基于免疫选择和自适应权重的鲸鱼优化定位算法

针对鲸鱼优化算法(WOA)在到达时间差和到达角度混合定位中存在后期迭代种群多样性减小,容易导致局部最优、定位精确度降低的问题,提出一种基于免疫选择和自适应权重的鲸鱼优化算法(IM-WOA).由最大似然估计法得到目标定位函数,为丰富种群多样性引入免疫机制,能够有效产生新的个体,从而避免种群陷入局部最优.通过将自适应惯性权重应用于个体位置的更新公式,实现算法全局探索能力和局部开发能力的平衡和协调,对经典基准函数和目标定位函数进行求解.结果表明,与WOA、AWOA、CSSOA、PIO、CASSA算法相比,IM-WOA算法对绝大多数基准函数的求解具有更高的精度、稳定性和定位精度.

融合历史记忆的单纯形引导鲸鱼优化算法

针对鲸鱼优化算法存在易陷入局部最优、收敛速度慢等缺点,提出一种融合历史记忆的单纯形引导鲸鱼优化算法。首先,为了避免初始化种群过于集中而陷入局部最优,提出了使用混沌映射对初始化种群进行改进,增加了种群多样性;其次,为了解决算法收敛精度低和收敛速度慢的问题,提出了融合历史记忆的单纯形引导策略,利用单纯形法和构建的历史记忆表求解出一个虚拟最优解作为下次随机搜索阶段的引导者,帮助种群在前期的勘探过程中进行细致地搜索;最后提出一种新的非线性参数策略,平衡算法的开发和勘探能力。将算法应用于12个典型的复杂函数优化问题,并与其他5种智能算法比较,实验结果表明,改进后的算法在收敛精度与速度方面均为第一,具有良好的全局搜索能力和局部开发能力。

基于改进鲸鱼优化算法的AGV柔性作业车间多目标优化调度

针对柔性作业车间的自动引导车辆(Automated Guided Vehicle,AGV)调度问题,基于可持续视角,考虑车间能耗问题,在机器和AVG数量均存在数量约束的条件下,以最小化最大完工时间、车间能耗和AGV使用数量为优化目标构建可持续柔性车间调度模型。首先,设计一种改进鲸鱼优化算法(Improved Whale Optimization Algorithm,IWOA),在标准的鲸鱼优化算法的基础上引入非线性收敛因子和自适应惯性权重以提升算法的搜索能力和收敛速度;其次,使用模糊隶属度理论构建了损失函数,以获得多目标模型的最优折衷解;最后,基于算例实验验证算法性能。实验结果表明改进鲸鱼优化算法在求解2个算例时均表现出良好的效果,为求解采用AGV运输的可持续柔性作业车间多目标优化调度提供了一种有效的实践途径。

基于改进鲸鱼优化算法的分数阶PID参数整定

该文提出了一种自适应混合策略鲸鱼优化算法(adaptive mixed strategy whale optimization algorithm,AMSWOA)用于分数阶PID控制器的参数整定。该算法基于鲸鱼优化算法进行改进,引入Tent混沌序列用以提高WOA的种群多样性、全局搜索能力和收敛速度;同时,采用了收敛因子非线性变化策略,并引入自适应权重以克服算法陷入局部最优解的问题;高斯变异的加入则有助于提高算法的搜索精度和寻优性能。通过在MATLAB/Simulink环境下验证整数阶和分数阶系统的被控对象,并与鲸鱼算法、灰狼优化算法及粒子群优化算法进行比较,证实了该文的AMSWOA算法对求解分数阶PID控制器参数整定问题的有效性和实用性。

基于改进鲸鱼优化算法的离场航班时刻优化

面对航空客货运输服务迅速增长、各地机场离港高峰时段拥挤度激增的情况,需要对离场航班进行优化配置,降低高峰时段离场总延误时间,同时保障航空公司申请的航班时刻总偏移。考虑航班时刻唯一性、走廊口流量限制、机场容量限制等因素,建立双目标离场航班时刻优化模型,运用精英反向策略与黄金正弦算法对鲸鱼优化算法(WOA)进行改进后求解。以北京首都国际机场为例,使用AirTOp对优化后的结果进行仿真验证。结果表明:优化后航班平均延误减少77.62%。因此,改进鲸鱼优化算法可以有效降低离港高峰时段延误,增强机场运行效率,合理配置有限的时刻资源。

