一种新的地磁信号去噪算法研究

地磁观测数据应用十分广泛。由地磁观测数据对各种环境因素的敏感性,严重影响了地磁数据的处理和利用。如果使用传统的噪声消除算法,难以获得良好的噪声消除效果。混沌序列可以提供一定的随机性和非线性特性,以帮助优化算法更好地搜索最优解。地磁信号则是需要去噪的原始信号。通过使用混沌蚁群算法构建目标函数,可以对地磁信号进行优化和去噪处理。算法会根据目标函数的设定,通过模拟蚁群行为和混沌序列的引导,逐步调整信号的参数和特征,以达到减小噪声、提取有效信息的目的。

基于改进混沌蚁群算法的变电站巡检自动引导车路径规划

针对巡检自动引导车(Automated Guided Vehicle,AGV)在变电站复杂环境中的路径规划问题,提出了一种基于改进混沌蚁群算法的路径规划方式。传统蚁群算法在路径规划过程中存在寻找路径过长、收敛速度过慢和转弯次数过多等问题,因此将混沌理论与蚁群算法相结合,利用混沌算法来优化蚁群算法的初始参数,使该算法具有更快的收敛速度和更强的鲁棒性。同时,针对传统混沌算法不均匀分布和单侧领域内寻优的问题,改进了混沌算法的遍历公式与映射方式,增强了寻优效果。将基于改进混沌蚁群算法的路径规划方法与传统蚁群算法进行对比分析,结果表明改进混沌蚁群算法具有更高的搜索效率和更优质的解。

基于蚁群混沌遗传算法的片上网络映射

蚁群算法可以在兼顾功耗和负载平衡的情况下进行任务映射,但是由于传统蚁群算法对初始化参数的设置比较敏感,所以使用遗传算法来调整蚁群算法参数,在蚁群算法陷入局部最优时引入混沌模型来修改蚁群参数.修改后的算法在能耗方面相较于传统算法改善了11%,在负载平衡方面改善了1%,两者联合优化改善了4%.

改进的蚁群算法在动态路径诱导中的应用研究

针对基本蚁群算法收敛速度慢和易陷入局部最优的缺点,在对信息素和启发信息进行标准化以消除量纲和取值范围影响的基础上,提出带方向的信息素更新和混沌选择策略来改进蚁群算法。将路网节点间的相对位置信息引入信息素更新,以加快搜索速度;使用混沌扰动改进选择策略,以避免出现早熟停滞现象。并将其用于城市交通动态路径诱导的研究中,以重庆市渝中半岛的路网为实例计算以最短行程时间为目标的最优路径,结果表明该算法是有效、可行的,比基本蚁群算法具有更好的全局搜索能力。

基于动态自适应蚁群算法的云计算任务调度

针对蚁群算法求解云计算任务调度问题存在收敛速度慢和容易陷入局部最优解的缺陷,提出一种动态自适应蚁群算法的云计算任务调度策略。算法在选择资源节点中引入混沌扰乱,依据节点信息素浓度自适应调整信息素挥发因子,由解的优劣性动态更新信息素。当任务数量超过150时,动态自适应蚁群算法与蚁群算法结果相比较,时间效率最大提高319%,资源负载率为0.51。仿真结果表明,所提算法提高了解的收敛速度和全局搜索能力。

基于混沌蚁群算法的负荷模型参数辨识

为了解决负荷模型参数辨识结果平稳性这一困扰模型应用的难题,提出了一种适用于负荷模型参数辨识的混沌蚁群混合算法。该算法针对蚁群算法容易陷入局部最优的缺点和混沌算法遍历性和随机性的优点,把混沌算法引入到了蚁群算法中,在蚁群算法求解的基础上,利用混沌算法对解的邻域进行了混沌优化,有效避免了蚁群算法的局部收敛问题。基于实测数据的算例结果表明:与单一蚁群算法相比,混沌蚁群混合算法提高了辨识结果的精度,减少了辨识误差,有效控制了参数分散性,具有较好的工程实用价值。

电力市场中考虑水头约束的抽水蓄能电站竞价模型

结合抽水蓄能电站水库水头与储能之间的关联关系,以及抽水蓄能机组出力的最高、最低限制,确定了机组最优的发电出力投标;在能够预测批发电力市场出清价格的基础上,构建了日前市场、双边合约市场以及辅助服务市场组合模式下的机组参与市场竞价的约束条件;同时引入了市场风险因素,建立了抽水蓄能机组在组合市场模式下的竞价决策模型;引入混沌变量对蚁群算法局部搜索部分进行了改进,并对决策模型进行求解。算例分析表明,在电力市场环境下,抽水蓄能电站通过合理安排发电计划和竞价决策能够获得更大的经济效益。

