混沌扰动模拟退火蚁群算法低碳物流路径优化

低碳物流是目前物流配送领域的热点研究课题,也是群体智能优化算法的重要应用方向。针对物流配送中碳排放的度量方法,以VRP问题为基本模型,以碳排放成本为目标函数,建立了低碳物流配送路径优化模型。为了避免基本蚁群算法出现停滞及早熟现象,提出了带混沌扰动的模拟退火蚁群算法来求解低碳物流配送路径优化模型。该算法将混沌系统及模拟退火机制引入基本蚁群算法,避免了算法陷入局部最优,增强了全局搜索能力,提高了求解效率。通过实验仿真及对比分析可知,带混沌扰动的模拟退火蚁群算法的求解结果明显优于基本蚁群算法,表明了该算法的有效性和合理性。

求解TSP的带混沌扰动的模拟退火蚁群算法

针对蚁群算法易陷入局部最优及收敛速度较慢的问题,提出一种带混沌扰动的模拟退火蚁群算法。引入模拟退火机制及混沌系统,分别对基本蚁群算法中的蚂蚁种群搜寻范围以及信息素设定与更新进行改进,提高蚁群算法全局搜索能力。使用该算法与基本蚁群算法同时求解TSP这一经典组合优化问题,对两种算法的求解性能进行对比分析。仿真结果表明,该算法的求解精度及求解效率都明显优于基本蚁群算法。

基于交流算子与混沌扰动的布谷鸟优化算法

布谷鸟算法是智群寻优搜索领域的一种新型优化算法,基本的布谷鸟算法存在进化后期容易陷入局部最优值、收敛速度慢以及寻优精度低等不足.为提高算法的性能,提出一种基于交流算子和混沌扰动的布谷鸟优化算法.该算法引入微粒群算法的交流算子思想加大收敛速度、在迭代中对鸟巢位置采用混沌扰动以提高搜索精度等方法实现对基本算法的改进.通过5个标准测试函数的验证测试,实验表明改进后的布谷鸟算法在寻优速度和精度方面都优于基本布谷鸟算法,是一种有效的算法.

基于混沌扰动策略的果蝇优化算法

果蝇优化算法是模拟果蝇觅食的一种解决优化问题的智能算法,但是为了避免其在优化过程中容易陷入局部极值的缺陷,提出一种新的基于混沌扰动的果蝇优化算法.在迭代过程中,首先利用基本果蝇算法获得最优个体,然后对最优个体引入混沌扰动策略,增强获得全局最优解的可能性.同时通过动态变化系数η调整在迭代寻求过程中混沌扰动变量的值,提高算法跳出局部最优和寻找全局最优的能力.对6个经典测试函数的仿真结果表明,新算法的收敛速度、收敛精度和鲁棒性方面比基本果蝇优化算法具有明显优势.

动态混沌扰动遗传算法的振动模糊高光谱图像复原

高光谱图像具有较高的光谱分辨率和空间分辨率,从而具备区分诊断地物光谱特性的能力,但是在获取高光谱图像时,经常会由于载荷平台的振动,导致光谱图像失真,严重影响光谱图像在应用中的精度和可信度。提出一种能够将振动模糊高光谱图像复原的动态混沌扰动遗传算法,该算法对比于普通的遗传算法,不会出现过早收敛,能够较准确的恢复图像,提高光谱质量。根据振动模糊图像的退化原理,找到振动模糊图像与清晰图像之间的映射关系和振动模糊图像的点扩散函数。针对振动模糊图像退化的非线性和混沌系统特征,用tent映射生成混沌初始种群,增强遗传算法的全局搜索能力。对产生的优秀个体,用切比雪夫映射进行混沌扰动,对优秀个体混沌优化,以增强遗传算法自身局部搜索能力。将三维高光谱影像平铺为二维图像,利用相邻的光谱通道的图像相关性,对每一幅图像进行复原,从而实现三维高光谱数据的复原。在澳大利亚机载Hymap成像光谱仪所提供的数据立方体中,进行了两组不同的振动模糊光谱图像复原仿真验证。将所提出的方法与近期使用的光谱图像复原算法和遗传复原算法进行对比分析,图像采用无参评价方法灰度平均梯度GMG和拉普拉斯算子LS,有参评价方法信噪比SNR和峰值信噪比PSNR,光谱采用光谱信息散度SID和光谱梯度角SGA评价方法,发现各个评价指标均有大幅改善。与最新的光谱复原算法相比,SNR提高了60%,PSNR提高了10%,GMG提高了11%,LS提高了11%,SID降低了39%,SGA降低了5%。与原遗传算法相比,图像的SNR提高了51%,PSNR提高了12%,GMG提高了33%,LS提高了43%,SID降低了39%,SGA降低了16%。计算结果表明该方法对恢复振动模糊高光谱图像数据非常有效,不仅能提高单波段图像的清晰度,光谱数据立方体的光谱质量也明显提高。

基于混沌扰动与柯西变异的HHO算法

对于传统哈里斯鹰算法收敛精度较低且易陷入局部最优的问题,提出改进的哈里斯鹰优化算法(Harris Hawks optimization,简称HHO).首先引入指数能量方程和正弦跳跃距离方程,然后根据个体的适应度值对个体进行柯西变异或Circle混沌扰动,有效解决其陷入局部最优问题.论文优取了10个基准函数进行测试并对结果进行Wilcoxon检验,结果表明,改进后的算法在统计水平上显著于其他对比算法,其收敛精度、速度均有所提升.

