加入淘汰机制的改进麻雀搜索算法

传统麻雀算法(sparrow search algorithm,SSA)具有搜索精度高、寻优能力强等优点,但同时也存在早熟收敛、迭代过程中容易陷入局部最优值等问题。针对这些问题,提出了一种加入Tent混沌映射和末位淘汰机制的麻雀搜索算法(sparrow search algorithm with tent,TESSA)。采用2N分段Tent混沌映射初始化种群位置。同时在算法迭代后期引入非线性末位淘汰机制,提高其收敛速度和精度。经过与其他4种群智能算法在6个基准函数上求解性能相比,TESSA的收敛速度、寻优精度、标准误差等性能指标有明显的优势。

改进鹈鹕算法优化LSTM的加热炉钢坯温度预测

在钢铁生产加工过程中,钢坯出炉温度直接影响着钢材的质量,为了精确预测钢坯出炉温度,因此提出了改进鹈鹕优化算法(IPOA)和长短记忆神经网络(LSTM)相结合的轧钢温度预测模型。首先,通过主成分分析法(PCA)对数据进行处理,其次运用改进鹈鹕优化算法寻找到LSTM的最优参数,最终建立基于主成分分析的IPOA-LSTM轧钢温度预测模型,并同LSTM模型以及IPOA-LSTM模型进行对比,基于主成分分析的IPOA-LSTM模型的均方根误差为3.276 3,平均绝对误差为2.116 1,决定系数R2为0.958 2,与其他两个模型相比有更高的预测精度。

基于维度学习狩猎搜索策略的改进灰狼算法

针对基本GWO存在的早熟收敛、精度低等问题,提出了一种维度学习狩猎搜索策略的改进灰狼算法。首先,引入PWLCM映射—准反向学习策略对种群进行初始化,增强个体对解空间的搜索能力;其次,通过改变收敛因子和变权重的搜索方式求出第一候选个体位置,最后引入维度学习狩猎搜索策略寻找第二候选个体,通过比较选择最优的灰狼位置。为验证该算法的优异性,选取9个测试函数进行仿真实验,结果表明,提出的改进灰狼算法具有很好的稳定性和收敛精度。

基于改进分数阶PID的活套高度控制

为解决板带热连轧过程中活套高度控制问题,提出了一种加入淘汰机制的麻雀搜索算法(SSA)与分段式ITAE性能指标的自适应参数整定方法。该方法引入了2^(N)分段Tent混沌映射与末位淘汰机制来加强SSA的全局搜索能力与局部收敛精度,并通过计算误差变化速率将传统ITAE性能指标改进为一种自适应函数以符合分数阶PID在不同阶段的要求。将该方法与其他整定方法进行对比并应用在活套高度控制的仿真试验,对系统响应曲线及上升时间、调节时间、超调量和稳定误差等性能指标进行分析,证明了改进的控制方法可使被控对象获得良好的动态特性。