一种改进的变权科莫多优化算法及其应用

针对科莫多算法(KMA)在求解复杂函数和高维情况下容易出现早熟收敛的问题,提出了一种改进的变权科莫多优化算法(VWCKMA)。首先利用Tent混沌映射产生的序列对科莫多个体位置进行位置初始化,为全局搜索的多样性奠定基础。然后提出可变惯性权重,分别对不同社会等级的科莫多个体的运动进行不同控制,较好地提高了收敛速度。最后利用Tent混沌映射进行局部扰动,使其能够进行更加精确的局部搜索,避免局部最优值。仿真实验表明,在单峰函数和多峰函数求解的标准差和均值中,VWCKMA在收敛精度和收敛速度方面均有很大的提高。针对实际空气污染物PM_(2.5)预测非线性的问题,利用VWCKMA对BP神经网络的权值和阈值进行迭代寻优,基于最优参数的条件下使用BP神经网络对PM_(2.5)进行预测。实验结果表明预测准确率为85.085%,相比单一BP神经网络预测准确率提高19.85个百分点,体现VWCKMA具有一定的实践应用价值。

多策略改进的混沌哈里斯鹰优化算法

哈里斯鹰优化(HHO)算法是近期提出的一种元启发式算法,模拟了生物性的种群捕食调度。针对哈里斯鹰优化算法开发能力不足、种群多样性下降和容易陷入局部最优等缺点,提出了一种多策略改进的哈里斯鹰优化算法(MHHO)。首先,在哈里斯鹰中引入混沌局部搜索策略,利用混沌映射的优点,围绕当前个体进行局部搜索,从而找到更好的个体,提高算法的开发能力。其次,为了增强种群多样性,提出了精英备选池策略。此外,通过对优势种群信息的采样来更好地引导种群进化方向,采用分布估计策略提高算法收敛效率。CEC2017测试实验结果表明,改进后的算法兼顾了收敛速度与全局搜索等能力,最后将算法用于求解工程约束问题,证明了改进后的算法的实用性。

基于粗糙集理论与CLSDE算法的环境经济调度优化模型

针对环境经济发电调度优化问题,提出了一种应用粗糙集理论构建评价函数的多目标优化方法,并提出了基于混沌局部搜索策略的差分进化算法(chaotic local search strategy differential evolution algorithm,CLSDE)的求解算法。应用粗糙集理论确定经济调度和环境调度函数的约束度,以确定各目标函数在优化模型中的权值。采用CLSDE算法求解环境经济调度(environmental economic dispatch,EED)多目标优化模型,该算法只对目标函数中的变量进行编码,约束条件函数中的变量随机产生,每代进化完毕后,对最优个体进行混沌局部搜索,克服了差分进化算法局部搜索能力较弱和惩罚函数方法中惩罚参数选择较难的问题。对IEEE30节点的标准测试系统进行了仿真计算,结果表明CLSDE算法在解决环境经济调度问题时具有可行性和有效性,在不增加污染气体排放量的同时降低燃料费用,使环境经济调度更能兼顾发电调度的经济利益与环境利益。

基于改进双粒子群算法的舰船电力系统网络故障重构

舰船电力系统环形网络故障重构本质上是带约束的多目标非线性组合优化问题。为了解决舰船电力系统发生故障时的供电恢复问题,提出了一种改进双粒子群优化算法进行求解。此算法分为主、辅两个粒子群,主粒子群改进了种群初始化、自适应调整惯性权重和学习因子,提高了主粒子群算法的全局寻优能力。同时,辅助粒子群还采用改进的混沌局部搜索策略,增强了种群多样性及局部寻优能力,有效地解决了粒子群算法中容易陷入局部极值的问题。通过系统仿真,分别将几种不同的优化算法进行比较。结果表明该算法具有很高的搜索效率和寻优能力,能有效地提高故障恢复的速度与精度,在处理舰船电力系统网络故障重构方面具有较好的效果。

基于遗传交叉和多混沌策略改进的粒子群优化算法

为有效改进基本PSO算法的搜索能力,提出了一种基于遗传交叉和多混沌方式改进的粒子群算法。该算法为获得比当前群体更优的最优解,采用了以下四种措施:其一,对当前群体中的最优解和每个粒子最优解进行遗传交叉操作;其二,用混沌系统动态地调整PSO算法的惯性权重;其三,对整个解空间进行混沌全局搜索;最后,对当前群体中最优解进行多维和单维的混沌局部搜索。仿真实验结果表明:与其他三种算法相比,提出的算法在解决八个整数和混合整数非线性规划问题时不仅收敛速度最快,而且具有100%的成功率。

