高校大学生实验室安全意识评价模型的构建

为减少实验室安全事故的发生和提高大学生的实验室安全意识,设计了实验室安全意识影响因素调查问卷和大学生实验室安全意识评价调查问卷,利用层次分析法—熵权法(AHP-EWM)主客观相结合的方法建立高校大学生实验室安全意识评价体系。通过主成分分析法(PCA)处理,再选取累计贡献率超过95%的评价指标进行布谷鸟搜索(Cuckoo Search, CS),最后结合混合优化支持向量机(SVM)建立PCA-CS-SVM大学生实验室安全意识评价模型。验证结果表明,与PCA-LS-SVM和PCA-GA-SVM模型相比,PCA-CS-SVM模型的预测值与实际值的误差较小且评价等级与实际值保持一致,具有较高的准确性和可靠性,可用于高校大学生实验室安全意识评价。

基于改进布谷鸟算法结合电导增量法的最大功率点追踪

动态遮阴下,光伏阵列的输出P-U曲线会出现多个功率极值点,传统最大功率点追踪会陷入局部最优。为此,提出基于自适应差分进化的改进布谷鸟搜索(improved cuckoo search,ICS)算法与电导增量法(incremental conductance,INC)相结合的复合算法(ICS-INC)。该算法在前期提出自适应的抛弃概率和随机步长因子,结合差分变异进行随机偏好游走,使算法的搜索开发能力得到提升,有效跳出局部最优。通过改进Lévy飞行公式减小其随机性,减小算法的迭代次数来缩短跟踪时间,实现快速高效定位最大功率点区域,在后期由INC实现局部快速搜索,稳定输出最大功率。在MATLAB/Simulink中建立了仿真模型,对多种算法进行实验,仿真结果表明该算法的追踪速度、全局搜索性以及环境变化的适应能力均得到提升。

基于滚动速度障碍法的无人机山地航测避障路径规划研究

无人机在进行山地航测时,经常遭遇鸟类等动态障碍,若不能及时规避掉障碍,极容易发生坠机事故;为此,研究一种基于滚动速度障碍法的无人机山地航测避障路径规划方法;基于山地环境模型,结合飞行路径长度、路径平滑度建立一个综合目标函数并利用改进布谷鸟搜索算法求解,得到无人机山地航测的初始路径;对图像进行预处理后,识别无人机初始路径飞行过程中遇到的障碍物,并通过超声波测量无人机与障碍物之间的距离,以此建立速度障碍模型,实现速度障碍碰撞分析,通过滚动窗口的方式确定无人机与障碍物是否存在飞行冲突;基于滚动速度障碍避障方法实现滚动角度避障和速度避障,获取最终的优化路径,完成基于滚动速度障碍法的无人机山地航测避障路径规划;测试结果表明:航测避障路径长度为571.45 m,平滑度为165.52,规划的方案更具合理性。

基于布谷鸟算法和牛顿法的时频差无源定位算法

针对运动双站时频差无源定位中存在的非线性最优化问题,提出了基于布谷鸟(Cuckoo Search,CS)算法和牛顿法的混合定位算法。该算法将布谷鸟算法全局寻优的结果作为牛顿法的初值,利用牛顿法迭代求解目标位置,避免了布谷鸟算法收敛速度慢和牛顿法对初值选取敏感的缺陷。仿真结果表明,混合算法无需初始值先验条件就能实现对目标辐射源的单次瞬时定位;此外,当距离差或距离差变化率的测量误差小于10 dB时,定位误差能够逼近克拉美罗下界(Cramer-Rao Lower Bound,CRLB),具有较高的定位精度。

基于ACS的水质水量联合调度

为了满足各行业对水资源数量及质量的需求,使水资源调度更加科学、有效,开展基于改进布谷鸟算法(ACS)的水质水量联合调度研究。根据水库实际供需水关系建立水资源优化调度模型,在考虑经济目标与社会需求的同时,加入水质因子来体现环境目标;引入边界变异策略和自适应步长调整策略,提出ACS,并将其应用于水质水量联合调度模型的求解中。以乌鲁木齐乌拉泊水库为例,验证了该联合调度模型的可行性。

多目标布谷鸟搜索算法

解决多目标优化问题,并得到精确的、高质量的Pareto前沿解是非常具有挑战性的。将CS算法运用于多目标问题解的迭代更新过程,对传统的基于Pareto支配关系的适应度函数进行了改进,并提出基于小生境技术的逐步档案缩减法用于档案解的缩减与维护过程,设计出了多目标布谷鸟搜索算法(MOCS)。通过仿真实验验证以及相关性能指标的测试结果得出,MOCS算法与经典的NSGAII算法相比,在所得解的收敛性、多样性和均匀性方面均有所改善。

识别含热源瞬态热传导问题的热扩散系数

针对含有热源的瞬态热传导反问题,引入一个变换将含热源热传导问题转换为无热源热传导问题,采用改进布谷鸟算法反演热扩散系数.正问题由边界元法求解.将热扩散系数作为优化变量,以计算温度和测量温度之间的接近程度为目标函数,通过改进布谷鸟算法极小化目标函数来优化估计热扩散系数.比较共轭梯度法、布谷鸟算法和改进布谷鸟算法的反演结果.与共轭梯度法相比,改进布谷鸟算法对迭代初值不敏感;与布谷鸟算法相比,改进布谷鸟算法收敛速度更快.算例讨论了测点数量、鸟巢数量、测量误差对计算结果的影响.增加测点数量,反演结果精度降低;增加鸟巢数量,迭代次数减少;随着测量误差的增大,结果精度降低.数值算例验证了改进布谷鸟算法反演热扩散系数的准确性和有效性.

