结合蜉蝣算法和响应面的结构静力损伤识别

提出了一种结合蜉蝣智能搜索算法和静位移响应面的结构损伤识别方法.首先构造了基于灵敏度的静力损伤识别方程残差和位移残差指标的正则化优化目标函数,然后采用人工智能领域的蜉蝣算法来识别结构单元级别的损伤.在优化过程中,为了解决静力加载点和位移测点不一致的问题,利用模型凝聚和位移扩展方法重新构建了损伤识别方程.同时,利用静位移响应面计算目标函数中的位移残差,避免了耗时的有限元计算,提高了优化效率.简支梁的数值算例结果表明,本文方法在寻优速度和精度方面均优于传统的粒子群法和差分进化算法;与单独基于静力损伤识别方程残差或位移残差指标的方法相比,识别损伤更为准确.铝合金悬臂梁损伤识别的静载实验进一步验证了本文方法的高效率和有效性.

基于改进蜉蝣算法的智能仓储货位分配优化方法研究

为提高智能仓储感知监控下货物的出入库效率,针对智能仓储货位分配问题建立仿真优化模型。通过感知仓储入库订单中货物属性信息,考虑到优化目标多样、可分配货位动态变化等因素,以最小化作业时间和货架稳定性为目标,建立堆垛机并行作业场景的智能仓储入库货位分配模型,设计了改进的蜉蝣算法对上述模型进行求解。案例分析结果表明,改进的蜉蝣算法在不同的订单规模相比其他算法均能得到满意解,能够有效节约入库存储的作业时间。

基于反吸引速度更新机制的改进蜉蝣算法

针对蜉蝣算法(MA)前期收敛速度较慢、后期寻优精度不高等问题,提出一种基于反吸引速度更新机制的改进蜉蝣算法(MMOA)。采用改进型Tent混沌序列初始化蜉蝣种群,使蜉蝣分布更加均匀,提升了种群的多样性;结合MA的特点,引入反吸引速度更新机制指导蜉蝣速度更新,平衡算法的全局搜索和局部寻优能力,进而提升算法的收敛性能;对全局最优蜉蝣进行逐维的重心反向学习变异,降低各维度间的干扰,帮助算法跳出局部最优并加速收敛。基于12个标准测试函数和部分CEC2017测试函数进行对比仿真实验,结果表明:MMOA较灰狼优化(GWO)算法、MA等算法在收敛速度、寻优精度和稳定性等方面都具有明显优势。

多策略改进蜉蝣算法在变压器故障诊断中的应用

为提高支持向量机在变压器故障诊断的准确率,提出了一种多策略改进蜉蝣算法优化支持向量机的故障诊断方法,并通过利用螺旋函数、正余弦自适应权重优化改进后的蜉蝣算法,得到支持向量的最佳参数c和g。通过3个测试函数对改进后的算法进行仿真对比,实验表明改进后的算法具有较高的寻优精度和较快的收敛速度。将提出的故障诊断方法运用到实际DGA故障数据中,结果表明该方法能有效提高变压器故障诊断的准确率和缩短运行时间。

多策略融合改进的自适应蜉蝣算法

为改进蜉蝣算法全局搜索能力较差、种群多样性较小和自适应能力弱等问题,提出一种多策略融合改进的自适应蜉蝣算法(MIMA)。采用Sin混沌映射初始化蜉蝣种群,使种群能够均匀分布在解空间中,提高初始种群质量,增强全局搜索能力;引入Tent混沌映射和高斯变异对种群个体进行调节,增加种群多样性的同时调控种群密度,增强局部最优逃逸能力;引入不完全伽马函数,重构自适应动态调节的重力系数,建立全局搜索和局部开发能力之间更好的平衡,进而提升算法收敛精度,有利于提高全局搜索能力;采用随机反向学习(ROBL)策略,增强全局搜索能力,提高收敛速度并增强稳定性。利用经典测试函数集进行算法对比,并利用Wilcoxon秩和检验分析算法的优化效果,证明改进的有效性和可靠性。实验结果表明:所提算法与其他算法相比,寻优精度、收敛速度、稳定性都取得了较大提升。

引入精英反向学习和柯西变异的混沌蜉蝣算法

为提高蜉蝣算法的收敛速度,提升算法寻优能力,提出一种引入精英反向学习和柯西变异的混沌蜉蝣算法。利用Circle混沌映射序列优化初始种群使种群分布更加均匀,提高种群多样性。在蜉蝣更新阶段,对蜉蝣中的精英个体进行反向学习策略,防止算法陷入局部最优,提高算法收敛速度。为保证种群进化方向和扩大寻优范围,将自适应概率阈值和柯西变异的扰动机制相结合,对劣势蜉蝣个体附近生成更大的扰动。通过8个基准测试函数实验对比和Wilcoxon秩和检验,实验结果表明,混沌蜉蝣算法在收敛速度、求解精度以及稳定性等方面有较大提高。