求解CVRP的改进混合蛙跳算法研究

为了求解带有容量约束的车辆路径问题(CVRP),在建立CVRP数学模型的基础上,提出了改进的混合蛙跳算法(SFLA),并设计了新的初始群体构造方法。改进后的SFLA采用实数编码方式,融入自适应差分扰动机制及混沌局部搜索策略到局部搜索过程中,在保持SFLA全局收敛性的同时,增强了算法跳出局部最优解的能力,加快了算法收敛速度。通过与其他三种算法进行对比实验,结果表明了改进的SFLA在求解CVRP上的有效性和顽健性。

一种混沌差分进化和粒子群优化混合算法

为了改善差分进化粒子群算法的局部搜索能力和收敛速度,提出了一种混沌差分进化的粒子群优化算法。该算法利用信息交换机制将两组种群分别用差分进化算法和粒子群算法进行协同进化,并且将混沌变异操作引入其中,加强算法的局部搜索能力。通过对三个标准函数进行测试,仿真结果表明该算法与DEPSO算法相比,全局搜索能力、抗早熟收敛性能及收敛速度大大提高。

解决混合整数非线性规划问题的混沌局部搜索差分进化算法

为提高差分进化算法的局部搜索能力和避开罚函数方法中罚参数选择问题,提出一种混沌局部搜索策略的差分进化算法(CLSDE)用于解决非线性混合整数规划问题.CLSDE中,只对目标函数中的变量进行编码,约束条件函数中的变量随机产生,每代进化完毕后,对最优个体进行混沌局部搜索.6个基本的测试函数实验结果证明CLSDE比MIHDE具有较好的寻优能力.

基于混沌-粒子群优化的磁法数据非线性反演方法

磁法反演属于非线性最优化问题,具有多变量、目标函数多极值、反演多解性等特点,因此,需要稳定的和高效的优化反演算法.粒子群优化已开始被用于地球物理反演计算,但是对于高维数、多峰值函数,粒子群的收敛精度不高,容易陷入局部极值.如果将混沌局部搜索和粒子群优化的优势相结合,通过将种群搜索过程对应为混沌轨道的遍历过程,可使标准粒子群优化的搜索过程具有避免陷入局部极小的能力.本文利用混沌-粒子群优化用于磁法反演计算.数据试验结果表明,该方法可以用于磁法数据的地球物理非线性反演,并且在一定程度上优于标准粒子群优化方法.

具有混沌局部搜索策略的差分进化全局优化算法

提出了一种具有混沌局部搜索策略的差分进化全局优化算法(CLSDE),它是在每一代中通过DE/best/1/bin形式的差分进化算法找到最佳个体,然后在最佳个体的附近用混沌的方法进行局部搜索。8个基本的测试函数优化结果表明:若误差函数精度为10-10,CLSDE寻优成功率比DE和SACDE都要高,而且收敛速度比DE和SACDE都要快。

全局最优值引导的混沌蜂群算法

针对蜂群算法局部搜索能力差及容易陷入局部最优值的缺点,提出具有全局最优值引导的混沌蜂群算法。使用混沌序列初始化食源,增加初始解的随机性和多样性;观察蜂采用具有全局最优值引导的搜索策略,提高算法的收敛速度和全局搜索能力;在观察蜂搜索结束后,选取最优食源,对其进行混沌局部搜索,防止算法早熟,提高算法的局部搜索能力。经典函数的测试结果表明,相比其它算法,该算法能有效避免陷入局部极值,提高了算法的优化精度和收敛速度。

多峰函数优化的免疫混沌网络算法

针对多峰函数优化问题,借鉴混沌遍历特性和免疫网络理论,提出一种免疫混沌网络算法。算法利用混沌运动的自身规律在不同的峰值区域内搜索最佳抗体,增强了算法的局部搜索能力;采用网络抑制策略,保持了种群的多样性;通过网络补充机制自适应地调节抗体群的规模,提高了算法对不同类型多峰函数的适应能力。仿真结果表明该算法能有效地改善种群的多样性,较好地保持全局搜索和局部搜索的动态平衡,具有更强的多峰函数优化能力。

自适应策略的混沌局部搜索遗传算法

提出了一种自适应策略的混沌局部搜索遗传算法(ACLSGA),它是遗传算法中每一代的所有个体经过一次遗传操作之后得到一个最佳个体,通过自适应策略决定是否在最佳个体附近进行混沌局部搜索。4个基本的测试函数优化结果表明:ACLSGA比具有精英保留选择机制的实数编码的遗传算法(RGA)的全局搜索能力强,收敛速度快。

