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。

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。

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。

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局部遮阴MPPT研究

为解决光伏阵列在局部遮阴条件下输出的功率-电压(P-U)特性曲线会呈多峰状态进而影响发电效率这一问题,提出了一种复合优化算法,将布谷鸟算法与小步长扰动观察法相结合,并加入种群初始优化策略,加强了算法的追踪速度和精度,提升光伏阵列整体输出功率。并在MATLAB/Simulink进行了仿真,与改进前布谷鸟算法进行对比,验证了该复合优化算法较比原算法性能上的整体提升。

基于自适应布谷鸟算法的A公司生产调度优化研究

针对传统制造车间加工效率和资源利用率低的问题,对车间调度进行研究,以最小化最大完工时间为优化目标,建立优化模型。针对布谷鸟算法在求解车间调度问题时存在搜索能力差、收敛速度慢的缺点,提出自适应布谷鸟算法对模型进行求解。通过与实际加工情况对比验证,结果显示采用优化模型后公司的生产效率和设备的平均利用率大幅提高,证明了该模型和算法的实用性与有效性。

基于改进布谷鸟算法的微电网优化调度

为提高微电网日运行经济效益及环保效益,同时解决传统布谷鸟算法寻优精度差、易陷入局部最优的问题,提出了一种基于复合混沌映射的维间反向扰动学习布谷鸟算法。首先,引入统计参数映射、动态步长因子策略及指数递减惯性权重偏好游走策略以提高寻优精度和收敛速度;其次,采用动态自适应发现概率来控制全局搜索和局部搜索的切换频率。将所提算法通过10个典型测试函数进行仿真,结果表明改进的布谷鸟算法相比灰狼等元启发式算法具有更好的寻优精度、求解稳定性、收敛速度;最后,再将改进的布谷鸟算法用于求解微电网并网模式下的多目标优化调度问题。仿真结果表明,改进的布谷鸟算法能有效提高微电网日运行总效益及系统运行稳定性。

基于布谷鸟算法的数控系统加减速参数规划

针对传统加减速参数规划算法只适用于其对应加减速模型,移植性差以及求解动力学参数效率低的问题,提出一种适用于加减速段加加速度曲线中心对称模型的加减速参数规划算法。首先,构建加减速段加加速度曲线中心对称的模型,同时基于时间最优的原则,将模型内动力学参数规划问题转变为求解最优化问题;其次,具体化加减速段内加加速度首段曲线,构建最大速度与最短运动时间之间的映射关系;最后,设计布谷鸟算法内适应度函数,迭代寻找最优解。仿真实验证明,所提出算法能够适用于三阶、四阶S形以及正弦模型等复杂模型,求解效率较传统二分算法以及牛顿迭代法分别有65.8%、36.5%的提升,同时证明算法有效性、可靠性。

基于改进布谷鸟算法优化SVM的隧道围岩变形预测

随着我国经济的飞速发展,人们对于高速铁路、公路的需求越来越多,因此我国的交通建设不断加快,隧道的开挖也趋向于“长、深、险、大”的特点。在隧道掘进过程中,要打破岩体的原始应力平衡状态,会对周边岩体产生较大的扰动,导致围岩卸荷产生变形,影响隧道施工决策。所以,对隧道围岩变形进行科学有效的监测并做出及时准确地预测具有十分重要的工程意义。

基于离散布谷鸟算法的综合能源系统电气互联鲁棒状态估计方法

受量测装置采样时间单位不统一影响,GEIES量测数据误差较大,为提升GEIES状态估计精度,将离散布谷鸟算法应用至综合能源系统状态估计中,提出一种新的GEIES状态估计方法。建立贝叶斯量测模型获取气网和电网状态估计量测数据,增加量测数据集的完备性,为保证GEIES状态估计结果不受噪声因素影响,设置高斯噪声方差。将量测结果代入至GEIES状态估计中,分别建立电网状态估计模型和气网状态估计模型,并将二者结合建立综合能源系统电气互联鲁棒状态估计模型,通过离散布谷鸟算法求解该模型,获取状态估计最优解。算例结果表明,不论是无噪声环境还是有噪声环境,所提方法的状态估计结果精度均较高,且能够起到坏数据辨识的作用,说明其状态估计效果较好。

基于改进布谷鸟算法的主动配电网优化调度

为了解决主动配电网优化运行问题,给出了一种基于改进布谷鸟(Improved Cuckoo Search,ICS)算法的主动配电网(Active Distribution Network,ADN)优化调度方法。以ADN运行总成本最小为目标函数,综合考虑ADN系统运行约束,建立了ADN优化调度模型。利用动态调整发现概率和反向学习扰动策略对布谷鸟(Cuckoo Search,CS)算法进行改进,得到了搜索性能更强且求解精度更高的ICS算法。采用ICS算法对ADN优化调度模型进行求解,并与CS算法、粒子群(Particle Swarm Optimization,PSO)算法和遗传算法(Genetic Algorithm,GA)的收敛性能进行比较,结果表明,ICS算法的收敛迭代次数、收敛时间及ADN运行总成本分别为32次、7.2秒和100659.24元,均优于CS算法、PSO算法和GA算法等几种对比算法,验证了所提ADN优化调度方法的正确性和实用性。

一种小规模多种群布谷鸟算法

针对布谷鸟算法后期收敛速度慢、计算精度不高等不足提出一种小规模多种群改进方法。将这种方法运用在基本布谷鸟算法CS(Cuckoo Search)和自适应步长布谷鸟算法(ASCS)中,改进后的算法分别称为小规模多种群布谷鸟算法MPCS(Small-scale and multi-population cuckoo search algorithm)、小规模多种群自适应步长布谷鸟算法MPASCS(Small-scale and multi-population cuckoo search with self-adaptive step)。通过8个标准测试函数进行测试,实验结果表明改进后的算法比改进之前的算法有更快的收敛速度、更高的计算精度和收敛成功率。

基于改进布谷鸟算法的自适应负载均衡算法

针对负载均衡算法在高负载请求下服务器集群效率不高,负载不均衡及低负载请求下影响服务器效率的问题,文中基于Nginx负载均衡服务器,提出一种基于改进布谷鸟算法的自适应负载均衡算法。该算法通过熵权法确定CPU、内存、磁盘IO性能和网络带宽等各项负载指标的权系数,衡量各项负载指标对负载评价影响的重要程度,并基于Nginx加权轮询算法和服务器实时负载情况,设计了高并发负载情况下的动态负载均衡算法。引入转化阈值计算,通过引入基于种群熵的改进布谷鸟算法计算Nginx静态加权轮询算法,转变为动态负载均衡算法的转化阈值。通过实验测试,相较于WRR算法、least-con算法和动态权重算法,该算法在响应时间和实际并发数等方面具有表现更好,在数值上相比于动态权重算法有18%左右的提升,验证了本文算法具有更好的负载均衡效果。

基于布谷鸟算法改进Bi-GRU的大坝变形预测方法

针对小型水库大坝变形监测数据类型少、预测模型精度低的问题,提出一种基于布谷鸟算法(Cuckoo Search, CS)改进双向门控循环网络(Bi-directional Gated Recurrent Unit, Bi-GRU)的大坝变形预测方法。以水库大坝为研究对象,采用布谷鸟搜索算法优化Bi-GRU模型的网络参数,提升Bi-GRU模型的预测性能。结果表明,对比Bi-GRU模型和Bi-LSTM模型,所构建模型预测精度较高,能满足工程实际需要。

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。