基于混合策略麻雀搜索算法优化的DC-DC变换器自抗扰稳压策略

为抑制城轨列车频繁启停引起的牵引网电压剧烈波动,在车载储能DC-DC变换器中设计一种基于改进麻雀搜索算法的自抗扰控制器。首先,建立DC-DC变换器的一阶自抗扰控制器进行稳压控制;然后,为提高系统快速性和抗扰性,引入麻雀搜索算法进行控制器参数寻优;之后针对麻雀搜索算法易陷入局部最优的缺点,引入Tent混沌序列和多样化变异处理,并提出基于樽海鞘算法的新型改进算子对麻雀搜索算法进行改进;最后,根据列车的速度曲线进行仿真验证。通过实验对比,自抗扰控制器在启动加速阶段的电压调节时间相较于PI控制、传统自抗扰和麻雀搜索自抗扰分别减小0.012、0.006、0.003 s,在制动减速阶段分别减小0.0054、0.0025、0.0015 s,结果表明所设计的控制器的可行性和有效性。

一种用于DGPS整周模糊度解算的混合策略麻雀搜索算法

针对麻雀搜索算法(SSA)在计算差分全球定位系统(DGPS)整周模糊度过程中出现的全局搜索能力弱、易陷入局部最优等问题,提出了混合策略麻雀搜索算法(HSSSA)。首先,通过引入Circle混沌映射初始化种群,提高初始种群的多样性,增强算法的全局寻优能力;其次,将粒子群算法中各个粒子的速度策略引入发现者位置更新公式中,提升算法寻优能力;最后,使用高斯变异策略对最优麻雀位置进行扰动,增强了跳出局部最优的能力。将所提算法应用于9个不同特征的基准函数进行实验,结果表明,HSSSA算法有着良好的寻优精度和收敛速度。在GPS/BDS实测数据的3000个历元的解算中,相比传统LAMBDA算法和SSA算法,HSSSA算法有着更高的解算成功率,可达99.2%。

自适应混合策略麻雀搜索算法

针对麻雀搜索算法(sparrow search algorithm,SSA)求解精度低,稳定性不足,易陷入局部最优等问题,提出一种基于自适应混合策略的麻雀搜索算法(adaptive hybrid strategy sparrow search algorithm,AHSSSA)。引入Tent混沌映射初始化种群,增加种群数量,合并两个种群,再利用精英策略得到精英种群,以提高初始解质量;引入自适应周期收敛因子α,加强搜索能力与收敛速度;追随者与预警者位置更新方式调整,在一定程度上防止算法陷入局部最优;引入多项式变异扰动,以解决SSA陷入局部最优问题。利用12种测试函数进行测试,结果表明:AHSSSA比SSA有更好的寻优性能。

基于混合策略麻雀搜索算法的WSN覆盖优化

为了有效提高无线传感器网络的节点覆盖率,提出了一种基于混合策略麻雀搜索算法的WSN优化算法。利用Tent混沌映射初始化麻雀种群,增加种群的多样性;再用反向学习策略生成反向解扩大搜索范围,提高算法全局的搜索能力;加入惯性因子选择对预警麻雀个体进行Levy策略更新,提高算法局部搜索能力;对最优麻雀位置进行随机游走扰动进一步提高局部的搜索能力。仿真结果显示,HSSSA算法使节点分布更加均匀,覆盖率有明显提高。

一种混合多策略改进的麻雀搜索算法

针对麻雀搜索算法SSA求解目标函数最优解时具有过早收敛、在多峰条件下易陷入局部最优和在高维情况下求解精度不足等问题,提出了一种混合多策略改进的麻雀搜索算法MISSA。考虑到算法初始解的质量很大程度上会影响整个算法的收敛速度与精度,引入精英反向学习策略,扩大算法的搜索区域,提升初始种群的质量和多样性;对步长进行分阶段控制,以提高算法的求解精度;通过在跟随者的位置中加入Circle映射参数与余弦因子,提高算法的遍历性与搜索能力;采用自适应选择机制在麻雀个体位置更新中加入Lévy飞行,增强算法寻优和跳出局部最优的能力。将改进后的算法与麻雀搜索算法及其他算法在13个测试函数上进行对比,并进行Friedman检验。实验结果表明,改进后的麻雀搜索算法能够有效提高寻优精度与收敛速度,并在高维问题中也具备较高的稳定性。

