多策略融合的蛇优化算法及其应用

针对蛇算法寻优阶段交互性差,初始种群随机程度严重,易陷入局部最优解等问题,提出了一种多策略融合的蛇优化算法(multi-strategy snake optimizer, MSSO)。首先,利用正交矩阵对蛇种群进行初始化,使个体分布更加均匀;其次,设计探索开发阶段切换的自适应方程,用以替换原有的食物量与温度阈值,使算法进行自适应阶段切换;最后,使用联合反向选择策略替换算法原有的新个体孵化方法,提高算法收敛精度的同时加快算法收敛效率。选取10个基准测试函数从不同角度对MSSO算法进行实验,测试算法性能,分析各策略的有效性,并使用Wilcoxon秩和检验来证明算法显著性,通过两个工程应用仿真实验来验证MSSO的实用性。各实验结果表明MSSO较比较算法综合表现更优,证明MSSO算法改进在寻优能力、鲁棒性、实用性等方面均有所提升。

结合精英初始化和K近邻的蛇优化算法

蛇优化算法(SO)是一种受自然界中蛇生存行为启发产生的元启发式优化算法。原始蛇优化算法存在收敛速度慢、易陷入局部最优的问题,因此提出了一种结合精英初始化和K近邻的改进蛇优化算法(elite initia-lization and K-nearest neighbors improved snake optimizer,EKISO)。首先,为了提高初始种群质量,在种群初始化阶段提出精英初始化的方法,根据种群精英个体产生优质初始种群个体;其次,通过振荡因子优化螺旋觅食策略扩大全局勘探阶段的搜索范围、提高算法的局部逃逸能力;最后,在局部开发阶段提出K近邻思想的位置更新方法,增强种群个体之间的信息交互能力,从而加快收敛速度、提高收敛精度。利用14个经典测试函数和4个CEC2017测试函数将该方法与其他7种优化算法进行对比,证明EKISO收敛速度更快、精度更高且不易陷入局部最优。为了进一步验证EKISO的实用性与可行性,将EKISO应用于压力容器设计问题中,通过实验对比分析可知,EKISO在处理实际优化问题上具有一定的优越性。

一种融合反向学习机制与差分进化策略的蛇优化算法

蛇优化(snake optimizer,SO)算法存在前期收敛速度慢和易陷入局部最优的问题,为此提出一种融合反向学习机制与差分进化策略的改进蛇优化(improved snake optimizer,ISO)算法。反向学习机制可提高种群质量,以提升算法寻优速度;差分进化策略有助于算法精准寻优,降低算法陷入局部最优的几率。在10个基准测试函数上的实验结果表明,ISO算法拥有更高的寻优精度和更快的收敛速率。将其应用于支持向量机(support vector machine,SVM)的参数选取中,进一步验证了ISO算法的有效性。

基于支持向量机与蛇优化算法的氧化锆陶瓷磨削工艺参数优化

为探究磨削工艺参数对氧化锆陶瓷的磨削温度和法向磨削力的影响,通过单因素实验和支持向量机方法建立磨削温度、法向磨削力的一元模型,模型决定系数均大于0.93。基于一元模型对多元模型进行假设,由正交实验结果和蛇优化算法求解得到多元模型,并对模型进行验证。以温度、法向磨削力的多元数值模型作为目标函数,对温度和法向磨削力进行优化;基于蛇优化算法对工艺参数进行双目标优化,获得磨削工艺参数的最优解,验证实验结果表明,模型具有较高的精度,得到的最优工艺参数合理。

多策略改进的蛇优化算法

为改进蛇优化算法(Snake Optimizer,SO)在探索方式、变量计算、空间搜索方式和种群更新方式等方面存在的不足,提出了一种多策略改进的蛇优化算法(Improved Snake Optimizer,ISO)。首先,提出探索寻优策略,根据个体相对于优势个体的位置更新自身的位置,使种群在前期快速收敛到最优解附近。其次,优化变量计算方式,将SO算法中的指数运算改进为多项式运算,提高SO的时间效率。同时引入动态调整搜索空间的机制,随种群进化迭代次数的增加逐步扩展搜索范围以提高寻优能力。最后,引入优势进化策略,淘汰适应度较差的个体并结合优势个体的基因产生新个体,快速提高种群优势基因比例以增加收敛速度。对不同基准测试函数进行寻优实验,分别与经典SO算法和5种启发式算法进行对比,结果表明ISO具有较强的寻优能力。为进一步验证所提算法的高效性和实用性,将ISO应用于全连接神经网络的优化问题,结果表明基于ISO优化的神经网络具有更优的分类效果。