一种正交混沌蚁群算法在群机器人任务规划中的应用研究

针对群机器人协作任务规划问题,提出一种正交混沌蚁群算法(OCACA)对其进行求解.该算法的思想是首先采用正交法对任务目标进行聚类,然后利用混沌技术对蚁群初始解进行优化,改进初始个体质量,并用混沌扰动策略避免搜索进入局部最优,最终获得了总代价最优解.该算法将正交混沌蚁群算法首次应用于群机器人的任务规划中,成功解决了中大规模任务规划问题.仿真实验结果表明:正交混沌蚁群算法能提高多机器人执行任务的效率,同时也是解决多旅行商问题的另种新思路.

基于混沌理论和排序选择的蚁群无功优化算法

在基本蚁群算法的基础上,引入排序选择策略,使用一定的线性或非线性关系将信息素的差别转化为次序,通过改变选择压力控制个体被选中的概率,具有很好的整体优化性,能有效抑制非成熟收敛。为提高算法的局部搜索性能,在每次迭代后全局更新以前采用的混沌搜索方法,以求在当前最优蚂蚁附近搜索到更好的解。IEEE14、IEEE30和IEEE57系统的仿真分析验证了该算法的有效性,指出了混沌搜索对算法稳定的作用。

混沌蚁群算法在图像边缘检测中的应用

运用混沌蚁群算法进行图像的边缘检测是针对混沌蚁群算法具有随机性、遍历性、正反馈性,通过更新信息素矩阵来计算图像阈值,从而获得图像边缘信息,能够更全面、迅速地找到图像的边缘,避免过早陷入局部最优,提高了图像边缘检测的连续性和准确性。计算机仿真实验表明,通过混沌蚁群算法获得的图像边缘更加完整和清晰,取得了较好的效果。

求解TSP的带混沌扰动的模拟退火蚁群算法

针对蚁群算法易陷入局部最优及收敛速度较慢的问题,提出一种带混沌扰动的模拟退火蚁群算法。引入模拟退火机制及混沌系统,分别对基本蚁群算法中的蚂蚁种群搜寻范围以及信息素设定与更新进行改进,提高蚁群算法全局搜索能力。使用该算法与基本蚁群算法同时求解TSP这一经典组合优化问题,对两种算法的求解性能进行对比分析。仿真结果表明,该算法的求解精度及求解效率都明显优于基本蚁群算法。

基于免疫连续蚁群算法的岩土工程反分析研究

基于进化算法等全局优化算法的岩土工程优化反分析是解决实际问题的一种较好的思路,但计算效率是这类算法的最大问题。为了克服这种反分析方法的缺点,提高反分析的计算效率,首次把一种新型仿生算法——连续蚁群算法引入岩土工程领域。并为了更进一步提高算法的效率,把免疫原理引入连续蚁群算法,提出了免疫连续蚁群新算法。在此基础上,结合有限元数值分析技术,提出了一种新的岩土工程反分析算法——免疫连续蚁群算法反分析。最后,通过一个简单算例验证了该法的有效性及卓越的计算效率。

一种混沌蚁群算法的多峰函数优化方法

为了快速、准确地获得多峰函数的全局峰值以及局部峰值,在给出Henon混沌映射技术的基础上,提出了一种混沌蚁群算法的多峰函数优化方法.该方法将复杂函数的数值解所构成的数字字符转化为蚁群搜索路径上的城市分布网,并构建同函数变量个数相同的蚁群进行全局搜索求解,采用混沌映射技术自适应更新蚁群优化路径上的信息素量.采用低维及高维Benchmark测试函数验证该优化方法的求解性能,并同引力搜索算法以及其他文献方法作求解对比.通过对比可知,该方法在低维多峰函数优化时,其搜索效率均2倍高于其他文献方法.对于维数高于5维的高维函数,该方法的优化效率同其他文献方法基本相同,但在获得全局解及局部解的能力以及所求解的精度均远高于其他文献方法.