精英协同进化的蜉蝣算法

蜉蝣算法的种群多样性低、寻优性能差,为此提出基于精英协同进化的蜉蝣算法(ECMA).将雄性蜉蝣种群根据自身种群适应度分为精英种群和普通种群,精英个体进行自我学习以保持种群的多样性,实现高水平的全局搜索;普通个体飞向统一目标进行局部开发,以提高ECMA的收敛速度.根据婚姻市场理论改进雌性蜉蝣的位置更新,提高ECMA的寻优性能;引入新的自适应重力系数平衡全局搜索和局部开发能力,提高ECMA的收敛精度;引入莱维飞行的跳出策略,避免ECMA陷入局部最优.基于20个基准测试函数和CEC2019测试函数进行算法的仿真优化分析,与蜉蝣算法以及其他优秀的群智能算法相比,ECMA在寻优精度、收敛速度和稳定性方面均有较大提升.

运用改进蜉蝣算法的增程式电动汽车能量管理策略研究

针对增程式电动汽车基于规则的能量控制策略优化问题,提出了基于改进的蜉蝣优化算法的多点能量管理控制策略。以增程式轻型卡车为研究对象,建立整车多目标优化的数学模型,采用改进的蜉蝣优化算法进行离线寻优。将整车需求功率和电池SOC值的变化量作为实时输入参数来设计模糊控制器,对APU当前工作点的最小保持时间进行控制。最后在WLTP测试工况下,采用MATLAB/Simulink和Cruise联合仿真对优化的能量管理控制策略进行了分析与验证。研究结果表明,改进的优化算法IMA继承了MA的优点,且提高了算法在寻优前期的全局搜索能力和整体的收敛速度。所提出的多点能量管理控制策略与恒温器、功率跟随型能量管理控制策略相比,综合性能分别提高了16.2%和7.8%,有效提高了整车综合性能。

基于B样条曲线拟合和蜉蝣算法的采煤机截割路径约束优化

实现采煤机智能化调高,关键是解决煤岩界面识别问题、截割路径优化问题及采煤机调高控制问题。即使煤岩界面被精确识别,受到实际工作中顶底板的平整性和液压支架的推移滑溜等要求的限制,采煤机滚筒无法完全跟随煤岩界面曲线,因此需要基于煤岩界面识别结果,对起伏变化的煤岩界面曲线进行截割路径优化,得到采煤机调高控制的目标轨迹。滚筒截割路径优化是基于煤岩界面估计曲线,在采煤工艺、煤质要求和设备的适应能力等限制条件的约束下,得到使回采最大化的平滑轨迹。针对上述采煤机截割路径约束优化问题,提出一种基于B样条曲线拟合和蜉蝣算法的采煤机截割路径约束优化方法。为了提高截割路径优化效果和降低计算复杂度,以B样条曲线节点系数作为设计变量,构建一种新型截割路径优化目标函数;考虑采煤机截割工艺、煤质要求等限制,使用多段赋值罚函数法处理约束,根据约束的不满足程度动态改变罚函数系数值,避免优化陷入局部最值和约束不能起到实际作用;为了进一步提高优化效果和收敛速度,使用修正蜉蝣算法寻找最优截割路径。最后,考虑实际煤岩界面中褶皱、陷落柱、断层等典型地质构造,进行仿真研究,结果表明,所提方法能在满足实际约束下快速得到平滑的截割优化路径,实时性好、适用性高。

改进蜉蝣算法求解工艺规划与调度集成问题

针对工艺规划与调度集成问题(IPPS),基于AND/OR析取图和“组合”的概念以最小化最大完工时间为优化目标建立数学模型;设计一种整数编码方案,该方案无需预先为工件生成加工路径,可同时处理工艺规划与调度问题,由于初始解对算法的寻优能力的影响,在种群初始化时考虑机器的负荷以提高初始种群的质量;解码时采用插空的方法生成活跃调度,以缩短工件整体的加工时间;离散蜉蝣算法实现求解IPPS,采用Metropolis准则接收较差的解,引入自适应因子提高算法的收敛速度,设计局部搜索算法提高算法的精度。最后通过大规模基准算例进行实验并与其他算法对比分析,验证该算法有较好寻优性能。

