改进黑猩猩算法的光伏发电功率短期预测

针对晴空、非晴空条件下光伏出力预测精度不高等问题,提出一种改进K均值(K-means++)算法和黑猩猩优化算法CHOA(chimpanzee optimization algorithm)相结合,优化最小二乘支持向量机LSSVM(least squares support vector machine)的模型,进行光伏功率预测。首先,利用密度聚类和混合评价函数改进K-means++对原始数据进行自适应类别划分。其次,通过相关性分析和随机森林特征提取构建模型的输入特征集。最后,根据特征集建立基于DK-PCHOA-LSSVM的短期光伏发电预测模型。结合实际算例,结果表明:该模型在恶劣天气下预测精度明显优于其他模型,验证了其有效性和优越性。

黑猩猩算法优化光伏MPPT的研究

研究了黑猩猩算法对光伏最大功率追踪的优化,提出相应模型和方法。分析了月球科研站的光伏条件,建立了光伏系统仿真模型,模型包括光伏电池组、DC/DC变换器、最大功率追踪模糊逻辑控制器。模型根据电池组的非对称特性,设置控制器隶属度函数实现最大功率追踪。通过黑猩猩算法对最大功率追踪性能进行优化,提出适合评估最大功率追踪速度和精度的适应度函数建立方法以及隶属度函数参数迭代优化方法。根据运行结果优化控制设置,并与传统扰动观察控制进行对比。仿真结果表明:采用提出的优化模型和方法,光伏系统可以实现更快的功率追踪速度和更准确的最大功率输出。

舒泰对18只黑猩猩短期重复化学保定的效果分析

为配合黑猩猩引进检疫和转运,本试验使用舒泰分别对18只(第1次)和15只(第2次)黑猩猩进行短期内2次化学保定,通过比较用药剂量及诱导期、麻醉期和恢复期的持续时间差异,探讨舒泰对不同年龄和性别黑猩猩的保定效果。结果显示:保定效果总体良好,黑猩猩均未出现严重不良反应和死亡,2次保定的用药剂量介于1.69~9.75 mg/(kg·bw),平均用药剂量为(4.90±2.02)mg/(kg·bw);诱导期黑猩猩四肢逐渐无力,对外部刺激逐渐失去反应;麻醉期生理状况平稳,肌松效果良好,睁眼,呼吸平稳通畅,翻正反射和痛觉消失;恢复期眼睑和前肢手指最先活动,随后肢体动作逐渐加大,至完全恢复正常;统计结果显示,成年组的平均用药剂量显著高于幼年组和老年组(P<0.05);恢复期时长存在年龄依赖性增长(P<0.05);雄性组的诱导期时长显著少于雌性组(P<0.05)。本试验结果可为临床使用舒泰对黑猩猩进行化学保定提供参考。

基于改进黑猩猩算法的异构多无人机协同任务分配

针对异构多无人机对地面多类型固定目标的任务分配问题,提出一种基于协同多任务分配模型和改进黑猩猩算法的任务分配方法。通过对四元组内元素的设定完成模型构建,建立总收益最高、威胁代价最低、总航程最短的多目标评价函数。使用改进黑猩猩算法完成模型求解,引入混沌反向学习策略提升初始种群分布的多样性,在迭代阶段使用抢食行为动态调整策略,提升了跳出局部最优解的能力。实验表明:相比原算法,改进黑猩猩算法所得任务分配方案在保持较高任务收益和较低威胁代价的同时,在两种规模场景下的平均总航程分别降低了22.6%和21.1%。

融合多策略改进黑猩猩优化算法的UAV航迹规划

针对三维复杂环境中无人机航迹规划容易出现搜索停滞、收敛于局部最优的不足,提出一种多策略混合改进黑猩猩优化算法的航迹规划方法。针对黑猩猩优化算法寻优精度不足的问题,引入收敛因子非线性更新均衡算法全局搜索与局部开发能力;设计权重因子避免个体跟随的盲目性及迭代后期个体趋于同化,提升搜索精度;设计黄金正弦莱维飞行引导机制防止因多样性逐步贫化而陷入局部最优。利用改进黑猩猩算法求解无人机航迹规划,结合无人机飞行环境三维地形图构建航迹规划模型,设计多约束飞行代价函数,并将其作为适应度函数,对无人机三维航迹规划方案迭代求解。结果表明,改进算法能够搜索到一条安全避障且航迹代价更小的路径,搜索精度高于类比算法。

