基于离散混合蛙跳算法的地震应急物资调度

建立震后应急物资调度数学模型。该模型根据各灾区的受灾情况评估其救援紧急程度,并设计一种需求拆分供应的运输机制,提高车辆的利用效率。为求解该模型,提出一种多源信息学习的离散混合蛙跳算法。所提算法引入多种信息源以扩展算法的搜索方向,降低种群的同化速度。同时,让子组最差个体学习种群中的有效信息,提高算法的收敛精度。实验结果表明,所提算法能够搜索到精度更优的调度方案,对问题规模具有良好的可扩展性。

基于改进的混合蛙跳算法WSNs分簇路由协议

针对基本蛙跳算法(Frog Leaping Algorithm,FLA)在无线传感器网络(Wireless Sensor Networks,WSNs)中的精度低、易局部最优和收敛速度慢的缺点,本文提出一种改进的混合蛙跳算法(Improved Hybrid Frog Leaping Algorithm,IHFLA)路由协议。IHFLA通过引入密度稀疏的精英子群策略和全局循环搜索策略,来提高算法的全局收敛性能和精度。实验表明,IHFLA能快速收敛到最优解,具有很强的获取高精度解的能力,能降低网络能耗,延长网络生命周期。

混合蛙跳算法在旋转货架货位优化中的应用

以集群旋转式货架存储货物的自动化立体仓库为研究对象,以提高货架整体和运动状态的单层稳定性、货物相关性和出入库效率等基本货位优化原则为目标,提出一种通用性较强的多参数混合蛙跳算法,对多目标优化问题进行建模,使用MATLAB工具进行仿真。通过实验结果的对比可知,多参数混合蛙跳算法比混合蛙跳算法具有一定的优越性,并且对于分析其他问题的适应性较强,对于多目标优化问题具有一定的理论意义。

基于改进混合蛙跳算法优化SVM的道岔故障诊断

针对道岔故障难以模拟导致的故障样本少、故障诊断困难等问题,提出一种改进混合蛙跳算法优化的支持向量机模型,基于小样本数据进行道岔故障诊断。支持向量机需要对参数择优选择,否则会造成过拟合或者欠拟合现象。将差分进化算法及模拟退火算法与混合蛙跳算法相融合,解决了混合蛙跳算法易陷入局部最优的问题,并将其用于优化支持向量机参数,提高支持向量机模型的故障诊断能力。通过对实测数据进行试验,测试结果表明:在相同条件下,本文提出的模型比支持向量机模型与混合蛙跳算法优化的支持向量机模型的平均故障诊断准确率提高了34.28%,比仅融合差分进化算法的混合蛙跳算法优化的支持向量机模型的平均故障诊断准确率提高了5.71%。故障诊断结果表明,本文提出的方法对基于小样本数据的道岔故障诊断更加有效。

基于混合蛙跳算法的城镇低效用地空间开发格局优化配置

由于现有的城镇低效用地空间开发格局优化配置方式面积增加量少、用地空间利用程度差,该文研究提出了基于混合蛙跳算法的优化配置方式。选择城镇低效用地可量化的指标数据,构建用地空间承载状况指标体系。运用熵值法对不同的指标进行赋权,获取有效信息。计算承载力结果,判断用地的承载状况。运用混合蛙跳算法的搜索能力对用地空间进行搜索开发。设定步长搜索目标的发展轨迹,并按照移动方向,不断搜索直到选择出更优的目标值,得到最优青蛙个体即在实际中为开发最优解。按照城镇低效用地空间特征,设定用地空间优化规则矩阵。运用集中紧凑方式协调土地潜在冲突风险,计算协调度水平来判断优化配置结果。如果协调度水平提高,说明土地琐碎化得到改善,达到优化效果。计算结果表明:在原有开发区面积上进行优化后,实验组优化后的面积为最大优化面积,提升了空间的利用程度,实现了基于混合蛙跳算法的城镇低效用地空间开发格局优化配置方法的良好应用。

基于差分变异的混合蛙跳算法在配电网重构中的应用

提出了一种基于差分变异的混合蛙跳算法进行配电网重构。采用基于十进制环状编码方法解决了二进制编码产生大量不可行解的问题。给出了十进制环状编码的变异和选择策略,同时结合蛙跳算法的分组更新特点。应用该算法对IEEE33节点和PG&E69节点网络进行配电网重构仿真,结果表明,该方法能有效降低配电网损耗。

