基于混沌蚂蚁的传感器网络分布式任务分配

受蚂蚁的混沌行为和自组织行为启发,提出了一种基于混沌蚂蚁的无线传感器网络分布式任务分配算法,以延长无线传感器网络生命期、节省能量消耗和均衡网络负载,该算法的目标函数考虑了任务能耗和任务执行可靠性。任务分配的优化解通过任务映射、通信路由路径分配和任务分配方案优化3个步骤获得,任务映射由蚂蚁的混沌行为产生,通信路由路径分配由蚂蚁的邻居选择方法确定,用A*算法实现,任务分配方案优化由蚁群的自组织能力实现。通过仿真实验和应用实例比较与分析,表明了该算法能有效地均衡网络负载和延长网络生命期。

基于混沌蚁群算法的微网环保经济调度

随着化石能源的日益减少,以及日益增长的负荷需求,必须充分利用各地丰富的清洁和可再生能源,因此分布式发电技术备受关注。针对微网中太阳能光伏发电、风力发电等分布式发电的特点,考虑到不同类型、容量的分布式发电所消耗的燃料、效率、运行和维护费用、温室气体的排放量不同,以及太阳能光伏发电、风力发电的特殊性,提出了一种综合考虑发电成本与排放成本的微网环保经济调度的数学模型。针对发电成本与排放成本的不同权重,采用混沌蚁群优化算法,通过算例验证了数学模型与优化算法的正确性与有效性。

改进的混沌蚂蚁群算法

混沌蚂蚁群算法是受自然界真实蚂蚁的混沌行为和自组织行为启发而产生的一种基于群智能理论的优化算法。介绍了该算法的基本原理,并在对其进行算法分析的基础之上,提出了一种改进的混沌蚂蚁群算法,该改进算法采用全面学习策略和一种简单的精细搜索策略以提高算法的性能。数值实验表明,该改进算法的收敛精度和结果稳定性优于混沌蚂蚁群算法。在此基础上,将其应用于对PID控制器参数的优化,仿真显示其结果优于混沌蚂蚁群算法。

一种适用换热网络同步综合的改进混沌蚁群算法

提出一种适用于换热网络同步综合的改进混沌蚁群算法.在标准算法的基础上引入组织变量更新策略、新型动态邻域拓扑结构,增强算法的全局搜索能力和局部搜索能力.提出两条整型变量优化策略使算法具备优化整型变量的能力和特性.选取两个不同规模的换热网络问题对算法进行测试,其鲁棒性和有效性得到验证.

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。

基于混沌蚁群算法的无衍射激光图像定中方法

针对无衍射激光图像特点,提出了一种基于混沌蚁群算法确定图像中心的方法。在图像处理时先找出图像中的有用区域,基于该区域估算图像的最大亮度,然后将其与图像像素点亮度的差值作为优化的目标函数,利用混沌蚁群算法对图像中心点进行全局的优化搜索。用像素摄像机对拍摄的图像进行处理,实验结果表明了该方法的有效性。

混沌蚁群算法应用于小规模换热网络综合问题

针对换热网络综合问题的严重非凸、非线性,采用一种混沌优化算法即混沌蚁群算法,同步综合换热网络。为充分验证混沌蚁群算法的搜索能力与特性,选择相对于固定结构更为复杂的小规模换热网络综合问题作为研究对象。同时引入Powell法作为局部搜索策略,提高算法的求解精度。选用3个小规模算例对算法进行验证,均获得了相对文献更好的换热网络设计,证明了混沌蚁群算法优越的搜索能力。

一种基于混沌蚂蚁群算法的系统参数辨识方法

提出了一种基于混沌蚂蚁群算法的控制系统辨识方法,这种方法在给定控制系统数学模型的条件下,将控制系统的参数辨识问题转化为参数的寻优问题,之后利用混沌蚂蚁群算法的全局优化搜索能力对问题进行求解。以典型控制系统为例进行了计算机仿真,实验结果表明,使用混沌蚂蚁群算法可以得到很好的参数估计结果。

自动机制设计中一种改进的混沌蚁群算法

针对自动机制设计计算复杂度会随具体问题规模的增大而呈指数增长等问题,提出了一种改进的混沌蚁群算法。在机制设计基础上,依据激励兼容和个人理性约束,分析了自动机制设计中的占优策略机制模型和贝叶斯—纳什均衡机制模型,并将改进的算法用于实现这2种机制模型。结果表明:该算法在公共货物配置问题上取得了较好的效果。

随机搜索算法在医疗器械人性化色泽设计中的应用

针对现有技术中医疗器械颜色不利于患者康复、治疗的问题,提出新型的设计方案。该方案应用随机搜索算法对医疗器械颜色区域、范围等因素进行最佳选择,使得不同器械类型适应不同的色泽。随机搜索算法有效地将蚁群算法和混沌粒子群优化(chaos particle swarm optimization,CPSO)算法融合在一起,使用户能够快速找出颜色区域内的最佳补偿点。通过利用融合色泽与强度信息几何形变模型,设计出柔和的视觉体验的外观形状。试验表明,该方法误差较小,用户满意度高。

基于混沌蚂蚁群算法的Lorenz混沌系统的参数估计

通过构造一个适当的适应度函数,首先将混沌系统的参数估计问题转化为参数的寻优问题,之后利用混沌蚂蚁群算法的全局优化搜索能力对这个问题进行求解.以典型的Lorenz混沌系统为例进行了数值模拟.实验数值仿真结果表明,使用该方法可以对混沌系统的未知参数进行有效地估计.

混沌蚂蚁群算法设计T-S模糊系统

介绍了混沌蚂蚁群算法,然后利用该算法设计T-S模糊系统,给出了具体的设计过程,并成功地将其应用于非线性动态系统辨识和自适应模糊控制,最后给出了数值仿真,数值仿真表明该方法是有效的.

带创造性思维的混沌蚂蚁群优化算法

针对混沌蚂蚁群优化算法(CASO)容易陷入局部极值和精度低的缺陷,从认知学角度进行分析,将创造性思维(CT)引入CASO算法,提出了一种带创造性思维的混沌蚂蚁群优化算法(CTCASO).基于CT过程的"四阶段"模型,构建了算法框架,改进了位置更新公式,从而使蚂蚁个体在惯性、认知能力的基础上增强了CT能力,提高了蚁群的整体寻优能力.仿真结果表明,所提出的算法搜索能力强、稳定性好,并且未增加新的参数和计算难度.