原始特征集合进行相关性评估,达到快速去除无关特征的目的。同时,引入局部螺旋开发策略,并采用动态切换概率算子实现全局探索和局部开发的平衡,加快算法收敛。最后,采用KNN分类器对轴承状态进行诊断,实验研究表明,上述方法能有效提取更具价值的特征信息,识别精度高达99.05%,相比于其它同类方法诊断准确率高,性能更稳定。

基于布谷鸟算法的风电机组装配序列优化

装配序列规划(ASP)是风电机组制造的重要技术。ASP是一个组合优化问题,风电机组最优装配序列的搜索空间和计算量均很大。提出基于布谷鸟算法的风电机组装配序列优化方法。首先,从三维装配体模型中提取多种装配约束信息并表示成装配约束矩阵,以降低最优装配序列的搜索空间;继而构造装配序列目标函数,建立装配序列规划模型,方便算法计算出最优装配序列;对离散布谷鸟算法(DCA)改进,求解ASP模型,获得风电机组产品的最优装配序列。最后通过实验验证了ASP模型的有效性和DCA的优良性能。

基于变分模态分解-布谷鸟搜索-支持向量回归的变压器油中溶解气体浓度预测方法

针对电力变压器油中溶解气体浓度预测过程中存在的时间序列内部复杂和预测困难等问题,研究了时间序列分解预测重构方式,提出变分模态分解,结合布谷鸟搜索-支持向量回归组合预测方法。首先采用VMD将原始溶解气体浓度分解成为一组平稳的模态分量,降低了预测的复杂度。之后利用预测性能较好的SVR对各个模态分量分别进行预测。最后使用CS开展全局搜索对SVR参数进行优化选取,将得到的溶解气体浓度预测结果进行叠加重构。通过对油中溶解气体中H_(2)的仿真实验,得到VMD-CS-SVR组合模型预测结果的均方根误差为0.124μL/L,平均绝对百分比误差为1.19%,有效提升了预测精度。通过对CO和C 2H 4建模预测,进一步验证了本文所提模型的有效性。

改进布谷鸟算法的永磁同步电机多参数辨识

为解决PI控制器依赖于准确的电机参数且传统PI控制器效率不高、稳态误差大的缺点,采用模糊PI控制器替代永磁同步电机矢量控制系统中的传统PI控制器,采用改进的布谷鸟算法,以实现对电机多参数的精确辨识。通过Logistic-Tent映射构造随机衰减惯性权重,并采用高斯分布改进步长因子和指数函数构造动态发现概率,采用多样性维持策略,在一定程度上改善了标准布谷鸟算法收敛速度慢和后期易陷入局部最优解的问题,从而使改进的布谷鸟算法对电机多参数的辨识更加精确。改进的布谷鸟算法只需采集模糊PI控制下电机的转速,定子电压和电流信号就可精确辨识电机参数。仿真实验表明:改进的布谷鸟算法对多参数的辨识收敛速度更快精度更高,对改善电机性能具有重要意义。

融合柯西扰动与种群优化的布谷鸟算法

针对传统布谷鸟算法存在的初始种群多样性差、面对高维复杂问题极易陷入局部最优解的问题,采用Tent混沌映射优化初始种群,使初始种群具有更好的便利性,对多次迭代中当代最优值不变的种群进行柯西扰动,提高算法跳出局部最优解的能力。采用7种不同类型的测试函数与CS、PSO、DE3种对比算法,验证改进算法的寻优能力。结果表明,对于不同类型的测试函数,改进的算法较传统算法在寻优速度与精度方面均有所提高。

混合布谷鸟算法在装车机器人搬运农产品中的应用研究

【目的】使机器人在搬运不同农产品时运动规划更平滑稳定、货物装车时间与能耗更优、效率更高。【方法】结合传统的布谷鸟算法和模拟退火算法形成混合模拟退火的布谷鸟算法(SA-CS),通过算法的相互融合来提高搜索效率和全局优化能力。对机器人进行数学建模与分析,根据实际情况选用合适的智能算法优化机器人在搬运工作时的运动轨迹,并结合装车搬运情况引入自适应的步长和模拟退火机制,然后与传统的布谷鸟算法相融合并进行仿真验证。【结果】在玉米、稻谷、马铃薯三种农作物的搬运过程中,混合模拟退火的布谷鸟算法收敛更快,搜索性能与优化性能更好,机器人的搬运能耗与时间都有着较大幅度的优化,总时间优化均超过10%,能耗优化最高达到了15 746 J。【结论】无论是站在提高农产品搬运效率的角度,还是站在绿色智能化减排的角度,将智能算法应用到机器人的实际搬运工作中都极具现实意义,应用前景广阔。