基于混合黑猩猩优化极限学习机的电力信息物理系统虚假数据注入攻击定位检测

针对已有检测方法无法对虚假数据注入攻击(false data injection attack,FDIA)进行精确定位的问题,提出了一种基于混合黑猩猩优化极限学习机(extreme learning machine,ELM)的电力信息物理系统FDIA的定位检测方法。首先,使用ELM作为分类器,用于提取电力数据特征并检测系统各节点的异常状态。然后,采用一种具有全局搜索能力且局部收敛速度更快的混合黑猩猩优化策略,用于寻找ELM最优隐藏层神经元数量。建立基于混合黑猩猩优化ELM的检测方法,实现对FDIA的精准定位,有利于后续防御措施的实施。最后,在IEEE 14和IEEE 57节点系统中进行大量仿真对比实验。结果表明,所提方法具有更佳的准确率、查准率、查全率和F1值,对FDIA能够进行更为精准的定位检测。

路灯人影和离家出走改进的黑猩猩优化算法

为提高黑猩猩优化算法(ChOA)的求解精度和局部极值逃逸能力,提出一种路灯人影和离家出走改进的黑猩猩优化算法(SSR-ChOA)。首先,采用SPM混沌序列初始化种群,增加初始种群分布均匀性。其次,由夜间路灯下人影变化的物理现象设计一种新的光学类改进方式——路灯人影,用于优化原有ChOA算法开发精度不高问题。同时设计一种名为离家出走的全局优化策略,使普通黑猩猩个体拥有更强的主动探索能力,避免因领导者判断错误陷入局部极值而导致整个种群搜索停滞、过早收敛。测试了25个基准测试函数和CEC2014测试函数,对比了ChOA算法、4种不同类型改进ChOA算法以及粒子群等算法,分析了改进策略有效性。最后,对航拍无人机飞行路径中存在高耸电塔、信号塔的应用情景进行了研究,验证了SSR-ChOA有效性。实验结果表明,SSR-ChOA与ChOA和4种改进ChOA对比不仅具有显著性差异,而且在寻优精度和稳定性上表现更佳。无人机3D路径规划上,SSR-ChOA平均总开销相比ChOA减少3.06%。

基于改进黑猩猩算法的解析Preisach模型参数辨识

解析Preisach模型解决了Preisach模型因离散Everett函数造成的测量误差大、数值不稳定的问题,但是解析Preisach模型同时存在参数多、辨识复杂的问题。针对上述问题,提出一种融合多策略的改进黑猩猩优化算法,来实现对解析Preisach模型的参数快速、精确辨识。首先,引入自适应权重因子来平衡全局搜索和局部开发能力;其次,将差分变异策略应用到种群个体位置更新中,增强算法个体间的信息交流,扩大搜索范围;最后,使用柯西变异和高斯变异相结合的随机扰动策略,进一步增强算法跳出局部最优的能力。结合实验数据,分别使用遗传算法、黑猩猩算法、正弦余弦黑猩猩算法与所提算法对解析Preisach模型参数进行辨识,并基于辨识结果对取向硅钢片的磁滞回线进行模拟。通过磁滞回线拟合度、适应度值变化以及损耗误差分析3个方面的结果对比可得,所提算法在解析Preisach模型的参数辨识上兼具辨识精度高、收敛速度快的优点。

改进黑猩猩优化算法的RGB-D图像核模糊聚类分割

借助于低成本深度传感器,产生了深度与颜色同步的RGB-D图像。针对RGB-D图像分割困难以及黑猩猩优化算法精度低、收敛速度慢和易陷入局部最优的问题,提出了基于改进黑猩猩优化算法(Improved Chimp Optimization Algorithm,IChOA)的RGB-D图像核模糊聚类算法。首先,对RGB-D图像进行特征提取生成6个特征子集;其次,引入Levy飞行策略和非线性惯性权重对ChOA进行改造;最后,利用IChOA对6个特征子集进行核模糊聚类,得到多个最优聚类,然后通过聚集超像素方法对多个最优聚类进行不同组合的分割,生成最终的分割结果。采用NYU depth V2室内图像数据集进行实验,与现有的一些分割方法(阈值分割,模糊子空间聚类,残差驱动的模糊C-均值,硬C-均值,模糊C-均值,核模糊聚类,基于混沌kbest引力搜索算法和随机亨利溶解度优化算法)进行比较,结果表明所提出的RGB-D分割算法优于比较的算法。

