杂草算法优化支持向量机的短期负荷预测

针对支持向量机在短期负荷预测中的参数优化问题,利用杂草算法优异的搜索能力,构建了基于杂草算法优化支持向量机的短期负荷混沌预测模型(IWO-SVM)。该模型首先将支持向量机一组参数看作一个杂草种子,然后通过模拟杂草生存、繁殖过程实现支持向量机参数寻优,最后采用具体短期负荷数据对其性能进行分析。结果表明,IWO-SVM获得了高精度的短期负荷预测结果,能够满足短期负荷预测的实际要求。

改进支持向量机的网络流量预测

支持向量机具有良好的非线性建模能力,其参数对网络流量预测结果有直接影响,为了解决支持向量机的参数确定的难问题,根据杂草算法的优势,提出了改进支持向量机的网络流量预测模型.首先收集大量网络数量原始数据,将支持向量机参数作为杂草种子,然后模拟杂草的生存、繁殖过程搜索最优参数寻优,建立网络流量预测模型,最后采用具体网络流量数据测试模型的可行性.结果表明,该模型不仅得到了高精度的网络流量预测结果,而且可以应用网络流量管理中.

混沌野草扩展Kalman滤波器辨识六维力传感器下E膜模型参数

为解决动载环境下噪声污染导致六维力传感器测量精度急剧下降,以及扩展卡尔曼滤波器难以获得最优系统干扰矩阵的问题,提出了一种基于混沌野草算法优化的扩展卡尔曼滤波(CIWO-EKF)算法。根据挠度与应变之间的关系,构建了六维力传感器下E膜非线性模型。基于野草繁殖算法,以前6阶主振型信息构成的系统干扰阵为均值进行高斯采样,产生初始化的可行解。将混沌搜索技术与野草算法相融合,利用野草算法进行全局搜索,通过混沌序列对群体中适应度高于平均值的个体执行给定步数的局部搜索,指导种群向最优解方向逼近,避免搜索过程陷入局部最优。采用改进的野草算法对扩展Kalman滤波中的系统干扰矩阵进行优化处理。仿真实例表明,改进扩展卡尔曼滤波器在提高六维力传感器测量精度的同时,可以保持较好的稳定性和鲁棒性。

新型差分进化模型的多等级子群杂草优化算法

针对标准杂草优化算法易出现的早熟、后期收敛速度慢、易陷于局部最优等问题,提出基于新型差分进化模型的多等级子群杂草优化算法(DEMIWO)。首先,引入一种改进型的混合混沌系统对种群进行初始化,提高初始种群的多样性;其次,提出一种按等级分类的组群策略,将种群按适应度分为优、良、中、差四个等级;最后,在繁殖进化阶段,提出新型差分进化模型,对模型中的交叉变异概率进行指数式的非线性动态调整,提高算法的全局寻优能力以及收敛精度。在8个标准测试函数上进行的仿真实验表明,与标准IWO算法及其他常用算法相比,所提算法具有更快的收敛速度和更高的寻优精度,同时能有效避免陷入局部最优。

改进杂草算法求解WSN节点分布优化问题

对改进杂草算法性能及其在无线传感器网络节点分布优化问题中的应用进行研究。在保证节点相互连通的前提下,建立无线传感器网络对目标区域覆盖的数学模型,并将节点分布优化问题转换为求解函数最大值问题;通过杂草算法优越的寻优能力来实现网路节点的最优分布,在此基础上,引入立方映射混沌算子来提高算法的局部搜索能力,利用高斯变异算子来增强种群的多样性;最后,通过标准函数测试与无线网络覆盖优化仿真对该算法进行验证。仿真结果表明:该算法具有收敛速度快、鲁棒性好、数据开采能力强的优点,能有效解决无线传感器网络节点分布优化问题。

基于柯西变异的改进入侵杂草优化算法

入侵杂草优化算法存在收敛速度较慢,收敛精度不高,易陷入局部最优等问题,针对这些问题,论文提出基于柯西变异的改进入侵杂草优化算法(CMIWO)。该算法采用改进点集的方法实现种群的初始化,丰富初始种群的多样性,引入改进后的tent混沌映射将杂草个体进行扩散,后期融入柯西变异和差分变异的混合变异算子,从而使算法的收敛速度和寻优精度进一步提高,且更易跳出局部最优值。利用6个标准测试函数测试算法的收敛速度以及寻优精度,仿真结果表明,CMIWO算法均优于标准IWO算法及其他常用算法,并且能有效避免陷入局部最优。

Near Optimal PID Controllers for the Biped Robot While Walking on Uneven Terrains

The execution of the gaits generated with the help of a gait planner is a crucial task in biped locomotion. This task is to be achieved with the help of a suitable torque based controller to ensure smooth walk of the biped robot. It is important to note that the success of the developed proportion integration differentiation （PID） controller depends on the selected gains of the controller. In the present study, an attempt is made to tune the gains of the PID controller for the biped robot ascending and descending the stair case and sloping surface with the help of two non-traditional optimization algorithms, namely modified chaotic invasive weed optimization （MCIWO） and particle swarm optimization （PSO） algorithms. Once the optimal PID controllers are developed, a simulation study has been conducted in computer for obtaining the optimal tuning parameters of the controller of the biped robot. Finally, the optimal gait angles obtained by using the best controller are fed to the real biped robot and found that the biped robot has successfully negotiated the said terrains.