基于改进布谷鸟算法的PCB板焊接路径优化

针对印制电路板焊接过程中路径规划问题,提出一种改进的布谷鸟算法。在经典布谷鸟算法中添加2opt邻域搜索策略,在原算法搜索产生新解后,对新解进行2opt邻域搜索操作,通过搜索判断附近是否有更好的解进行替换,以此提升算法的局部搜索能力和求解精度。为了验证改进算法的有效性,针对孔数量及孔分布复杂度不同的3种PCB板进行仿真实验,并将经典布谷鸟算法、参考文献[28]算法以及本文改进的算法进行优化效果对比,实验结果表明,本文的改进算法在3种PCB板中不仅优化路径距离最短,而且求解精度也最高,收敛速度也得到了提升;当孔数量增多和孔分布复杂度提高时,本文改进算法相比于其他2种算法在路径优化效果方面体现出更大的优势。综上所述,本文改进的布谷鸟算法在优化PCB板焊接路径方面具有一定效果,具有搜索能力强、求解精度高、收敛速度较快的优点。

基于改进布谷鸟搜索算法的电力系统多目标运行优化研究

针对RES接入后的综合电力系统运行优化问题,提出一种改进的布谷鸟搜索(MCS)算法,通过优化布谷鸟搜索算法(CS)中莱维飞行的步长,以实现快速收敛。多目标优化函数考虑了燃料和排放成本,在满足系统非线性运行约束的条件下,对改进后的IEEE 10机系统中进行了仿真分析,并与CS算法、粒子群优化算法(PSO)、混沌PSO算法进行比较,验证了MCS算法在解决复杂的电力系统优化运行问题上的优越性。

基于改进布谷鸟算法的物流配送中心选址研究

近年来,物流行业不断发展壮大,配送中心作为物流系统中承上启下的关键节点,在减少物流配送成本、提高服务响应效率上具有十分重要的战略价值。针对供应链环节中因多源多点造成的配送成本增加、库存周转率低等痛点,文中提出了一种改进的布谷鸟算法用于解决物流配送中心选址问题。该算法在传统的布谷鸟算法的基础上,引入粒子群优化算法,将两者有效地组合起来进行求解,并在求解过程中增加自适应参数,以避免出现局部最优现象,增加全局搜索能力。实验表明,相较于其他启发式算法,在解决配送中心选址问题上,改进布谷鸟算法能够有效降低物流配送成本,加快求解速度,提高库存周转次数,为企业物流的预算方案提供参考依据。

基于布谷鸟优化算法的灌区渠系输配水水量优化调控模型研究

渠系输配水渗漏损失和闸门调节的水力损失是灌区多级输供水系统水利用效率低下的主要原因,对灌渠输配水过程进行优化调控是实现农业高效节水的重要途径。以湖北省漳河灌区三干渠为研究对象,建立了多级渠系多因素综合影响下的灌渠优化配水模型,运用元启发式优化算法布谷鸟搜索算法进行模型求解。与实测配水过程相比,优化配水模型和常规配水模型的灌溉历时分别为13.2、13.5 d,减少45.00%、43.75%的配水时间,且配水流量过程均匀稳定,能有效减少闸门调节次数。采用布谷鸟算法(CS)、粒子群算法(PSO)和差分进化算法(DE)求解的优化配水模型和常规配水模型输水渗漏损失分别减少了27.22%、26.72%、27.06%和24.96%、23.90%、24.55%。布谷鸟算法能快速、高效、稳定地求解多维渠系输配水问题,为灌区渠系输配水水量优化调控模型构建和求解提供科学参考。

基于改进布谷鸟算法的永磁同步电机参数辨识

针对永磁同步电机中参数辨识精度不足以及速度较慢的问题,文章提出一种改进的布谷鸟算法实现对永磁同步电机的参数辨识。首先,采用Tent映射初始化种群;其次,采用动态发现概率调整布谷鸟蛋被发现的概率;最后,引入逐维反向学习策略,增强了算法的局部和全局寻优能力,同时加快了收敛速度。仿真分析表明,改进的布谷鸟算法相比于原算法,能更加有效地辨识永磁同步电机的电机参数。

基于改进布谷鸟算法的电网静态选址定容策略

针对传统的算法在求解多目标函数上存在局限性的问题,利用改进布谷鸟搜索算法实现综合电压约束条件的多目标最优的新型无功优化策略。该策略首先确定对网损降低最大且补偿成本最小的节点,然后构建以成本投入最小,补偿后节约的有功网损最大,综合系统电压约束条件为目标构建新型目标函数。利用改进的布谷鸟算法,通过引入混沌映射初始化种群,并对算法的自适应性做了改进来平衡全局搜索能力和局部搜索能力,实现该目标函数的最优解求解,即最优无功补偿方案。在IEEE 34节点系统进行算例仿真,验证了所提方法的有效性和可行性,仿真结果表明提出的改进布谷鸟算法在搜索精度和搜索速度以及收敛性方面均优于其他算法,同时得到的电网总网损和成本投入都是最优,因此提出的基于改进型布谷鸟算法的无功优化策略具有重要意义。