基于混沌混合算法的装配序列规划

针对遗传算法在求解装配序列规划问题中速度慢、产生重复解等问题,提出一种将蚂蚁算法、混沌算法和遗传算法结合,加入动态更新种群数目这一策略的新方法。利用拆卸干涉矩阵获取零件之间的信息,建立评优指标的信息矩阵。算法前期采用蚂蚁算法进行局部搜索,后期运用混沌—遗传算法进行全局搜索。在全局搜索中,采用Logistic映射生成子代装配序列以避免产生重复解,并设置一定的比例筛选搜索结果,动态更新种群数目。为进一步提高序列优劣的区分度,将装配工具的运用次数与装配方向的改变次数合并为连贯性,同时引入辅助工具这一指标。以齿轮油泵为例,将所提算法与蚂蚁算法、遗传算法和混合算法进行比较,从适应度值、运行时间和收敛速度方面进行分析,验证了该算法的有效性。

基于混沌蚁群算法的应急救援车辆调度优化

针对应急救援车辆调度优化问题的特征和需求,以可变双向距离、道路风险和成本最小为主要目标,建立了应急救援车辆调度优化问题的多目标优化模型。为避免过早陷入局部最优,提出了基于混沌扰动的改进蚁群系统优化算法。该算法可对信息素进行全局更新混沌扰动,有效地提高了算法的适应性、求解效率和求解质量。仿真实验表明该算法是可行的,能较好地满足应急救援车辆调度的优化需求。

混沌蚁群算法在划分区域中能量均衡路由方法研究

为了降低无线传感器网络受能量限制的影响,延长网络生命周期,通过蚂蚁混沌行为和自发组织行为,提出了一种寻求最优网络路由规划方法。该方法从兼顾能耗和网络时延的角度,基于节点位置,依据节点传输方向结合跳转概率形成扇环区域划分,选取节点划分区域中剩余能量较高且距离该节点较近的节点作为邻居节点,采用双向搜索保存全局最优位置更新等方法考虑寻找最优解。实验表明,此方案在降低网络时延的同时有效地均衡和减少了网络能量的消耗,延长整个网络寿命。

基于混沌扰动和邻域交换的蚁群算法求解车辆路径问题

为求解车辆路径问题,提出一种新的基于混沌扰动和邻域交换的蚁群算法。针对标准蚁群算法存在搜索时间长,容易出现早熟收敛,得到的解不是最优解等缺点,新算法利用混沌的随机性、遍历性及规律性,在算法陷入早熟时,对小部分路径的信息素采用混沌扰动策略进行调整;针对标准蚁群算法的贪心规则随机性缺点,新算法采用邻域交换策略对最优解进行调整。在用于求解不同规模车辆路径问题的仿真结果表明,新算法比标准蚁群算法和遗传算法具有更好的效果。

分布式发电系统中储能单元的容量优化

为了解决分布式发电系统中储能单元的容量优化问题,利用超级电容器储能与蓄电池储能的互补特性,将二者综合考虑,以最小成本为优化目标函数,系统性能指标为约束条件,应用混沌蚁群算法,进行容量的组合优化设计。结果表明,该方法是有效的。

求解机组组合问题的多种群混沌蚁群算法

机组组合是一个大规模混合整数规划问题,具有高维、离散、非线性等特点,在数学上被称为NP-hard问题。国内外研究表明蚁群算法在解决组合问题时有其特有的优越性。提出的多种群混沌蚁群算法在基本蚁群算法的基础上,把蚁群分为搜索蚁、侦察蚁和工蚁,并引入了混沌量。一方面继承了蚁群算法在解决组合问题上的优越性;另一方面最大限度地克服蚁群算法本身的运算速度慢、易陷入局部最优等缺点。最后用修正后的IEEE30节点系统对算法可行性作了验证,并对算法的合理性和有效性进行了分析。结果表明,所提出的多种群蚁群算法是合理有效的。

蚁群算法中蚂蚁更新方法之研究

蚁群算法是根据蚂蚁的觅食行为而提出的随机优化算法,但其存在早熟收敛和搜索精度低等问题。模拟生物克隆选择中5%的B细胞自然消亡过程,在蚁群算法进化过程中分别基于代间差分、混沌理论、变异原理等方法设计了8种蚂蚁更新算法,按照模拟退火方法进行更新后蚂蚁的选择。通过数值试验得出结论:基于代间差分和混沌变异的蚂蚁更新算法是一种很好的选择,并且当性能较差的20%左右蚂蚁按照这种算法更新时效果较好。这种算法可以有效克服蚁群算法的早熟现象,能够加快收敛速度。