基于黑猩猩算法的风光蓄火联合发电系统优化调度

为了提高风光蓄火联合发电系统的经济效益,降低弃风弃光量,以联合发电系统的收益最大为优化目标,全面考虑系统约束条件,建立了风光蓄火联合发电系统优化调度模型,采用黑猩猩优化算法(Chimp Optimization Algorithm,COA)对调度模型进行求解。将该模型用于我国西南地区某联合发电系统的优化调度,结果表明,通过COA算法对联合发电系统的优化,增加了风电、光伏的出力,这样既提高了联合发电系统的经济效益,同时又减少了对环境的影响。将COA算法与GWO算法、PSO算法和GA算法进行比对,其收敛代数、计算时间、最大发电收益均优于其他对比算法,验证了COA算法在对联合发电系统优化调度时的优势。

选择成为“黑猩猩之母”

人们习惯性地认为,从事科学研究是男性的事情,女性就该在家里相夫教子,而对珍·古道尔来说,她想“做男人在做而女人没有做的事”。路易斯·利基博士得到了一笔野生黑猩猩研究经费,他想选择一位不带有学术偏见的人进行这项研究,而他的秘书珍·古道尔因为热爱动物。

基于黑猩猩算法优化支持向量机的变电站接地网腐蚀速率预测

为了提高变电站接地网腐蚀速率预测结果的准确性,提出一种基于黑猩猩算法优化支持向量机的变电站接地网腐蚀速率预测方法。首先对变电站接地网腐蚀速率的特征量进行核主成分分析,确定土壤电阻率、Cl^(-)质量分数、含水量、氧化还原电位与腐蚀速率的关联性较大,选择上述四个特征量作为接地网腐蚀速率预测模型的输入量。然后采用黑猩猩算法对支持向量机进行参数寻优,建立变电站接地网腐蚀速率预测模型。最后采用腐蚀试验数据进行算例分析,并与其他方法的预测效果对比。结果表明,所提模型预测结果的平均相对误差为2.984%,均方根误差为0.00889 mm/a,比其他方法误差波动更小,预测精度更高,验证了所提变电站接地网腐蚀速率预测方法的实用性和优越性。

基于改进黑猩猩优化算法的有源配电网重构

为了更好地解决有源配电网重构问题,笔者提出一种基于改进黑猩猩优化算法(improved chimp optimization algorithm,ICOA)的有源配电网重构方法。以系统网损、电压偏移指数和负荷均衡度作为优化目标,建立有源配电网多目标重构模型,并利用加权处理法将多目标转化为单目标。采用收敛系数非线性变化和小孔成像学习策略对黑猩猩优化算法(chimp optimization algorithm,COA)进行改进,得到了优化效果更好的ICOA,并利用ICOA对目标函数进行优化,通过算例分析对所提方法的有效性进行验证。结果表明,采用ICOA重构后的系统网损、电压偏移指数和负荷均衡度分别下降36.89%、56.82%和45.76%,有源配电网运行的经济性和稳定性全面提升。

改进黑猩猩算法和LSSVR-BiLSTM双尺度模型的短期风功率预测

为提高风功率预测精度,提出一种基于改进自适应白噪声完全集合经验模态分解(ICEEMDAN)、排列熵(PE)、改进黑猩猩优化算法(ICHOA)、最小二乘支持向量回归机(LSSVR)和双向长短时记忆(BiLSTM)网络相结合的短期风功率预测混合模型。通过ICEEMDAN将非平稳的原始风电序列分解为相对平稳的模态分量,并使用PE聚合来降低计算复杂度。分别将BiLSTM模型和LSSVR模型应用于高频分量和低频分量的预测。采用ICHOA用于优化模型的参数。将每个预测分量值叠加得出最终预测结果。算例分析结果表明,所提LSSVR-BiLSTM双尺度深度学习模型与其他模型相比,能更好地拟合风功率数据,具有较高的预测精度和可行性。

融合多策略的黄金正弦黑猩猩优化算法

针对黑猩猩优化算法(Chimp optimization algorithm,ChOA)存在收敛速度慢、精度低和易陷入局部最优值问题,提出一种融合多策略的黄金正弦黑猩猩优化算法(Multi-strategy golden sine chimp optimization algorithm,IChOA).引入Halton序列初始化种群,提高初始化种群的多样性,加快算法收敛,提高收敛精度;考虑到收敛因子和权重因子对于平衡算法勘探和开发能力的重要作用,引入改进的非线性收敛因子和自适应权重因子,平衡算法的搜索能力;结合黄金正弦算法相关思想,更新个体位置,提高算法对局部极值的处理能力.通过对23个基准测试函数的寻优对比分析和Wilcoxon秩和统计检验以及部分CEC2014测试函数寻优结果对比可知,改进的算法具有更好的鲁棒性;最后,通过2个实际工程优化问题的实验对比分析,进一步验证了IChOA在处理现实优化问题上的优越性.

