基于改进萤火虫算法的永磁同步电机多模态优化设计

永磁同步电机的结构参数选择往往是多模态、非线性的优化问题,同时其结构优化设计又存在计算分析时间过长、计算效率过低、收敛慢等问题。文中针对此类问题提出了一种基于改进萤火虫算法的新型多模态优化算法。改进萤火虫算法主要引用了等值线概念并通过克里金(Kriging)代理模型自适应确定子计算区域,从而获得多个全局最优解和局部解,并且引入单纯形法和改进停止条件以提高算法效率。此外,研究了分层余一法用于检验代理模型精度。最后,将其应用到永磁同步电机的结构优化中,使齿槽转矩成功降低了38.33%。

基于改进萤火虫算法的含多种新能源地区电网的无功电压优化

为了解决风电和光伏等新能源场站大规模并网时带来的电压波动及越限问题,以及传统无功电压优化求解算法易陷入局部最优问题,提出了基于改进萤火虫算法(IFA)的含多种新能源的地区电网无功电压优化模型。该模型以标准化的有功网损、节点电压偏差和火电机组无功出力偏差之和最小为优化目标,以潮流计算、火电机组端电压和无功出力、变压器变比、新能源场站有功出力和静止无功补偿器出力等作为需满足的约束条件,采用IFA对优化模型进行求解,通过引入自适应步长和位置更新优化公式提高模型的计算精度和全局寻优能力。改进IEEE-30节点系统仿真分析表明:所提出的优化模型可降低系统有功网损,改善了地区电网无功分布,同时抵制了系统电压波动,提高了地区电网电能质量;IFA能有效提高计算精度和速度,提升全局寻优能力。

基于萤火虫-遗传算法的机械臂轨迹时间优化

针对传统遗传算法在求解机械臂轨迹优化问题时存在的搜索精度不够、效率低等问题,提出一种基于萤火虫-遗传算法的机械臂轨迹时间优化方法。在关节空间使用五次多项式插值法规划六自由度机械臂的末端轨迹,在运动学约束条件下,使用萤火虫-遗传算法对机械臂的末端轨迹进行时间优化,得到最优的末端轨迹运行时间。通过MATLAB仿真实验,轨迹运行时间从传统遗传算法的2.141 1 s减少到2.090 8 s。结果表明萤火虫-遗传算法具有比传统遗传算法更好的性能,能够有效地实现机械臂末端轨迹在运动学约束下的时间优化。

基于萤火虫优化算法的双层镀膜光伏玻璃对双玻单晶硅光伏发电量影响

随着全球能源危机的加剧和环境保护意识的提升,光伏发电作为一种清洁、可再生的能源技术,其效率的提升成为研究的热点。本研究针对双玻单晶硅光伏系统,探讨基于萤火虫优化算法的双层镀膜光伏玻璃对发电量的影响。首先,简要介绍光伏发电的基本原理和双层镀膜技术的优势。随后,详细阐述萤火虫优化算法的工作原理及其在双层镀膜参数优化中的应用。通过构建光伏玻璃的光学模型,并结合改进后的萤火虫优化算法,对镀膜层的关键参数进行优化设计。优化结果表明,双层镀膜光伏玻璃在提高透光率和降低反射率方面具有显著效果,从而有效提升双玻单晶硅光伏系统的发电量。本研究不仅为光伏玻璃的设计与制造提供理论依据,也为光伏发电效率的提升开辟新的途径。

层级引导的增强型多目标萤火虫算法

针对多目标萤火虫算法在求解过程中易产生振荡和聚集现象,导致开发能力较弱、求解精度不佳的问题,提出一种层级引导的增强型多目标萤火虫算法(hierarchical guided enhanced multi-objective firefly algorithm,HGEMOFA)。构建层级引导模型,利用非支配排序获得不同层级个体,用优势层个体引导劣势层个体进化,明确引导方向,解决了进化过程中出现的振荡,减少了聚集现象的出现,增强了算法收敛性;引入莱维飞行扰动最优层个体,增强算法的全局搜索能力;每代进化完成后,对当前种群采用变异机制,增强算法的局部开发能力;把变异后的种群和前一代种群合并进行环境选择,筛选出和前一代种群规模相同的子代,避免优势解丢失。实验结果表明:HGEMOFA能有效增强解的收敛性和多样性。

求解TSP问题的离散型萤火虫群优化算法

基于求解TSP问题,提出一种离散型萤火虫群优化(DGSO)算法,该算法结合TSP问题特点,给出一种有效编码和解码方法,并定义适合编码的个体间距离计算公式和编码更新公式.同时,为增强算法求解TSP问题的局部搜索能力,加快算法的收敛速度,算法使用了操作简单的2-Opt优化算子.最后,通过对10个TSP问题进行仿真实验,实验结果表明本文提出的算法是在种群规模较小,迭代次数较少的情况下就可以收敛到已知最优解.在大规模TSP算例中算法获得的最优值与理论最优值的误差也在1%以下.