融入武装部队的鲸鱼优化算法用于社区发现

针对于鲸鱼优化算法(WOA)多样性不足、两搜索阶段信息交流效率低、不平衡的问题,这里借用武装部队协同作战机理,提出一种新的WOA用于社区发现。为解决包围捕食阶段多样性不足的问题,引入“邻居潜力”学习模型,提高WOA的全局搜索能力和学习广度;为解决两捕食阶段信息交流效率的低问题,提出鲸鱼指挥官领导的气泡网捕食,确保搜索信息能有效利用;为解决两种捕食机制不平衡的问题,采用改进的学习自动机引导鲸鱼种群向有希望区域移动。同时,考虑到复杂网络社区发现是离散问题,提出了一种基于拓扑特性的新编码离散演化规则。最后,通过真实数据集测试并与其他算法比较,结果表明,该算法相较于对比算法具有更优的寻优能力,验证了算法的有效性。

基于B样条与鲸鱼优化算法的机械臂轨迹规划

为了提高机械臂的工作效率,构建一种基于B样条与鲸鱼优化算法(whale optimization algorithm,WOA)的机械臂时间最优轨迹规划方法.用蒙特卡罗法描绘机械臂的工作空间,用B样条对给出的路径点进行插值处理,根据机械臂各个关节的性能,引入角速度与角加速度约束,同时加入边界条件.在构建时间最优的目标函数后,利用引入惯性权重值的WOA对机械臂运行时间进行优化.用Matlab进行仿真验证,结果表明构建的算法在时间优化方面效果好于传统的5次多项式方法,并且角速度与角加速度曲线连续平滑,验证了算法的有效性和可行性.

融合T-分布小波变异的混沌鲸鱼优化算法

针对鲸鱼优化算法难以跳出局部最优导致收敛精度不足的问题,提出一种融合了T-分布小波变异和多项式差分学习策略的鲸鱼优化算法.该算法首先引入Circle混沌扩大搜索范围,提高收敛速度;然后采用T-分布小波变异策略平衡全局和局部搜索能力;最后采用多项式差分学习策略改进算法的优化精度.对3种改进策略作单一引入的仿真对比分析,并将改进的鲸鱼优化算法在12个可变维度的基准测试函数上进行仿真,对本文改进的鲸鱼优化算法与其他改进策略的鲸鱼优化算法以及其他几种智能算法进行比较.结果表明,基于T-分布小波变异和多项式差分学习策略的改进鲸鱼优化算法具有较好的稳定性,收敛速度和精度更好.

基于概率精英差分和自适应黄金正弦的鲸鱼优化算法

针对鲸鱼优化算法收敛速度慢和寻优精度低的缺点,提出一种基于概率精英差分和自适应黄金正弦的鲸鱼优化算法。基于最大最小思想优化拉丁超立方体抽样来初始化鲸鱼种群,使初始种群分布更加均匀,拥有更好的全局搜索能力;提出融合余弦自适应算子的黄金正弦算法改进鲸鱼的螺旋更新,加快收敛速度,提高收敛精度;设计概率精英差分变异方法并进行贪婪选择,优化算法流程,增强算法跳出陷入局部最优的能力。选取4个单峰测试函数、4个多峰测试函数和5个多最优解的多模态测试函数与主流优化算法进行对比实验,实验结果表明,该算法具有更高的寻优精度、更快的收敛速度以及更优的全局搜索能力,通过消融实验验证了该算法改进策略的有效性。

基于改进鲸鱼优化算法的GCR5-910协作机器人参数辨识研究

本文提出一种基于改进鲸鱼优化算法(IWOA)的协作机器人动力学参数辨识方法。首先,利用牛顿—欧拉(Newton-Euler)方法建立含有关节摩擦特性的协作机器人动力学模型;其次,通过调整非线性收敛因子和自适应权重的策略引入IWOA;最后,以新松GCR5-910协作机器人为对象设计仿真实验,对辨识结果与理论值进行了对比分析。结果表明,采用改进的鲸鱼优化算法可以准确地辨识出机器人动力学参数,所建立的模型能够反映协作机器人的动力学特性,验证了辨识算法的正确性和有效性。

一种改进的鲸鱼优化算法在工程上的应用

针对鲸鱼优化算法存在收敛速度慢、易于陷入局部最优、收敛精度不高等问题,提出一种混合策略的改进鲸鱼优化算法(LWWOA).首先在全局搜索阶段引入莱维飞行,然后在螺旋更新阶段加入一个随机调整的惯性权重,最后将改进的鲸鱼优化算法应用于实际工程的优化设计问题,应用场景包括三杆桁架设计和压力弹簧的设计.仿真结果表明,LWWOA具有较快的收敛速度和较优的收敛精度,对实际工程的设计具有指导意义,并能拓展到其他领域.