一种新型的柯西扰动黑猩猩优化算法

针对黑猩猩优化算法(ChOA)在寻过程中求解精度低、收敛速度慢以及易陷入局部极值点等问题,提出一种新型的柯西扰动黑猩猩优化算法(CP-ChOA).首先采用佳点集映射初始化种群,增加算法在初始阶段的多样性;然后利用变异的柯西算子和反向学习策略,对当前最优位置进行扰动变异并产生新解,以提高算法的收敛速度,避免算法在迭代初期陷入局部极值;最后使用单纯形法策略改善最差个体的位置,增强算法的局部开发能力.选取8个基准函数和部分CEC2014测试函数进行试验仿真,结果表明CP-ChOA算法较标准ChOA算法、改进的ChOA算法以及其他元启发式算法具有更好的寻优性能,并通过优化2个工程设计问题,验证了CP-ChOA算法在工程上的可行性.

育幼期黑猩猩的正强化行为训练

黑猩猩(Pan troglodytes)幼崽一般在6~12月龄时逐渐与母亲分离,独立活动;4~5岁时开始与母亲分开睡觉,并独立觅食。由母亲自然育幼的黑猩猩幼崽一旦患病,治疗时往往均会对成幼黑猩猩产生应激。杭州动物园的3只黑猩猩幼崽在1岁左右便能灵活攀爬,但除喂食外,极少应答饲养员的呼唤,且有些个体在独立活动时惧怕与人接触,难以建立信任。为了消除幼崽的恐惧,对处于育幼期的黑猩猩母亲进行训练,让母亲将幼崽抱在怀中,给予幼崽安全感,使其配合训练员和兽医进行抱崽、幼崽触诊、幼崽肌注、成幼黑猩猩称体质量与和谐取食各项训练,经训练,达到监测黑猩猩幼崽健康状况、饲养管理和疾病治疗的目的。

基于黑猩猩算法的组合机床零部件选配研究

针对组合机床零部件装配精度低,剩余零部件较多以及装配成本高等问题,提出一种以组合机床再制造装配为对象,基于改进黑猩猩算法的综合选配方法。构建了以封闭环偏差为约束条件,考虑质量、装配成本、再制造资源利用率的选配模型;根据所建选配模型特点,引入改进的黑猩猩优化算法进行最优选配方案的求解;最后,将该方法应用于某企业的CAK6150主轴箱的主轴装配过程。选配结果表明,该方法可以在满足装配精度要求的同时大幅度的降低了企业的加工成本并有效提高了再制造资源利用率。

融合学习行为策略的改进黑猩猩优化算法

针对黑猩猩优化算法收敛速度慢、寻优精度低以及容易陷入局部最优的问题,提出融合学习行为策略的改进黑猩猩优化算法(modified chimp optimization algorithm,MChOA)。采用准反向学习策略更新种群,增加种群的多样性和随机性,提高算法全局搜索能力,同时避免算法陷入局部最优。基于黑猩猩学习行为策略,通过随机选择“模仿学习”算子或“情绪感应”算子更新黑猩猩个体位置,增强算法局部开发能力,加快算法的收敛速度。选取16个基准函数以及12个CEC2014进行仿真实验测试,结果表明MChOA与传统ChOA相比具有较高的求解精度和较好的寻优性能。通过两个工程设计问题的求解,证明了MChOA在实际工程问题上也具有较高的实际应用价值。

采用多策略改进黑猩猩算法的农业机器人路径规划

为缩短农业机器人全局路径规划的长度和时间并获得更好的安全路径,提出了一种采用多策略改进黑猩猩算法(MIChOA)的路径规划方法。首先,对传统的黑猩猩算法(ChOA)进行改进,在种群初始化阶段引入佳点集策略提高种群的多样性;其次,根据黑猩猩实际寻优过程提出正态随机余弦收敛因子策略,平衡了算法全局勘探与局部开发能力;然后,在算法陷入局部最优停滞时采用贪婪竞争机制的停滞扰动策略,加快算法跳出局部最优并准确找到全局最优解;最后,利用标准测试函数验证MIChOA算法的寻优性能,建立了具有111个障碍物的环境栅格地图开展仿真实验,将MIChOA算法应用于农业机器人路径规划,并与其他4种较为优秀的改进ChOA算法进行比较。结果表明:MIChOA算法在单峰和复杂多峰函数上均具有较高的寻优精度、稳定的收敛性和良好的鲁棒性;MIChOA算法的路径搜索性能优于其他4种改进ChOA算法,其中路径长度缩短了28.01%,寻优时间和迭代次数分别减少了54.58%和85.87%。