求解约束优化问题的萤火虫算法及其工程应用

针对基本萤火虫算法存在收敛速度慢、易陷入局部最优等缺点,提出一种改进的萤火虫算法用于求解约束优化问题。该算法首先利用混沌序列初始化萤火虫的位置,引入动态随机局部搜索以加快算法的收敛速度;为了避免算法陷入局部最优,对当前全局最优解进行多样性变异操作。对几个数值优化和工程优化问题进行实验。研究结果表明:与其他启发计算法相比,该算法具有较强的寻优性能。

基于改进萤火虫算法的分布式电源优化配置

在分析分布式电源特性的基础上,建立了含分布式电源的购电成本最小、网损费用最小、投资成本最小以及电压稳定裕度最大的多目标优化模型,能够比较实际、科学地反映DG规划布局。在此基础上,应用超效率数据包分析评价方法,明确各目标函数的权重组合方案,将DG多目标规划问题转换成单目标规划问题。鉴于传统萤火虫算法具有容易早熟、过度依赖控制参数的缺陷,将混沌搜索策略和全局思想融入到萤火虫算法,提出了一种改进型萤火虫算法;并将其应用于解决分布式电源的规划问题。通过算例验证所提算法具有良好的实用性和适应性,并且也验证了所提模型的实际意义。

一种新颖的仿生群智能优化算法:萤火虫算法

萤火虫算法是受自然界中的萤火虫通过荧光进行信息交流这种群体行为的启发演变而来。作为一种新颖的仿生群智能优化算法,分析了萤火虫算法的仿生原理,从数学角度对算法实现优化过程进行了定义。通过典型的函数优化和组合优化问题对算法进行了仿真测试,测试结果表明了萤火虫算法在连续空间和离散空间优化的可行性和有效性,具有良好的应用前景。

基于改进离散型萤火虫群优化算法和分形维数的属性选择方法

属性选择是数据挖掘领域中数据预处理的一个重要方法.文中提出一种融合离散型萤火虫群优化算法(DGSO)与分形维数的属性选择方法.该方法以分形维数作为属性子集的评估度量准则,以DGSO作为搜索策略.为分析该方法的可行性和有效性,采用6个UCI数据集进行实验.结合10-fold交叉验证和SVM对属性选择前后的分类准确率进行分析,并进行搜索策略和评估度量准则间的性能对比及详细的参数分析.结果表明该方法具有较高的可行性和有效性.

带高斯变异的人工萤火虫优化算法

针对基本萤火虫优化算法在求解函数全局最优值时的不足,提出了一种带高斯变异的人工萤火虫优化算法。该算法在萤火虫的移动过程中,应用了高斯变异策略,从而在一定程度上避免了算法陷入局部最优,且能获得精度更高的解。通过对六个标准测试函数进行测试,结果表明,改进后的人工萤火虫算法比基本萤火虫优化算法有更高的收敛速度、求解精度和收敛成功率。

具有混合群智能行为的萤火虫群优化算法研究

萤火虫群优化算法是一种新型的群智能优化算法,基本的萤火虫群优化算法存在收敛精度低等问题。为了提高算法的性能,借鉴蜂群和鸟群的群体智能行为,改进萤火虫群优化算法的移动策略。运用均匀设计调整改进算法的参数取值。若干经典测试问题的实验仿真结果表明,引入混合智能行为大幅提升了算法的优化性能。

基于改进萤火虫算法的土壤水分特征曲线参数优化

针对因参数精度不足,影响相关土壤水分运动建模、仿真结果等问题,引入萤火虫算法,并将固定随机步长改进为随萤火虫间距离变化的可变步长,旨在解决土壤水分特征曲线Van Genuchten模型参数优化的非线性拟合问题。结果表明:对不同深度的黑土和黏土的脱湿过程进行模拟,得到优化后的相关参数及体积含水率计算值。通过与粒子群算法、遗传算法对比,表明萤火虫算法模拟结果精度高,曲线吻合性好,最大相对误差仅在2%左右,是一种高精度的优化算法,且改进之后收敛效率提高。利用萤火虫算法解决这类非线性优化问题是可行的,尤其在对精度、准确性要求较高及需为后续研究确定其他土壤水分运动参数提供准确依据的情况下,适用性更强。