基于混沌扰动机制粒子群算法的战场频率分配方法

为在战场电磁环境下进行科学分配频率,减少各部队用频设备之间的相互干扰,提出一种基于混沌扰动机制粒子群算法的频率分配方法,将战场频率分配转化为带约束条件的最优频谱资源查找求解问题,建立以干扰代价最低为目标的频率分配模型,通过改进的粒子群算法进行频率分配。该算法引入混沌扰动机制,提高种群多样性和算法全局寻优能力,避免算法陷入局部最优。通过实验表明,在频率分配过程中该算法是可行的,并且其收敛性和解集的多样性均明显优于粒子群算法。

基于混沌扰动机制的天牛须搜索算法及其在图像增强中的应用

针对天牛须搜索算法(BAS)收敛速度慢、精度低、全局搜索效果较差等问题,提出了一种基于混沌扰动机制的改进天牛须搜索算法(CDBAS).该算法通过混沌机制对天牛位置进行扰动,在迭代时先进行全局搜索,找到全局适应度值大的区域,然后在该区域中再进行搜索.对BAS和CDBAS分别用7个测试函数进行实验对比,结果显示CDBAS算法具有更好的优化性能,其收敛速度更快,求解精度更高.将CDBAS算法应用于图像增强中,结果表明,CDBAS算法的增强效果更为明显,图像更加清晰,层次信息更为丰富.

基于动态分组与混沌扰动的改进布谷鸟算法

针对布谷鸟算法(CS)求解速度不够快、精度不够高的问题,给出一种基于动态分组与混沌扰动的改进布谷鸟算法(ICS),并通过5种经典的测试函数对其性能进行测试.仿真实验结果表明,ICS比CS有更快的求解速度和更高的求解精度.

混沌扰动w_BAPSO算法在任务调度中的应用

为提高云计算任务调度效率,减少任务调度的成本和时间,改进算法容易陷入局部最优的缺陷,提出基于混沌扰动的w_BAPSO算法。在云计算环境下,通过引入带有logistics混沌扰动的线性递减惯性权重,在PSO算法更新过程中结合蝙蝠算法脉冲速率、脉冲响度等参数,将带有混沌扰动的w_BAPSO算法用于云计算任务调度过程中。通过Cloudsim云计算仿真软件进行实验验证,分别测试不同任务规模下w_BAPSO算法效能。实验结果表明,基于混沌扰动的w_BAPSO算法不仅能够提高算法的收敛速度和搜索精度,而且减少了云计算任务调度的成本和时间,还提高了任务调度效率。

基于混沌扰动的改进布谷鸟算法

针对布谷鸟算法存在收敛速度不够快、求解精度不够高的问题,应用混沌扰动,给出基于混沌扰动的改进布谷鸟算法(CCS),使用3个基准测试函数对改进后的算法进行仿真实验,实验结果证明改进后的布谷鸟算法相对改进前的算法有较快的求解速度和较高的求解精度。

混沌噪声扰动的地震波形反演研究

地球物理优化反演问题大都是非线性、多参数、多极值的反演问题 ,因此从一些非线性领域去探索新的全局优化算法来求解地球物理反演问题具有很大的实际价值。将一种混沌噪声扰动的思想引入到了地震波形的优化反演中 ,通过加入混沌噪声算子来提高梯度下降算子的全局收敛能力 ,既保持了梯度下降法的快速搜索能力 ,同时又具有逃出局部极值陷井的“动力”。模型试验表明 ,混沌噪声扰动的策略比常规的遗传算法和基于Logsitc混沌运动轨迹搜索的优化算法具有更快的运算效率 ,更少的主观控制参数 。

基于混沌小扰动抑制的电力系统混沌振荡控制方法研究

针对电力系统在周期扰动下可能发生混沌振荡,影响电力系统稳定运行的问题,提出基于混沌小扰动抑制的电力系统混沌振荡控制方法;构建电力系统数学模型,模拟电力系统混沌振荡过程,确定扰动与混沌振荡之间的关系;根据电力系统实时运行数据的采集结果,计算混沌振荡信号特征参数,判定系统振荡状态,计算混沌扰动抑制控制量;在混沌振荡控制器的支持下,利用混沌小扰动抑制技术限制混沌振荡幅值,进而实现电力系统的混沌振荡控制任务;从实验结果中可以看出,与传统控制方法相比,优化设计方法控制作用下,电力系统的混沌振荡信号的幅值和频率更低,振荡幅值和频率的控制误差分别降低了约1.57 db和0.015 Hz,即优化设计方法的控制性能更优。