基于多策略麻雀搜索算法的机器人路径规划

通过多种策略对基本麻雀搜索算法(SSA)进行改进,以解决麻雀搜索算法后期由于种群多样性丢失而导致的全局优化精度和速度问题。首先,改进无限折叠迭代映射(ICMIC)初始化种群,将自适应分段步长因子引入麻雀探测器的位置更新公式中,使麻雀搜索算法观察者的固定比例系数随迭代次数动态变化。然后,将观察者的位置与新公式和正弦余弦算法(SCA)相结合,并干扰先前的观察者步长。最后,在基准测试函数上比较了改进的麻雀搜索算法(ISSA)、麻雀搜索算法(SSA)、鲸鱼算法(WOA)、灰狼算法(GWO)、改进的灰狼算法(CGWO)、正弦余弦算法(SCA)和粒子群优化算法(PSO)的收敛性和准确性,并将其应用于路径规划。实验表明改进的麻雀搜索算法具有良好的优化性能。

基于麻雀搜索算法和长短期记忆神经网络的轨道交通站点客流预测

准确的短时客流预测可以为城市轨道交通的良好运营提供保障,但轨道交通的短时客流具有非线性和高随机性等特点,为了提高对短时客流的预测精度,提出将ISSA算法和LSTM模型进行组合,构建城市轨道交通短时客流预测模型.针对SSA算法收敛速度慢,容易陷入局部最优解的问题,引入黄金莱维飞行策略,通过动态调整探索者移动步长的方法,使得它在未知范围内搜索时,能够覆盖更大的范围,提高SSA算法全局搜索的能力.通过使用ISSA算法对LSTM模型的隐含层、学习率和迭代次数的神经元个数进行优化,构建ISSA-LSTM组合预测模型,用于城市轨道交通短时客流的预测.将该模型与BP、LSTM和SSA-LSTM等3种短时客流预测模型进行对比,结果表明:在针对工作日和非工作日客流的预测中,ISSA-LSTM模型预测误差最小,具有较好的预测效果.

基于混合策略的麻雀搜索算法改进及应用

针对麻雀搜索算法(SSA)搜索精度不高、全局搜索能力不强、收敛速度慢和易于陷入局部最优等问题,提出了一种基于混合策略的麻雀搜索算法(HSSA)。采用改进的Circle混沌映射初始化种群,提高种群多样性;结合樽海鞘群算法改进发现者的搜索公式,提高算法迭代前期的全局搜索能力和范围;在加入者的搜索公式中引入自适应步长因子,提高算法的局部搜索能力和收敛速度;通过镜像选择机制,提升每次迭代后的个体质量,提高算法的寻优精度和寻优速度;在位置更新处加入模拟退火机制,帮助算法跳出局部最优。利用8种测试函数进行测试,结果表明,改进算法比SSA有更好的寻优性能。将改进前后算法与极限学习机结合进行实验,人体表面肌电信号数据集的分类预测精度从80.17%提高到90.87%,证实了改进算法的可行性和良好性能。

混合策略改进的麻雀搜索算法

针对麻雀搜索算法存在的迭代过程中种群多样性减少且容易陷入局部最优以及收敛速度慢等问题,提出混合策略改进的麻雀搜索算法(MSSSA)。利用Circle映射初始化麻雀个体位置,增加初始种群的多样性。结合蝴蝶优化算法(BOA)中蝴蝶飞行方式,改进发现者的位置更新策略,增强算法全局探索能力。采用逐维变异方法对个体位置进行扰动,提升算法跳出局部最优的能力。在仿真实验中与4种基本算法和5种改进算法基于10个基准测试函数进行比较并进行Wilcoxon秩和检验,结果表明所提算法具有更好的收敛性和求解精度,全局寻优能力得到大幅提升。

基于混合策略改进的麻雀搜索算法

为克服基本麻雀搜索算法(Sparrow Search Algorithm,SSA)存在的迭代过程中种群多样性减少、易陷入局部最优停滞、早熟收敛等不足,提出一种基于混合策略改进的麻雀搜索优化算法(EGSSA)。首先,迭代时利用精英反向学习机制在个体求解过程中计算精英反向解,提升算法寻优过程中种群丰富性和种群质量,为提高算法全局寻优能力以及收敛精度奠定基础;其次,将黄金正弦策略用以改进发现者位置更新方式,协调算法局部开发和全局搜索能力,并且提高算法的收敛能力;最后,在加入者的更新中采用了莱维飞行随机步长,以使新加入者所搜索的范围更为全面,一定程度避免算法陷入“早熟收敛”。选取12个基准测试函数进行仿真实验,分别与4种元启发式算法以及3种改进麻雀搜索算法进行比较,实验结果以及Wilcoxon秩和检验均表明,EGSSA算法具有更好的全局探索能力和稳定性以及较强跳出局部极值的能力。