基于自适应布谷鸟搜索和扰动观察法的光伏最大功率点跟踪

当光伏阵列板暴露在不均匀的光线下时,功率电压(P-V)特性曲线会变为多峰,在这种情况下,传统的最大功率点跟踪(MPPT)算法将无法跟踪到正确的全局最大功率点(GMPP),而具有全局搜索能力的人工智能算法通常是高度参数化和复杂的。为了解决上述问题,提出了一种结合自适应布谷鸟搜索算法和扰动观察方法(ACS-P&O)的复合跟踪算法。该方法将布谷鸟搜索(CS)算法中的切换概率和Lévy飞行步长系数通过自适应调整,在跟踪早期,扩大算法的搜索范围。引入边界个体的处理策略,可进一步减少算法的迭代次数。该算法使系统更容易跳出局部最大功率点(LMPP),而在跟踪后期,算法精确运行在小范围内,提高了局部开发能力。扰动观察法(P&O)的加入缓解了系统位于GMPP附近时的功率振荡,稳定了输出。仿真结果表明,ACS-P&O复合算法能够适应环境变化的影响,并快速准确地跟踪GMPP。

基于变尺度法和自适应步长的布谷鸟搜索算法

布谷鸟搜索算法(Cuckoo Search,CS)是一种新型的元启发式算法。针对CS算法局部搜索能力较弱、后期收敛速度偏慢和收敛精度不高等缺点,提出一种基于变尺度法(DFP)和自适应步长(Adaptive Step)的布谷鸟搜索算法(DACS),使Lévy飞行的步长非线性自适应变化来提高算法的收敛速度,同时使经过Lévy飞行机制和淘汰机制进化后的布谷鸟种群再运用DFP快速获取全局最优解。用6种具有各种代表性的测试函数分别测试DACS算法和CS算法的性能。实验结果表明,DACS算法在保持强大的全局搜索能力的同时,比CS算法具有更快的收敛速度、更高的收敛精度和更好的鲁棒性,尤其适合多峰及高维函数的优化。

基于Powell局部搜索策略的全局优化布谷鸟算法

为了解决布谷鸟搜索算法后期收敛速度慢、求解精度不高、易陷入局部最优等缺陷,提出了一种基于Powell局部搜索策略的全局优化布谷鸟搜索算法。算法将布谷鸟全局搜索能力与Powell方法的局部寻优性能有机地结合,并根据适应度值逐步构建精英种群候选解池在迭代后期牵引Powell搜索的局部优化,在保证求解速度、尽可能找到全局极值点的同时提高算法的求解精度。对52个典型测试函数实验结果表明,该算法相比于传统的布谷鸟搜索算法不仅寻优精度和寻优率有所提高,并且适应能力强、鲁棒性好,与最新提出的其他改进算法相比也具有一定的竞争优势。

基于改进CS的混合威布尔分布最优化参数估计

混合威布尔分布常用于拟合多失效模式的设备寿命数据,但由于该分布的形式复杂且参数众多,其参数估计较为困难。针对该问题,在对布谷鸟搜索(Cuckoo Search,CS)算法的步长比例和寄主鸟发现概率改进的基础上,提出基于改进CS的混合威布尔分布最优化参数估计方法。该方法以最小化残差平方和为目标,建立参数估计优化模型,并通过改进的CS算法进行参数寻优。案例以飞机挡风玻璃寿命数据为对象,采用CS算法以及3种改进的CS算法分别对两重两参数威布尔分布进行2 000次参数估计,对比分析各算法的寻优结果表明:融合步长比例改进和寄主鸟发现概率改进的CS算法的参数估计精度较高,估计结果较可靠。

改进的布谷鸟算法及相应罚函数法的应用

为解决布谷鸟算法在迭代后期收敛速度下降的问题,通过引入一种新的惯性权重,提出一类改进布谷鸟算法,改善原算法的收敛速度。针对非线性规划问题,根据罚函数思想,提出一种基于改进的布谷鸟算法的罚函数法。将该算法应用在若干非线性规划实例中,实验结果表明,使用该算法得到的结果优于已有若干算法,具有较好的可行性和有效性。

大规模数据库查询优化算法的设计与研究

针对布谷鸟算法局部搜索能力弱、寻优精度低等缺陷,设计了一种大规模数据库查询的优化算法。首先对当前数据库查询优化的研究现状进行分析,找到其它方法存在的局限性,然后将数据库查询优化问题看作是一个多约束条件的优化问题,选择布谷鸟搜索算法对该问题进行求解,将对标准布谷鸟搜索算法存在的不足进行相应的改善,最后通过具体数据库查询优化仿真实验对其有效性和优越性进行测试与分析。结果表明,改进布谷鸟搜索算法大幅度改善数据库查询优化效率,获得比较理想的数据库查询优化结果,而且结果要明显优于当前其它数据库查询优化方法,具有更高的实际应用价值。