基于混合策略鲸鱼优化算法的云计算任务调度研究

针对云计算任务调度过程中存在任务执行时间长、系统执行成本过高及系统负载不均衡等问题,提出一种基于混合策略鲸鱼优化算法(MSWOA)的云计算任务调度方法。首先,使用Tent混沌映射初始化鲸鱼种群以提升种群多样性,使鲸鱼个体分布更均匀;其次,提出一种自适应概率阈值以平衡算法的全局搜索能力与局部开发能力,并在算法随机搜索阶段引入莱维飞行策略,扩大算法搜索空间与搜索能力;最后,设计了任务调度过程中的多目标适应度函数,并利用算法求解云计算多目标任务调度问题。通过CloudSim云计算仿真软件对MSWOA进行仿真实验,并将MSWOA与NOA、ZOA、OAWOA、TSWOA算法进行比较,实验结果表明,MSWOA相较于其他算法,在不同任务规模上都取得了更好的效果,不仅降低了任务最大完工时间和系统执行成本,还提升了系统平均负载率,在云计算多目标任务调度中优势显著。

基于鲸鱼优化算法的串列风力机主动尾流控制策略

主动尾流控制技术通过协调风电场中每台风力机的运行状态,降低上游机组尾流对下游机组的负面影响,进而提高整场发电功率。为探究尾流控制的规律,以10台串列排布的风力机为研究对象,采用Jensen尾流模型与平方和叠加模型计算尾流速度分布,通过鲸鱼优化算法(whale optimization algorithm,WOA)优化风力机的轴向诱导因子分布,并与粒子群优化算法(particle swarm optimization algorithm,PSO)对比。研究结果显示:WOA优化效果更好,收敛速度更快,使风电场输出功率提高了5.63%~42.76%;轴向诱导因子的分布规律和风电场输出功率的优化效果受入流风速影响较小,受风力机的数量及流向间距影响较大。

基于鲸鱼优化算法的长短期记忆模型水库洪水预报

洪涝灾害是世界主要自然灾害之一,优化洪水预报方案对防洪决策至关重要,然而传统水文模型存在参数多、调参受人为因素影响,泛化能力弱等问题。针对上述问题,本文提出基于改进的鲸鱼优化算法和长短期记忆网络构建自动优化参数的WOA-LSTM模型,通过优化神经网络结构进一步增强该模型的稳定性和精确度,并且建立不同预见期下的洪水预报模型来分析讨论神经网络结构与预报期之间的关系。以横锦水库流域1986-1997年洪水资料为例,其中以流域7个雨量站点的降雨以及横锦站水文资料为输入,不同预见期下洪水过程作为输出,以1986-1993年作为模型的率定期,1994-1997年作为模型的检验期,研究结果表明:(1)以峰现时差、确定性系数、径流深误差和洪峰流量误差作为评价指标,相比较于LSTM模型和新安江模型对检验期的模拟结果表明WOA-LSTM模型拥有更高的精度、预报结果更稳定;(2)结合置换特征值和SHAP法分析模型特征值重要性,增强了神经网络模型的可解释性;(3)通过改变神经网络结构在一定程度避免由于预见期增加和数据关联性下降而导致的模型预报精度下降的问题,最终实验表明该模型在预见期1~6 h下都可以满足横锦水库的洪水预报要求,可以为当地的防洪决策提供依据。

鲸鱼优化算法-双向长短期记忆神经网络用于断路器机械剩余寿命的预测研究

低压断路器的安全可靠是电力系统能否稳定运行的关键一环,因此对断路器进行退化趋势预测和剩余寿命评估具有重要意义。基于鲸鱼优化算法(whale optimization algorithm,WOA)和双向长短期记忆神经网络(bidirectional long short-term memory,BiLSTM)提出了一种断路器操动机构剩余寿命的预测方法,首先采用Pearson相关系数法对获得的原始监测数据进行筛选,选择与断路器开断次数相关度较高的数据作为关键退化特征量,基于主成分分析法进行数据融合获得能够综合表征断路器运行状态的健康指数;随后使用滑动时间窗的方法对健康指数时间序列进行重构,再通过WOA-Bi LSTM寻优获得的最佳模型对健康指数进行时间序列预测,从而获得断路器未来多步的退化趋势;最后再根据设定的失效阈值,确定断路器操动机构的剩余寿命。实例验证表明,该文提出的混合预测模型预测精度最高可达96.43%,相比于其他传统预测模型显著提高,对于断路器的实际运维工作具有一定的指导意义。