太赫兹光谱在转基因菜籽油鉴别中的应用:基于改进蜉蝣算法的支持向量机模型

为实现对转基因和非转基因菜籽油的快速准确鉴别,结合太赫兹时域光谱技术,提出了一种基于改进蜉蝣优化算法的支持向量机模型.以两种转基因和两种非转基因菜籽油为研究对象,应用太赫兹时域光谱技术获取其光谱信息,发现相比于非转基因菜籽油,转基因菜籽油在太赫兹波段具有更强的吸收特性,同时它们的吸收光谱极为相似,难以通过观察法进行准确区分.为此,提出一种基于改进蜉蝣优化算法的支持向量机模型,通过采用蜉蝣优化算法对支持向量机参数进行寻优,并引入自适应惯性权重和Lévy飞行两种策略改进蜉蝣优化算法在寻优过程容易陷入局部最优解的问题,增强蜉蝣优化算法的全局搜索能力和稳健性.实验结果表明:改进后的蜉蝣优化算法能够更有效地寻找到支持向量机的最优参数组合,提升鉴别模型的整体性能,该模型对4种菜籽油的识别精度为100%.因此,本研究为转基因菜籽油的类型鉴别提供了一种快速有效的新方法,也为其他转基因物质的鉴别提供了有价值的参考.

蜉蝣算法在供应链库存优化中的应用

针对蜉蝣算法(mayfly algorithm,MA)全局搜索能力差、搜索精度不高和自适应能力弱等问题,提出一种多策略融合的蜉蝣算法。首先,提出吸引力增强因子,同时引入自适应动态调节的重力系数,来平衡搜索和开发能力;其次,提出中值位置作为群体位置的一部分,加强种群交流,避免陷入局部最优;最后,引入正弦余弦策略,增强全局搜索能力,提高收敛精度并增强稳定性。8种典型功能函数的仿真结果证明改进后的算法收敛能力提高、收敛精度加强。将改进后的蜉蝣算法应用于工程中,在供应链库存系统中调节比例-积分-微分(proportion-integration-differentiation,PID)参数,与其他算法相比,成本下降9.5%,证明该算法在工程上具有适用性。

基于改进蜉蝣算法优化多阈值图像分割

针对图像多阈值分割中存在分割效率低、计算时间长以及精度不高等问题,提出了一种基于改进蜉蝣算法的多阈值图像分割算法。首先,在初始化阶段引入类随机采样方法中的Sobol序列,增强种群的遍历性和多样性;其次,提出一种自适应非线性惯性权重,平衡了全局与局部寻优能力,提高了算法的收敛效率,利于种群向最优解逼近;最后,采用指数熵作为计算适应度的目标函数,通过改进蜉蝣算法对图像分割的多阈值组合进行寻优,确定最优分割阈值。为了验证该改进算法的有效性,选择了伯克利图像来进行分割验证,并与其他智能算法进行比较。实验结果表明:该改进算法在分割准确性、计算时间、结构衡量指标(structure similarity index measure,SSIM)和峰值信噪比(peak signal-to-noise ratio,PSNR)上均优于对比算法,能快速有效地解决复杂多目标图像的多阈值分割问题,具有较强的工程实用性。

基于蜉蝣算法的非合作博弈Nash均衡求解

鉴于凸优化问题算法在非合作博弈Nash均衡的求解中具有一定的局限性,N人非合作博弈Nash均衡求解是NP问题,提出一种N人非合作博弈Nash均衡求解问题的改进仿生算法-蜉蝣算法(MA)。算法中蜉蝣通过个体最优位置及全体最优位置调整位置来搜索最优解,同时引入高斯变异算子提高算法搜素能力。根据Nash均衡的解空间为单纯形的特性,采用固定初始化点和随机初始化点相结合的方式,提高搜索速度且结果不局限于纯策略。实验表明,蜉蝣算法求解Nash均衡效果优于烟花算法、免疫粒子群算法,特别地,对于高维博弈问题也有很好的效果。

基于改进蜉蝣算法的永磁同步电机参数辨识

针对当前主流的永磁同步电机参数辨识算法存在易陷入局部最优、辨识精度差等问题,提出一种基于逆交配机制及变异交配策略的蜉蝣优化算法.在蜉蝣算法的基础上,分别在雄性蜉蝣速度更新和雌性蜉蝣速度更新阶段引入逆交配机制,并在交配阶段采用变异交配策略,增强了算法的局部开发能力.仿真结果表明,逆交配机制能有效避免算法后期容量易陷入局部最优的缺点;变异交配策略大大提高了算法的种群多样性、收敛速度和精度.