基于混沌高斯扰动布谷鸟算法的水资源优化配置

当前我国水资源面临的形势十分严峻,如何合理利用水资源显得尤为重要。为此,提出改进布谷鸟算法,以经济、社会、生态效益为目标函数,并基于现实生态环境情况建立水资源优化配置模型。同标准布谷鸟算法相比,引入混沌初始化条件增加了初始种群多样性,加入高斯扰动使算法具有跳出局部最优的能力。最后采用改进后的布谷鸟算法,对晋中—长治供水区模型进行求解,预测了晋中—长治供水区16个子区在规划水平年不同保证率下水资源优化配置结果,从而验证了改进算法的可行性。

引入混沌干扰机制的变异天牛群搜索算法

针对天牛须搜索(Beetle Antennae Search,BAS)算法收敛慢、精度低且容易陷入局部最优等缺陷,提出了一种引入混沌干扰机制的变异天牛群搜索算法(Chaotic Interference Mechanism of Mutation Beetle Swarm Optimization Algorithm,CMBSOA)。首先,应用粒子群(Particle Swarm Optimization,PSO)策略将天牛须搜索算法中的天牛个体扩展为天牛群,扩大算法的搜索范围,提高算法的全局搜索能力;其次,引入Logistic混沌映射机制对天牛群进行混沌扰动,使初始化的种群以随机方式均匀分布,以加快算法的收敛速度;最后,提出变异因子策略进行位置更新,使该算法更易跳出局部最优,增强算法的稳定性与精度。为了验证CMBSOA算法的有效性,将其与天牛群算法(Beetle Swarm Antennae Search,BSAS)及PSO通过2组单峰和3组多峰测试函数进行测试和对比,结果表明,CMBSOA算法具有较强的稳定性,此外还具有更优的精度和较快的收敛速度,且能最大限度地避免产生局部最优解问题。

基于混沌遗传算法的水电站优化调度模型及应用

利用混沌运动的遍历性、随机性和规律性等特点,提出了一种求解水电站水库优化调度问题的基于浮点数编码的混沌遗传(CGA)算法。该算法的思想是采用混沌优化进行改善初始种群质量和利用混沌退化变异算子代替常规算法中的变异算子,避免搜索过程陷入局部极值。与动态规划、常规遗传算法进行比较,文中实例计算结果表明,该算法计算速度快、收敛性好,提高了常规遗传算法的收敛速度和优化效果。

基于混沌PSO算法优化RBF网络入侵检测模型

针对网络安全中异常入侵检测,给出了一种构建最优神经网络入侵模型的方法。采用混沌扰动改进粒子群优化算法,优化径向基函数RBF神经网络入侵模型。把网络特征子集和RBF神经网络参数编码成一个粒子,通过粒子间的信息交流与协作快速找到全局最优粒子极值。在KDDCup99数据集进行仿真实验,实验数据表明,建立了一种检测率高、速度快的网络入侵检测模型。

一种混沌多样性控制的萤火虫优化算法

针对基本萤火虫算法存在早熟停滞现象,提出了一种混沌多样性控制的萤火虫优化算法.运用混沌映射产生均匀分布的萤火虫初始位置,获得质量较好的初始解;在搜索过程中对适应值低的部分萤火虫进行混沌扰动,以保持群体活性,减小陷入局部最优的可能性;同时利用真实物理反弹理论对超越边界萤火虫位置进行控制,提高种群的多样性.用标准测试函数测试,实验结果表明,该算法能有效地提高了算法的全局搜索和局部开发能力,寻优精度和收敛速度明显提高.

基于混沌蚁群算法的应急物流路径优化算法

以医疗器械应急物流配送为研究对象,以配送时间最短为研究目标,建立了医疗器械应急物流配送路径优化的数学模型,并将混沌蚁群算法用于模型求解,给出了求解步骤。经计算机仿真表明,与基本蚁群算法相比,混沌蚁群算法优化质量明显改善,有效缩短了应急配送时间,提高了医疗器械应急物流的配送效率。

水电站水库优化调度的改进混沌遗传算法

针对水电站水库优化调度问题,提出了将改进遗传算法和混沌优化相耦合的改进混沌遗传算法。该算法将混沌变量映射到优化变量的取值范围中,对混沌变量进行编码,表示成染色体,然后对其进行选择、交叉和变异,通过增加混沌扰动,不断进化收敛得到最优解。实例计算并与其他方法比较表明,该算法在求解水电站优化调度这样的复杂非线性优化问题时,搜索效率高,收敛性能好,能以较快的速度收敛于全局最优解,为水电站水库优化调度模型求解提供了一种新方法。