混合多项自适应权重的混沌麻雀搜索算法

麻雀搜索算法具有原理简单、搜索能力强、快速寻优等优点,但是存在全局搜索不足、易陷入局部最优等缺点,针对其缺点提出了混合多项自适应权重的混沌麻雀搜索算法。增加改进Circle混沌映射提高种群多样性;在发现者引入自适应权重策略,提高发现者的全局搜索能力和搜索范围;在加入者引入改进鲸鱼优化算法的气泡网捕食策略,提高算法的局部搜索性能和跳出局部最优的能力;结合反向学习策略机制,对所有的个体进行最优选择,使每次迭代后的个体质量得到提升,以提高算法的寻优效率和寻优精度。将混合多项自适应权重的混沌麻雀搜索算法与4种经典基本算法和9种改进的麻雀搜索算法在12种测试函数和CEC2022测试函数上进行对比,改进算法有更好的寻优性能和收敛速度。

遗传算法与禁忌搜索算法的混合策略

遗传算法与禁忌搜索算法的出现为解决高维组合优化问题提供了强有力工具．二者既有共性，又有个性．通过对遗传算法与禁忌搜索算法的分析，提出了一种遗传算法与禁忌搜索算法的混合策略，把禁忌搜索算法独有的记忆思想引入到遗传算法的搜索过程中，构造了新的重组算子，并把禁忌搜索算法作为遗传算法的变异算子，对旅行商问题的求解表明：混合策略在许多方面优于遗传算法．

混合策略改进的麻雀搜索算法及其应用

针对麻雀搜索算法(sparrow search algorithm,SSA)在优化过程中易陷入局部最优、寻优精度低等问题,提出了一种混合策略改进的麻雀搜索算法(MSSA)。为了使麻雀个体在搜索空间中能够进行充分搜索,在算法寻优过程中引入存档阶段去接收麻雀发现者向安全区域移动时可能被捕获而残留的位置信息;在算法的迭代过程中对当前最优个体作自适应邻域搜索,通过充分探索优质个体周围的位置信息来增强算法跳出局部最优的能力。通过九个基准测试函数进行性能评估,将MSSA、SSA以及四个改进的麻雀搜索算法,即混沌麻雀搜索算法、混合策略改进的麻雀搜索算法、改进的麻雀搜索算法、增强型的麻雀搜索算法,进行性能评测比较。实验结果表明,MSSA相较于其他对比算法在近80%的测试函数上都有更好的收敛精度和稳定性,并且在Friedman检验中MSSA的排名均获得了第一。最后,将MSSA应用于障碍物环境下的无线传感器网络(wireless sensor network,WSN)覆盖优化问题,MSSA比五个对比算法的覆盖率分别提高了9.77%、4.25%、6.62%、3.02%、7.38%。

基于混合改进麻雀搜索算法的农用移动机器人路径规划

针对目前农用移动机器人进行全局路径规划容易产生局部最优路径的不足,提出混合多策略改进麻雀搜索算法的移动机器人路径规划算法。首先,为提升麻雀搜索算法的寻优能力,引入偶对称无限折叠混沌序列、螺旋式搜索发现者更新、多重学习追随者更新机制对传统算法的种群多样性、搜索盲目性及全局搜索能力改进,实现多策略混合改进麻雀搜索算法MHISSA。然后,构建移动机器人的路径规划模型,利用导航点定义种群个体的编码方式,并构造同步避障与路径最短的适应度函数,结合三次样条插值法将MHISSA应用于求解农用移动机器人全局路径规划问题。最后,构造简单和复杂障碍物环境对单机器人路径规划和多机器人协同路径规划进行试验对比分析。结果表明,改进算法能够得到平滑无碰撞的最优路径,路径规划长度最优值和均值较传统麻雀搜索算法平均分别降低23.08%和19.56%。实地场景案例也证明方法在农用移动机器人路径规划方面具备较好的实用性。

融合多策略学习型麻雀搜索算法的UWSN覆盖优化

水下无线传感器网络(UWSN)是三维无线传感器网络的一种应用场景。为解决UWSN覆盖率低的问题,提出一种多策略学习型麻雀搜索算法(MSLSSA)。首先引入双重反冲运动策略,对麻雀个体中的发现者和加入者进行位置更新,其次引入互利学习策略进行麻雀个体中的警戒者互利信息共享,进一步提高搜索能力,增大寻优解搜索空间;然后采用改进的折射反向学习策略作为边界处理方法对越界个体进行处理。最后将该算法应用于UWSN覆盖优化,仿真实验分析表明,与五种相似算法进行比较,MSLSSA覆盖率达到96.61%,能够有效提升UWSN覆盖率,优化节点分布。