基于萤火虫算法的管路系统布局序列优化技术

针对复杂机电产品中的多根管路布局设计与优化问题,提出一种基于萤火虫算法的管路布局序列优化方法。该方法以长度、折弯数和流阻为综合优化目标,结合布局过程的约束条件建立了优化模型;对萤火虫算法进行离散化,重新定义萤火虫的间距和个体更新机制,使其适用于序列规划问题的求解;提出一种确定性和随机性相结合的方法生成初始种群,以含免疫记忆的A*算法求得路径,同时采用混合种群迭代更新策略,通过更新精英解集获得全局最优解。设计并开发了原型系统,以旅行商问题为例对算法效率进行了测试,并将所提方法应用到某产品的液压管路布局上,验证了所提方法的可行性。

改进萤火虫算法及其在全局优化问题中的应用

针对标准萤火虫算法容易陷入局部最优的问题,本文提出一种改进的萤火虫算法。在标准萤火虫算法的位置移动公式中,利用指数分布和韦伯分布对吸引力项进行改进,以增强算法的全局探测能力;同时利用步长单调递减模式对随机项进行改进,以增强算法后期的局部挖掘能力。通过13个测试函数对本文提出的改进算法、模拟退火算法、粒子群算法和差分进化算法进行算法性能的比较。实验结果表明,本文提出的改进算法能较好地平衡算法的全局探测能力和局部挖掘能力,使算法跳出局部最优,从而提高算法的收敛速度和精度。

一种改进的变步长萤火虫优化算法

萤火虫优化算法(Glowworm swarm optimization,GSO)是最近新出现的群智能优化方法.针对基本萤火虫算法在求解复杂函数全局最优值时,存在着求解精度较低、容易陷入局部最优和收敛速度较慢等问题,经过深入分析得知原有算法中采用固定步长是导致这些问题的主要原因,提出一种改进的变步长萤火虫优化算法.该算法中步长随着迭代次数的增加而呈曲线递减,这样在迭代开始时由于步长较大,群体可保持较高的全局搜索能力;随着迭代进行步长逐步递减,从而能提高群体的局部搜索能力.最后通过6个标准测试函数的仿真实验,表明了该算法操作简单,在求解精度和收敛速度上都要优于基本萤火虫优化算法.

人工萤火虫群优化算法求解约束优化问题

约束优化问题是工程应用领域经常出现的一类数学规划问题,近年来,约束优化问题求解已成为进化计算研究的一个重要方向.而一系列新型的进化计算方法 ,如人工神经网络、模拟退火、遗传算法、进化规划、进化策略、粒子群、人工鱼群等获得了极其迅速的发展和广泛的应用.本文提出了一种基于人工萤火虫群优化算法求解约束优化问题的新方法.该方法在求解约束优化问题的过程中,不断地寻找更优可行解,逐渐达到搜索全局最优解.通过标准测试函数和工程实例仿真表明,该方法能很好的求解约束优化问题,精度高、适应性强,在工程实际中有较大的应用价值.

基于萤火虫算法的飞机弱刚性件装配定位策略优化

针对飞机装配过程中零件刚度低、易变形的特点,提出了一种飞机弱刚性件定位策略优化设计方法。该方法以"N-2-1"定位原理为基础,以自重等外载引起的最大变形量最小为目标函数,通过有限元仿真计算不同定位方案下的最大变形量,并采用萤火虫算法实现了定位点布局的迭代优化。最后以飞机典型结构件为例,验证了该方法的可行性和有效性。

自适应步长萤火虫优化算法

针对基本萤火虫算法优化多峰函数时求解精度不高和后期收敛较慢的问题,引入萤光因子以自适应调整萤火虫的步长,提出一种自适应步长萤火虫优化算法。通过8个标准测试函数测试,测试结果表明,改进后的自适应步长萤火虫算法比基本萤火虫算法具有较快的寻优速度和较高的寻优精度。

用于函数优化的层次结构萤火虫群算法

基于人工萤火虫群优化算法,参考人类社会商业组织中的分层管理模式,将人工萤火虫群随机地分布在一个层次结构中,并在过程中加入变异因子,改进基本人工萤火虫群优化算法,提出用于函数优化的层次结构人工萤火虫群优化算法.对4个标准函数的测试表明,层次结构萤火虫群算法在高维函数优化方面比基本人工萤火虫群优化算法性能更优.