基于混合蛙跳算法的分布式风电源规划

对分布式风电源(DWG)出力的随机性和负荷的不确定性进行概率建模。在此基础上,以年综合费用最小为目标,利用机会约束规划方法建立了配电网DWG选址定容规划模型。采用基于拉丁超立方采样蒙特卡洛模拟(LHS-MCS)法的概率潮流判断规划方案是否满足节点电压机会约束和支路电流机会约束。设计了混合蛙跳算法(SFLA)求解DWG规划模型的具体实现方法。33节点配电网的DWG规划结果验证了模型的合理性、LHS-MCS检验机会约束条件的有效性以及SFLA的高效性。

一种基于阈值选择策略的改进混合蛙跳算法

混合蛙跳算法(SFLA)是一种全新的后启发式群体进化算法,具有高效的计算性能和优良的全局搜索能力。对混合蛙跳算法的基本原理进行了阐述,针对算法局部更新策略引起的更新操作前后个体空间位置变化较大,降低收敛速度这一问题,提出一种基于阈值选择策略的改进混合蛙跳算法。通过不满足阈值条件的个体分量不予更新的策略,减小了个体空间差异,从而改善了算法性能。数值实验证明了该改进算法的有效性,并对改进算法的阈值参数进行了率定。

基于全局共享因子的混合蛙跳算法

混合蛙跳算法在进化后期收敛速度慢、优化精度低。为解决该问题,提出改进的混合蛙跳算法。引入共享因子的思想,将其分为全局共享因子和局部共享因子,分别介绍引入2类共享因子后的3种算法,对其中基于全局共享因子的混合蛙跳算法优化性能进行分析,设计算法步骤,分析算法的运行效率。实验结果表明,在全局进化次数和收敛精度分别固定的条件下,该算法在单峰值和多峰值函数寻优问题上均具有较高的收敛速度和精度,能改进混合蛙跳算法的优化性能。

基于阈值选择策略的改进混合蛙跳算法在电网规划中的应用

利用混合蛙跳算法(SFLA)具有高效计算性能和优良全局搜索能力的优势,针对其侧重于解决连续性问题以及易陷入局部最优解的不足,通过对混合蛙跳算法的解向量进行离散化处理并采用阈值选择策略,提出了适用于电网规划的一种基于阈值选择策略的改进混合蛙跳算法(ISFLA)。算例应用结果表明,与粒子群算法(PSO)相比,所提算法能够在较小的计算规模和较短的计算时间内得到全局最优解。通过进一步分析不同阈值对算法收敛速度的影响可以看出,应针对不同的电网规模及扩展规划范围选择合理的阈值,以此提高ISFLA的收敛速度和电网规划的有效性。

改进混合蛙跳算法求解旅行商问题

以旅行商问题(TSP)为例,引入调整序思想设计了局部搜索策略,同时在全局信息交换过程中加入变异操作,提出一种改进混合蛙跳算法求解TSP问题。实验结果表明,与遗传算法和粒子群优化算法相比较,改进混合蛙跳算法在求解TSP问题上具有更好的搜索性能和顽健性。

混合蛙跳算法自适应参数调整改进策略

针对基本混合蛙跳算法(shuffled frog leaping algorithm,SFL)在求解高维复杂问题时的不足,本文提出一种自适应参数调整的改进策略。首先,利用变公比数列分析了SFL更新轨迹的收敛性;在此基础上,利用系统稳定性分析方法,提出在SFL更新公式中基于比例系数和适应度标准差来自适应调整更新的方法。最后,基于3组共8个标准测试函数将本文改进SFL与基本SFL和4个改进型粒子群优化算法(particle swarm optimization,PSO)作对比,验证了本文改进策略对各类复杂函数的高效性;同时,对比了改进SFL与基本SFL和wPSO在求解高维问题时的性能,验证了改进SFL对高维问题求解的有效性。

混合蛙跳算法的Markov模型及其收敛性分析

本文就混合蛙跳算法(Shuffled Frog Leaping Algorithm,SFLA)建立了Markov链数学分析模型,详细分析了该Markov链的性质,证明青蛙族群状态序列是齐次Markov链.在此基础上,通过分析族群状态序列的转移过程,指出序列必将进入最优状态集.同时证明混合蛙跳算法满足随机搜索算法全局收敛的两个条件,能够保证全局收敛.