求解约束优化问题的改进蛇优化算法

结合外点罚函数法与改进蛇优化算法求解约束优化问题,得到一种新的求解约束优化问题的算法WDFSO。算法WDFSO首先通过外点罚函数法将约束优化问题转化为一系列界约束优化问题,然后运用基于变异质心的对立学习策略与种群分类策略改进的蛇优化算法对所得界约束优化问题进行求解,进而获得所求约束优化问题的解。为验证算法WDFSO的有效性,选取CEC2006中19个标准约束优化问题进行数值实验,并使用Wilcoxon秩和检验来证明算法的显著性。实验结果表明,与对比算法相比,算法WDFSO求解约束优化问题具有更高的收敛精度和更好的稳定性。最后应用算法WDFSO求解两个工程约束优化问题,结果表明算法WDFSO求解性能更好。

基于混合策略改进的蛇优化算法及其应用

针对基本蛇优化算法求解优化问题时易陷入局部最优的问题,提出了一种基于维度选择策略、选择交配策略和重新分组策略的改进蛇优化算法(SSO)。算法SSO在基本蛇优化算法在战斗或交配阶段引入维度选择策略,由随机概率选择每条蛇个体在不同维度的位置更新模式,以避免迭代后期出现个体位置停滞现象;同时引入选择交配策略,选择适应度值小的部分个体进行战斗或交配,剩余个体利用探索阶段位置更新公式进行位置更新,以提高战斗或交配阶段的探索能力;采用重新分组策略,个体每迭代10次都将随机打乱并重新分组,以增加种群多样性,提高算法寻优能力。利用30个标准无约束优化问题进行了数值实验,结果表明,相比于基本蛇优化算法SO等6种对比算法,算法SSO的寻优能力更强,且对求解高维优化问题更有效。用算法SSO优化BP神经网络的初始权值和阈值,实验结果表明所得SSO-BP神经网络在红酒分类和预测鲍鱼年龄时的准确性和稳定性优于其他对比神经网络。

基于改进二进制蛇优化算法的配电网故障定位

分布式电源(distributed generation,DG)大规模接入给配电系统带来更多不确定性、随机性,系统运行方式更复杂,传统故障定位方法难以适应新型电力系统构建。提出了一种基于改进二进制蛇优化算法(improved binary snake optimization,IBSO)的新型故障区段定位方法。利用SPM混沌映射生成高质量的随机数序列,以提高算法种群中个体的随机性,并引入了遗传算法的动态变异策略,根据不同的搜索状态和进化阶段来调整变异率和变异方式,提高算法的灵活性和准确性。通过仿真证明,该方法适用于在含有分布式电源的配电网中定位单一和多重故障区段,相比蛇优化算法、传统二进制粒子群算法以及遗传算法在收敛性、快速性和准确性方面更优。

基于最小二乘和自适应蛇优化算法的直驱风机LVRT特性辨识

为提高直驱风机低电压穿越LVRT(low voltage ride through)控制参数辨识精度,提出了一种基于最小二乘LS(least square)和自适应蛇优化ASO(adaptive snake optimization)算法的直驱风机LVRT特性辨识方法。首先,利用最小二乘法拟合出直驱风机LVRT待辨识参数初值,以确定待辨识参数的寻优范围;然后,分析了蛇优化SO(snake optimization)算法分阶段寻优的边界条件,设计了分阶段自适应学习因子,并引入Levy飞行策略,提出了适用于直驱风机LVRT控制参数辨识的ASO算法;最后,将ASO算法多次辨识平均值作为最终结果。结果表明,所提方法能快速、准确辨识直驱风机LVRT控制参数。

基于蛇优化算法的电力系统无功优化

无功优化在电力系统中具有重要的意义,可以提高系统的功率因数,减少有功损耗并改善电压稳定性。蛇优化算法具有全局搜索能力和快速收敛的特点,故将该算法作为一种新的优化方法运用到无功优化中,建立以机端电压、变压器变比和无功补偿量为系统控制变量,以网络损耗最小为目标的无功优化模型。通过采用57节点系统,将蛇优化算法与粒子群算法、改进粒子群算法分别进行比较验证。实验结果表明,蛇优化算法能够有效地优化电力系统的无功功率,提高系统的性能和稳定性。