基于改进多目标蜉蝣算法的配电网规划

随着储能技术在辅助服务市场中的广泛运用,为了提高配电网的经济性,提出了一种考虑储能退化和辅助服务成本的配电网规划模型。首先,基于投资成本、维护费用、电力交易费用和自监管服务收入,建立了配电网规划费用优化模型,在优化目标中增加了储能退化惩罚,以避免储能系统在提供调节服务时过度充放电。其次,为提升蜉蝣算法对模型的求解性能,避免陷入局部最优,基于模糊机制和Pareto解集更新策略,提出一种改进多目标蜉蝣算法。最后,以IEEE33节点为研究对象,不同案例的仿真结果表明:该规划模型可提升配电网的经济性,将储能系统最大生命运行周期有效延长,实现配网侧各元素的协同规划。

基于自适应蜉蝣算法的预应力锚索二次张拉拐点预测

针对预应力二次张拉下的预应力曲线拐点识别问题,提出了一种基于自适应蜉蝣算法的拐点求解方法。首先将预应力二次张拉下的拐点识别问题转化为两阶段拟合直线与实测数据误差最小的直线方程参数寻优问题,其次通过不完全伽马函数策略提出了自适应惯性权重的蜉蝣算法,以平益高速公路项目试验梁的实测数据为依托对该优化问题进行寻优求解。研究结果表明:自适应蜉蝣算法相较于标准蜉蝣算法和粒子群算法对拐点求解问题具有更好的收敛性;基于自适应蜉蝣算法求解的两阶段直线方程与实测数据拟合精度较高,均方根误差均控制在较低水平,验证了该方法的适用性。

基于蜉蝣算法的负荷传感器优化机理研究

弹性体是负荷式传感器的核心部件,对其合理的设计是确保传感器性能优异的关键。为了研究负荷式传感器弹性体优化机理,首先,运用有限元法(FEM)分析不同结构参数对传感器灵敏度的影响,并用最小二乘法(LSM)将分析数据进行拟合,得到灵敏度和结构参数的数学模型;其次,将弹性体许用应力和尺寸范围作为约束条件,运用惩罚函数(SUMT)法,将约束条件融合到数学模型中,得到具有约束限制的数学模型;最后,用蜉蝣优化算法(MOA)对模型函数进行寻优,确定了弹性体最佳结构。将本文方法优化后的结果与FEM的优化结果进行对比,发现应用该方法优化后的弹性体灵敏度比FEM优化的灵敏度高6.83%,具有较高的应用价值。

具有稚虫迁徙机制的S型自适应混沌蜉蝣算法

针对蜉蝣优化算法(MA)全局搜索能力较弱,对子代优秀个体有效信息利用不够充分的缺点,以及在计算中后期易陷入局部收敛,进而影响优化效果的问题,提出一种具有稚虫迁徙机制的S型自适应混沌蜉蝣优化算法(S-AMA)。S-AMA算法首先采用Logistic混沌映射产生蜉蝣种群,增加算法初期种群的多样性;随后,将蜉蝣生命周期进行数学建模,并引入S型生命系数替换原有的重力惯性系数,动态调整算法探索能力和开发能力间的平衡性;最后,根据蜉蝣在缺氧环境下的种群活动,引入稚虫迁徙机制强化子代优秀个体摆脱局部最优的能力,进而更加充分地搜索最优解附近的区域,以增强算法的收敛精度。实验部分将S-AMA应用于标准函数测试集,并分别进行优化对比实验、Wilcoxon秩和检验。结果表明:与对比算法相比,S-AMA算法具有更好的寻优能力、收敛速度及鲁棒性。

改进离散蜉蝣算法的多目标动态网络社区发现

动态网络社区发现能检测出随时间不断变化的社区结构,其研究具有重要意义。为了有效地解决动态网络社区发现问题,将蜉蝣算法引入社区发现,提出了一种多目标离散蜉蝣算法的动态网络社区发现方法(MODMA)。首先,在初始化阶段结合基于种群的标签传播算法和标签扩散算法对蜉蝣种群进行初始化,有利于提高初始解的互补性和多样性;其次,将蜉蝣个体更新策略进行离散化,进一步充分搜索全局空间;然后,提出改进的交叉操作并结合两种变异策略,加快种群的进化速度;最后,对最优解进行基于边界点的局部搜索,避免算法陷入局部最优,提高寻优搜索能力和收敛能力。在算法求解过程中,使用非支配排序和拥挤度距离排序机制保留优质解。大量基于合成网络和真实网络的实验结果表明,MODMA算法与对比算法相比具有更高的求解精度。