求解无约束优化问题的改进布谷鸟搜索算法

布谷鸟搜索算法是一种基于种群迭代搜索的全局优化算法。为求解无约束优化问题,提出一种改进的布谷鸟搜索算法。利用混沌序列构造初始种群以增加群体的多样性,引入动态随机局部搜索技术对当前最优解进行局部搜索,以加快算法的收敛速度。对4个标准测试函数进行仿真实验,并与其他6种算法进行比较,结果表明,该算法具有较强的全局搜索能力和较快的收敛速度。

基于改进布谷鸟算法的随机最优潮流

面对各种智能算法在优化问题的应用中出现的问题,提出一种基于量子计算和混沌局部搜索的布谷鸟算法。混沌局部搜索采用切比雪夫映射产生的混沌数列,以产生的新最优个体替代原始最优个体,并利用量子旋转门更新其余个体,达到更快收敛并跳出局部解的效果。以随机最优潮流问题作为修正布谷鸟算法的应用场景,考虑分布式电源和负荷的随机性,建立随机最优潮流的机会约束模型,机会约束的处理采取修正变量上下限的方式。以IEEE33节点为算例,对比了4种不同智能算法的计算结果和收敛情况,验证了修正的布谷鸟算法在随机最优潮流中收敛速度快,收敛结果好,稳定性好的特点。

机组短期负荷环境／经济调度多目标混合优化

环境/经济短期负荷调度主要由调度周期内的最优机组组合和负荷环境/经济分配组成,本文将变权重多目标进化算法与混沌局部优化相结合形成混合优化算法应用到电站机组环境/经济运行多目标优化问题中,在混合多目标优化算法中采用组合结构基因,其中机组基因用于机组组合全局粗寻优,参数基因用于负荷分配局部优化,基因修正与罚函数结合解决约束问题．通过对优秀个体进行基于线性搜索的混沌局部优化,可加快收敛速度和降低计算时间．实例仿真结果说明所提出的算法能获得较好分布的Pareto优化解．

二维非稳态对流扩散方程反问题的混沌粒子群算法

为了求解二维非稳态对流扩散方程的参数反问题,利用有限元方法给出其正问题的求解,将结果作为附加条件,结合混沌局部搜索算法的优点,提出了一种改进的混沌粒子群优化算法.数值模拟结果表明此方法所得到参数反演的数值解与真解误差很小,目标值达到10-4,精度较高.

基于局部搜索策略的混合算法同步综合换热网络

针对复杂换热网络混合整数非线性问题,提出了一种由混沌蚁群算法、局部搜索策略和结构进化策略组成的混合算法,同步综合换热网络。首先采用混沌蚁群算法初步优化换热网络,蚂蚁个体根据混沌搜索机制遍历整个求解域。随后引入Powell法作为局部搜索策略,加强蚂蚁个体的局部搜索能力。最后结合结构进化策略,限制算法的搜索空间,优化蚂蚁个体表示的换热网络结构,并将优化后的信息反馈。蚂蚁会根据自身、邻居和反馈的信息作进一步搜索,直到算法收敛于全局最优解。通过算例对算法进行验证,结果表明,混沌搜索机制使混合算法具有很好的全局搜索能力;Powell法加强了算法的局部搜索能力,提高了求解精度;结构进化策略能够有效地缩减搜索区间,提高搜索效率。所以混合算法能够很好地兼顾处理连续变量和整型变量,适用于换热网络综合。

基于局部学习机和细菌群体趋药性算法的电力系统暂态稳定评估

为了提高电力系统暂态稳定评估的分类正确率,提出一种基于局部学习机(LLM)和改进的细菌群体趋势药性(BCC)算法的暂态稳定评估方法。该方法采用LLM构建暂态稳定评估模型,考虑相量测量单元可以提供的故障后实测信息,构造了一组系统特征作为LLM模型的输入量,稳定结果作为输出量,对稳定结果和系统特征间的映射关系进行训练,并通过综合混沌搜索策略的改进BCC算法优化LLM模型的参数。最后,以新英格兰10机39节点系统为例证明了所提方法的有效性。

基于双混沌机制粒子群算法的织物图像疵点检测研究

为了提高织物图像疵点检测的效果,采用双混沌机制粒子群算法。首先通过把粒子群划分为2个不同的种群,且保持每个种群中的粒子个数和维度不变,一个种群用全局搜索方法,另外一个种群用局部寻优方法;在全局搜索方法中采用立方混沌模型映射搜索,局部寻优中采用Logistic map混沌模型映射寻优,增加判断系统混沌和稳定的规则;最后建立织物图像疵点检测模型和算法流程。实验仿真显示该算法对织物图像能准确地检测出疵点,疵点检出率、误检率和消耗时间指标较优。