改进蛇优化驱动的无人机三维航迹规划

为解决无人机在有威胁的三维空间中的航迹规划问题,提出一种改进的蛇优化(ISO)算法,以解决无人机在三维复杂环境下具有挑战性的航迹规划优化问题。首先构建包含航程、威胁、高度和平滑成本的总成本函数,将无人机航迹规划转化为兼顾其安全运行需求的优化问题。在蛇优化(SO)框架下,提出采用Tent混沌映射初始化种群,动态调整温度阈值以提高算法局部寻优能力,在开发阶段引入Lévy飞行策略以提高算法全局寻优能力。仿真结果表明,ISO算法在求解无人机航迹规划问题方面优于SO算法。

基于改进蛇优化算法的WSN覆盖研究

为了有效提高无线传感器网络(WSN)部署时的覆盖效果,增加节点间的连通性,提出一种基于改进蛇优化算法的节点多目标部署优化策略。在种群初始化阶段,针对蛇优化算法的随机种群初始化分布不均匀的问题,引入Halton序列初始化策略对种群个体进行初始化,并使种群各个节点具有一定区间范围内的随机性特征,既保证了初始化种群个体内均匀分布,又使得个体间具有多样性;在开发阶段,提出了一种新的觅食策略取代原本觅食阶段的方法,能够促使个体快速跳出局部最优;在开发阶段的交配模式中,提出了一种异性吸引策略取代交配策略,使算法具备更强的全局探索与开发能力。然后,将所提算法与基本的蛇优化算法、单阶段改进的蛇优化算法以及其他改进优化算法进行对比。仿真结果表明,不同阶段的改进策略对改进算法产生了不同程度的影响。此外,改进后的算法在无线传感器网络覆盖优化性能方面也优于其他改进的优化部署算法。

基于改进蛇优化算法的无人机路径规划研究

为提高无人机在复杂山区环境中飞行的可靠性和安全性,提出了一种改进蛇优化算法的无人机路径规划方法。首先,结合数字高程信息和复杂地形威胁构建了无人机环境模型和山峰威胁模型;其次,提出改进蛇优化算法,将传统蛇优化算法与元胞自动机进行融合用于无人机路径规划,并引入小生境技术和最优局部抖动,避免算法陷入局部最优,提高全局搜索能力;最后,在3种场景下进行仿真实验验证所提方法的有效性。实验结果表明,所提方法在3种复杂场景下平均路径长度分别为2.201、1.801和2.187 km,平均收敛时间为14.8、13.9和14.9 s,与其他路径规划算法相比具有良好的优越性,且所生成的路径对真实无人机运行具有良好的实际效果。

基于改进蛇优化算法的无人机三维路径规划

针对复杂飞行环境下的无人机三维路径规划问题,提出了一种基于改进蛇优化算法的无人机路径规划算法。首先,按照一定约束制定成本函数,将路径规划问题转化为优化问题。然后,将路径坐标作为变量,并求解由四个成本的加权和组成的总成本目标函数。最后,通过改进的蛇优化算法对路径适应度进行选择,得到最优路径。仿真结果表明,所提改进的蛇优化算法通过限制产卵阶段的搜索范围,减少了运算量,降低了随机性,使算法更新路径节点过程加快;混沌优化算法的引入,使寻优过程能够更快向全局最优搜索,加快收敛速度。与基础的蛇优化算法和改进的粒子群算法相比,所提算法在迭代次数、路径长度、路径平滑等方面有着明显的优势。

改进蛇优化算法在室内UWB定位的应用

现针对近年来室内定位的需求,为提高整体的定位精度,提出一种基于sine混沌映射与正余弦优化蛇优化(Snake Optimization,SO)算法的超宽带(Ultra-Wide Band,UWB)室内定位技术,并结合一种自适应的测距值调整策略将测距值作为SO算法适应度函数的参数。SO是一种元启发式,模仿蛇觅食加交配行为的新型智能优化算法。为提高优化方法寻优能力,在SO种群初始化阶段引入混沌映射,增加种群个体的多样性。在雄性个体和雌性个体位置更新之后,为协调算法的全局探索和局部探索的性能,再进行一次正弦余弦算法(Sine and Cosine Algorithm,SCA)。实验结果表明,对于室内环境,该方法能够有效提高定位精度且性能良好。对比传统的智能算法,其算法精度和收敛效率都得到了显著的提高。