基于人工势场法的多智能体编队避障方法

编队避障问题是多智能体编队研究的关键问题之一。针对动态环境中多智能体编队避障问题,提出了一种基于人工势场法(APF)与布谷鸟搜索算法(CS)相结合的编队避障方法。首先,在动态队形变换策略的异构模式下,利用APF为多智能体编队中每个智能体规划避障;然后,针对APF在引力增量系数和斥力增量系数设置的局限性,利用CS中的莱维飞行机制思想,来随机搜索得到适应环境的增量系数。Matlab仿真实验结果表明,所提方法能够有效地解决复杂环境下多智能体编队避障问题,使用效率函数对实验数据进行评价及分析,验证了所优化方法的合理性和有效性。

布谷鸟搜索算法在多阈值图像分割中的应用

穷举式搜索在寻找多个分割阈值时,计算较为复杂。为解决该问题,提出一种基于布谷鸟搜索算法的多阈值图像分割算法。以Otsu法设计适应度函数,利用布谷鸟搜索算法的并行寻优性能寻找待分割图像的最优阈值。实验结果表明,与细菌觅食算法和人工蜂群算法相比,该算法的寻优速度更快,找到的阈值质量更高。

求解工程结构优化问题的改进布谷鸟搜索算法

针对布谷鸟搜索算法局部搜索能力不强的缺点,提出一种基于随机局部搜索的改进布谷鸟搜索算法用于求解工程结构优化问题。引入惯性权重以平衡算法的勘探和开采能力;利用随机局部搜索方法对当前最优解进行局部搜索,以加快算法的收敛速度。两个工程结构优化问题的实验结果表明了该算法的可行性和有效性。

求解约束化工优化问题的混合布谷鸟搜索算法

针对布谷鸟搜索算法存在收敛速度慢和易陷入局部最优等缺陷,提出一种基于Rosenbrock搜索和柯西变异的混合布谷鸟搜索算法用于求解约束化工优化问题。该算法首先采用佳点集方法对鸟窝位置进行初始化,为全局搜索的多样性奠定基础;然后利用Rosenbrock搜索算法对当前最优位置进行局部搜索,以提高算法的收敛速度;最后对当前最优解进行柯西变异以避免算法陷入局部最优。两个约束化工优化问题的实验结果表明了该混合算法的有效性。

基于布谷鸟搜索优化支持向量机的短期负荷预测

针对支持向量机(SVM)在短期负荷预测中,根据经验选取参数导致预测精度下降的问题,提出一种基于布谷鸟搜索算法(CSA)优化SVM的短期负荷预测新方法(CSA-SVM)。先以历史负荷、温度、湿度等属性构成训练样本集的输入向量作为SVM的输入,以负荷值作为输出,建立SVM预测模型;再根据训练误差,以CSA对SVM中惩罚因子和核参数进行寻优;最后,按照CSA寻优获得的最优参数建立基于CSA-SVM的预测模型并开展短期负荷预测。实际负荷数据试验显示,相较于SVM模型、粒子群(PSO)优化SVM模型、BP神经网络模型,CSA-SVM具有更高的预测精度,能够满足电力系统短期负荷预测精度需求。

基于二次插值法的布谷鸟搜索算法研究

对基本的布谷鸟搜索算法(Cuckoo Search,CS)进行研究,为改进CS算法局部搜索能力差、进化后期收敛速度慢、求解精度低等缺陷,考虑到二次插值法是一种局部搜索能力较强的搜索方法,提出一种基于二次插值法的布谷鸟搜索算法(QI_CS)。新算法充分利用鸟窝个体局部的优化信息,增强算法的局部搜索能力,加快算法搜索全局最优解的收敛速度。仿真实验结果表明,QI_CS算法在保持原算法的强大全局寻优能力的基础上大幅提高算法的收敛能力和求解精度,是求解多峰函数优化问题的一种可行和有效的方法。

基于RVM-CS的工程区地层渗透系数反演分析

为了准确确定工程区各地层渗透系数,基于相关向量机(RVM)与布谷鸟算法(CS)建立反演分析模型,对研究区域内各地层的渗透系数进行反演分析。首先,基于均匀设计法构造渗透系数组合,利用有限元计算测点水位值并生成RVM学习样本;随后,通过训练RVM构建渗透系数与水头之间的映射关系,使其能够代替有限元方法快速地完成渗流计算;最后,根据工程区钻孔的实测水位值,利用CS算法搜索确定区域内各地层的渗透系数。将建立的渗流反演模型应用于某大型抽水蓄能电站工程区的初始渗流场中,结果表明:所建立的渗流反演模型能够考虑多地层渗透系数和钻孔水头间的非线性,RVM能代替有限元模型,可快速、精确地确定渗透系数;此渗流反演模型在大型抽水蓄能电站工程区反演结果合理,精度满足工程要求。