基于改进混合蛙跳算法的CVRP求解

该文提出基于实数编码模式的混合蛙跳算法(Shuffled Frog Leaping Algorithm,SFLA)求解容量约束车辆路径问题(Capacitated Vehicle Routing Problem,CVRP);把具有极强局部搜索能力的幂律极值动力学优化(PowerLaw Extremal Optimization,τ-EO)融合于SFLA,针对CVRP对τ-EO过程进行设计和改进。改进的τ-EO采用新颖的组元适应度计算方法;采用幂律概率分布来挑选需要变异的组元;根据最邻近城市表,采用幂律概率分布挑选变异组元的最佳邻近城市,执行线路间或线路内的变异。求解测试库中的实例,证明该改进算法有效。

混合蛙跳算法神经网络及其在语音情感识别中的应用

该文将混合蛙跳算法(SELA)优化方法应用于人工神经网络训练中,对6种语音情感进行了语音情感特征的分析与识别。研究了谐波噪声比特征随情感类别的变化特性。利用混合蛙跳算法训练随机产生的初始数据优化神经网络的连接权值,快速实现了网络收敛。实验比较了BP神经网络、RBF神经网络和SFLA神经网络的语音情感识别性能。结果表明,SFLA神经网络的平均识别率分别高于BP神经网络和RBF神经网络4.7%和4.3%。

基于混合蛙跳算法的土地利用格局优化

针对传统的土地优化模型,如线性规划、非线性规划、灰色系统和景观生态学等不能实现土地数量结构和空间结构有效统一的问题,在研究现有智能优化模型,如粒子群算法、遗传算法的基础上,建立基于混合蛙跳算法的土地利用优化模型。该模型以30 m×30 m的地理栅格单元作为基本操作对象,实现土地利用的空间格局优化。以兰州市2014年土地利用格局为基础数据验证优化模型的有效性。在优化前各种地类所产生的生态系统服务价值为5.701×109元,优化后的生态系统服务价值为5.802×109元,优化前土地格局标准紧凑度为0.37,优化后为0.47。优化后牧草地面积增长了8 431 hm2,所提供的生态系统服务价值增长了1.71×108元,林地面积增加了1.453×105 hm2,提供的生态系统服务价值增加了2.49×108元。试验结果表明,该模型能利用青蛙的群体空间分布模拟土地利用空间格局,并能在多目标控制下找到问题的最优解,实现土地利用数量结构和空间结构的有效统一,模型具有较强的全局优化能力以及较快的收敛速度。

基于混合蛙跳算法的复杂产品装配序列规划

为提高机械产品的装配效率,提出一种基于混合蛙跳算法的产品装配序列规划方法。该方法针对混合蛙跳算法中各个模因组内的最优样本容易出现趋同性的现象,引入遗传算法,提出最优样本的差异性控制策略,以改善种群的差异性。建立了以装配操作稳定性、惩罚函数、装配方向改变次数和装配工具改变次数为装配序列评价指标的适应度函数模型。以一个装配体实例分析该算法的特性,验证了改进混合蛙跳算法的可行性和稳定性,并将该算法与标准混合蛙跳算法和遗传算法相比较,证明了改进混合蛙跳算法更有效。

改进的混合蛙跳算法性能分析及其在电力系统经济调度中的应用

针对基本混合蛙跳算法收敛速度慢,优化精度低的问题,提出了改进的混合蛙跳算法:通过引入自适应因子,保持了算法开发与探索的平衡,维持了种群的多样性,提高了个体向局部最优或全局最优个体学习的能力,加快了算法的收敛速度。通过对4个测试函数和电力系统中经济调度问题进行优化实验,并与基本混合蛙跳算法和相关文献中的改进算法进行比较,实验结果表明所提出的改进算法取得了更加理想的运算结果,具有更好的优化性能。

一种改进的混合蛙跳算法及其收敛性分析

为了提高混合蛙跳算法(SFLA)求解函数优化问题的能力,借鉴PSO与DE的进化算子提出了一种改进的混合蛙跳算法(ESFLA),分析了ESFLA的时间复杂性,并基于有限Markov链证明了ESFLA的全局收敛性。对ESFLA、SFLA与ISFLA2的仿真计算结果表明,ESFLA比SFLA和ISFLA2更适用于求解复杂的函数优化问题。

改进的混合蛙跳算法

为提高混合蛙跳算法在优化问题求解中的性能,提出了一种改进混合蛙跳算法。改进算法在原算法基础上加入了变异算子,并根据算法进化过程的不同阶段和进化过程中候选解分布情况,利用模糊控制器对变异算子的变异尺度进行调整,实现了变异算子在解空间中搜索范围的动态调整。通过对优化问题中4个典型测试函数的仿真实验表明,与基本蛙跳算法和已有改进算法相比,改进算法在寻优精度、收敛速度和求解成功率上均有一倍以上的提高,尤其在高维复杂优化问题求解中体现出较强的寻优能力。