基于改进蛇优化算法的轮式机器人路径规划

为解决轮式机器人路径规划中效率低、寻优速度慢等问题,提出一种改进的蛇优化算法(improved snake optimizer,ISO)。在初始阶段引入正弦混沌映射扩大算法寻优空间,提升解的质量。同时设计了一种双向搜索策略,在最佳和最差个体引导的两个方向上逼近全局最优值,使收敛速度更快。并在算法中增加改进的进化种群动力机制,替换质量较差的个体从而提高种群质量。另外利用精英对立学习策略来提高算法的局部开发性能。仿真结果表明,ISO算法在轮式机器人路径规划过程中,相比其它对比算法各项指标更优,寻优效率更高,可以有效帮助轮式机器人完成规划任务。

多策略改进蛇优化算法的机器人避障研究

为解决机器人避障时搜索效率差、收敛速度慢等问题,提出了一种多策略改进的蛇优化避障算法。首先,利用正交矩阵初始化整个种群,使种群解可以均匀分布于空间中。其次,设计了一种动态调整策略,用以调节算法中的两个阶段,取代原有的食物数量和温度阈值,使算法进行阶段的动态转换。最后,采用共有逆向选择策略取代原有算法的蛇个体更新方式,从而提高算法的收敛准确度及收敛速度。基于Matlab平台进行机器人避障仿真,结果表明,改进的蛇优化算法在机器人避障过程中,相比其他对比算法各项指标更优,寻优效率更高,可以有效提升机器人的避障效率。

基于蛇优化算法的Otsu图像分割方法

Otsu算法是图像处理中运用广泛的图像分割方法,尽管有着计算简单、准确的特性,但因为需要进行穷举运算,所以计算效率不高。为提高图像分割的实时性,引入了蛇优化算法(SO)对Otsu进行了优化,创建了基于蛇优化算法的Otsu图像分割方法(SO-Otsu)。在该算法中,利用蛇优化算法来模拟蛇的特性进行最佳阈值的寻找,以降低迭代时间,提升计算速度。在仿真实验中,利用经典的Lena、Peppers、Goldhill、Cameraman图片进行测试,与基于果蝇优化算法的Otsu方法(FOA-Otsu)和基于麻雀搜索算法的Otsu方法(SSA-Otsu)进行对比。并通过计算峰值信噪比(PSNR)、结构相似性(SSIM)、特征相似性(FSIM)和计算时间作为评价指标结果进行评估。结果表明,与其他算法相比,算法计算效率高、分割细节效果好且综合分割性能优异,为提高图像分割的计算效率提供了一种理想的工具。

用于移动机器人路径规划的增强型蛇优化算法

针对蛇优化(SO)算法在路径规划过程中存在搜索效率比较低、收敛速度慢且寻优精度低等问题,提出了一种改进的蛇优化算法(GLSOA)。在全局勘探阶段采用莱维飞行扰动策略,以扩大算法搜索范围并丰富其种群多样性。同时,使用非线性收敛因子调节环境温度变化,以平衡算法的全局探索和局部开发能力。然后,在局部搜索阶段引入局部混沌搜索策略,以扩大混沌空间的搜索范围,提高算法的局部开发能力。最后,采用黄金正弦机制指引种群位置更新,缩小搜索范围,提高算法收敛精度和速度。仿真结果表明,改进的算法有效缩短了路径规划长度,算法的性能有了显著性的提高。

改进蛇优化算法的无人机三维路径规划

针对无人机在复杂三维环境下路径规划的优化问题,提出一种融合黄金正弦的蛇优化算法。在勘探阶段结合黄金正弦策略优化位置更新公式,增强算法的搜索能力;加入了局部逃逸策略,提高原算法跳出局部最优的能力,提高算法寻优的效率。同时采用指数函数来模拟产生虚拟障碍物,通过约束条件和目标函数建立三维模型。最后进行无人机三维路径规划仿真实验并与多种算法进行对比。仿真结果表明,改进的ISO算法具有优异的全局路径规划能力,规划出的路径合理、安全、实用性强。