一种多策略改进鲸鱼优化算法的混沌系统参数辨识

针对混沌系统参数辨识精度不高的问题,以鲸鱼优化算法(whale optimization algorithm,WOA)为基础,提出一种多策略改进鲸鱼优化算法(multi-strategy improved whale optimization algorithm,MIWOA)。采用Chebyshev混沌映射选取高质量初始种群,采用非线性收敛因子和自适应权重,提高算法收敛速度,为了避免算法陷入局部最优,动态选择自适应t分布或蚁狮优化算法更新后期位置,提高处理局部极值的能力。通过对10个基准函数和高维测试函数进行仿真试验,表明MIWOA具有良好的稳定性和收敛精度。将MIWOA应用于辨识Rossler和Lu混沌系统参数,仿真结果优于现有成果,表明本文MIWOA辨识混沌系统参数的高效性和实用性。

基于改进鲸鱼优化PID的无刷直流电机转速控制算法

针对鲸鱼优化算法易陷入局部最优以及无刷直流电机(brushless DC motor,BLDCM)速度控制响应慢、超调量大等缺点,提出一种改进鲸鱼优化算法(improve whale optimization algorithm,IWOA)优化PID(proportional integral derivative)参数的无刷直流电机速度控制算法.该算法采用高斯变异因子、自适应权重因子和动态阈值相结合对鲸鱼优化算法进行优化.仿真实验结果表明,改进鲸鱼优化PID的无刷直流电机转速控制算法具有更快的收敛速度以及较小的超调现象,鲁棒性也更好.

融入小生境和混合变异策略的鲸鱼优化算法

鲸鱼优化算法作为一种结构简单的先进优化算法,被用于解决各类学科问题。通过对鲸鱼优化算法进行深入研究,发现该算法存在收敛速度慢、无法跳出局部最优、收敛精度低以及无法平衡全局勘探与局部开发能力等问题。为解决上述问题,提出一种融入小生境和混合变异策略的鲸鱼优化算法(whale optimization algorithm integrating niche and hybrid mutation strategy,NHWOA)。该算法通过引入自适应权重,平衡算法全局勘探与局部开发能力,并加快收敛速度;将种群按照相同规模划分成三个小生境并独立寻优,提高种群多样性;采用混合变异策略对种群进行随机扰动,帮助算法跳出局部最优。通过在CEC2017测试套件上对NHWOA进行仿真实验,并将其应用于特征选择问题,验证了NHWOA的先进性和有效性。NHWOA的收敛速度更快,收敛精度更高,并且鲁棒性更好。

改进鲸鱼优化算法的壁面红外反射特性求解

壁面的红外反射特性由双向反射分布函数(BRDF)表征和求解。目前BRDF测量需要大量实验数据,同时存在精度不高的问题。通过构建壁面反射特性测试平台,使用MR170型傅立叶红外光谱辐射计获取2~15μm波段下入射角度和各个反射角度的目标辐射亮度。针对隐身目标,应用RBF网络对3~5μm以及8~14μm波段的辐射亮度曲线进行拟合,排除大气干扰,进而求解出上述两个波段隐身目标的BRDF值。为了解决BRDF模型精度不高的问题,提出了改进的鲸鱼优化算法(IWOA),对BRDF模型参数进行反演,并设计了基于BRDF的反射率求解方法。IWOA对BRDF计算模型参数反演有良好的效果。根据反射法,应用所得到的BRDF数据求解得到的反射率为0.5496,相对误差为6.17%,满足工程需求。

鲸鱼优化算法研究与应用进展

鲸鱼优化算法WOA是一种根据概率收敛的新型群体智能优化算法,具有原理简单易实现、参数量少易设置和全局与局部开发分别控制易平衡等特点。系统地分析WOA的基本原理和算法性能影响因素,重点论述现有的算法改进策略和算法混合策略的优点及局限性,并阐述了WOA在支持向量机、人工神经网络、组合优化和复杂函数优化等方面的应用与发展。最后,结合WOA的特点及其应用成果,对WOA的发展方向进行了展望。