多策略融合改进的麻雀搜索算法

针对麻雀搜索算法(SSA)收敛速度慢、探索能力不足、容易陷入局部最优等问题,提出了一种多策略融合改进的麻雀搜索算法(OSSSA)。首先,借助Tent混沌映射初始化种群的多样性以提升初始解的质量;其次,在发现者位置更新中引入鱼鹰算法第一阶段探索策略提升种群对局部搜索的勘探能力;最后,在跟随者位置更新中引入柯西变异和可变螺旋搜索策略提高算法的搜索效率和全局搜索性能,降低算法陷入局部最优解的概率,增强算法的全局寻优能力。在此基础上,对8个基准测试函数进行仿真实验以评估算法的寻优性能,通过对仿真图像及数据的分析,改进后的麻雀搜索算法在收敛速度和寻优精度上得到了较大的提升,验证了改进策略的有效性。

基于改进麻雀搜索算法分数阶PI的PMSM调速策略

永磁同步电机调速系统采用传统比例积分双闭环控制结构存在抗扰性能差与响应速度慢的问题。为此,文中在建立PMSM数学模型和分析传统PI参数设计方法的基础上,提出一种基于改进麻雀搜索算法分数阶比例积分的PMSM调速优化策略,通过在常规SSA中引入佳点集初始化策略和黄金正弦更新策略,解决了SSA易陷入局部最优的问题,提高了收敛速度和精度,以进一步改善PMSM调速系统的响应性能。最后通过MATLAB仿真对比结果可知,所述ISSA-FOPI调速改进策略在4种工况下具有最短的调节时间分别为1.2、0.9、9.9与12.1 ms,和最小的超调量分别为0.16%、0.16%、0.05%与0.6%,这充分体现了所述策略的有效性与优越性。

融合麻雀搜索算法和柯西变异策略的沙猫群优化算法

针对原始的沙猫群优化算法在迭代后期搜索效率低,容易陷入局部最优的问题,提出了一种多策略改进的沙猫群优化算法(ISCSO).首先,通过融合麻雀搜索算法的搜索机制策略,提高了沙猫靠近和捕获猎物的速度,有效地提升了算法后期的搜索能力.其次,为避免算法出现早熟收敛现象,引入limit阈值判断算法是否陷入局部最优.最后,采用柯西变异策略,改变个体所处位置,提高种群多样性,使算法跳出局部最优.通过在6种不同类型的基准测试函数上进行仿真,对实验结果进行数值分析,结果表明:改进后的沙猫群优化算法在求解高维复杂问题上具有精度高、收敛速度快、鲁棒性强等优势.

多策略混合的改进麻雀搜索算法

针对基本麻雀搜索算法(sparrow search algorithm,SSA)在处理复杂优化问题时存在的搜索空间不足、收敛速度慢和易陷入局部最优等问题,提出一种多策略混合的改进麻雀搜索算法(improved sparrow search algorithm based on multi-strategy mixing,IMSSA)。利用Sine混沌映射初始化麻雀个体位置,丰富种群多样性,解决种群分布不均匀、搜索空间不足等问题;引入带有惯性权重的多样性全局最优引导策略来加快收敛速度,调控算法的全局探索与局部开发能力;采用双样本学习策略使算法跳出局部最优,提高种群对解空间的搜索能力。通过测试函数对算法进行仿真实验,验证三种改进策略的有效性,并且进行Wilcoxon秩和检验和时间复杂度分析,结果表明IMSSA算法的各项性能均有显著提升。最后用算法优化支持向量机参数,建立轴承故障诊断模型,进一步证明了改进策略是可行有效的。

改进麻雀搜索算法求解带削峰需求响应的混合流水车间调度问题

电力需求响应是用电高峰时期维护电网供需平衡的重要手段,而削峰是智能电网实现电力需求响应的主要方式。为了使采用混合流水车间生产的企业更好地参与削峰需求响应,优化生产调度,在混合流水车间调度问题中引入了削峰需求响应,建立了新的问题模型,并提出了一种改进麻雀搜索算法用于模型求解。针对标准麻雀搜索算法易陷入局部最优的问题,所提算法通过加入K-均值聚类替换策略改进了标准麻雀搜索算法的局部搜索能力。实验结果表明,所提模型和算法能够提供较好的削峰生产调度方案,满足企业实施削峰需求响应调度的需要。