基于多策略麻雀搜索算法的机器人路径规划

通过多种策略对基本麻雀搜索算法(SSA)进行改进,以解决麻雀搜索算法后期由于种群多样性丢失而导致的全局优化精度和速度问题。首先,改进无限折叠迭代映射(ICMIC)初始化种群,将自适应分段步长因子引入麻雀探测器的位置更新公式中,使麻雀搜索算法观察者的固定比例系数随迭代次数动态变化。然后,将观察者的位置与新公式和正弦余弦算法(SCA)相结合,并干扰先前的观察者步长。最后,在基准测试函数上比较了改进的麻雀搜索算法(ISSA)、麻雀搜索算法(SSA)、鲸鱼算法(WOA)、灰狼算法(GWO)、改进的灰狼算法(CGWO)、正弦余弦算法(SCA)和粒子群优化算法(PSO)的收敛性和准确性,并将其应用于路径规划。实验表明改进的麻雀搜索算法具有良好的优化性能。

t分布与螺旋黏菌搜索的混沌自适应秃鹰搜索算法

针对秃鹰搜索算法搜索精度低、收敛速度慢及易于陷入局部最优的不足,提出t分布与螺旋黏菌搜索的混沌自适应秃鹰搜索算法.首先引入混沌Bernoulli映射进行种群初始化,丰富种群多样性;然后在搜索空间猎物阶段利用螺旋黏菌搜索策略依搜索进程动态修正位置更新方式,提高算法全局搜索能力和收敛精度;在俯冲捕获猎物阶段引入自适应惯性权重策略平衡算法全局搜索与局部开发,提高算法求解精度;最后利用t分布随机扰动策略依概率对种群个体变异,增加算法跳离局部最优、找到全局最优的概率.利用基准函数对算法寻优性能进行实验评估,并引入Wilcoxon秩和检验评估算法搜索性能.结果表明:改进秃鹰搜索算法在寻优精度和收敛速度上都得到了更大提升.

基于多策略麻雀搜索算法的径向基神经网络时延预测方法

网络诱导时延序列存在随机性和不稳定性,单一的预测算法难以准确预测,针对该问题,提出一种基于多策略麻雀搜索算法(ISSA)的径向基神经网络(RBF)时延预测方法来准确预测网络时延。首先,为了应对麻雀种群初始分布不均匀的问题,增加改进Tent混沌映射来提高种群早期的分布质量,并引入新的惯性权重因子改进发现者位置更新策略,扩大麻雀早期寻优范围;随后引入正余弦优化算法(SCA)更新跟随者位置,避免种群后期陷入局部最优。其次,考虑到RBF隐含层节点中心,幅值以及输出层权值不确定的问题,提出利用ISSA算法寻优求取。最后,搭建改进的时延预测模型并输入实测时延数据得到预测时延值。实验研究结果表明:相较于传统SSA-RBF模型,文中提出的ISSA-RBF时延预测模型的MSE、MAE和MAPE分别提高了69.46%、32.83%、34.43%,可有效预测网络时延,为之后的时延补偿提供基础。

疯狂自适应的正余弦乌燕鸥算法及应用

桥式起重机主梁优化是一个非线性的复杂约束优化问题,现有方法求解此问题时存在收敛缓慢、稳定性差、收敛精度低等问题。为克服此问题,提出一种疯狂自适应的正余弦乌燕鸥混合优化算法(CCASSTOA)。在乌燕鸥算法(STOA)中,引入Logistics混沌映射对STOA算法种群初始化,增加种群个体的多样性和迭代初期收敛速度;将惯性自适应权重和正余弦算法混合搜索策略引入到乌燕鸥位置更新公式中,增强了算法的全局搜索与局部搜索之间的平衡能力。将疯狂算子引入到乌燕鸥最优位置进行扰动,增强迭代后期种群的多样性,避免算法陷入局部最优。采用6个测试函数对CCASSTOA算法性能进行验证,结果表明:CCASSTOA算法优于其他五种元启发式优化算法,收敛精度高,稳定性好和鲁棒性强。将CCASSTOA算法应用在32t/22.5m的桥式起重机主梁轻量化设计中,可实现主梁截面面积减小约为31.45%。因此,CCASSTOA算法可有效地处理此类非线性的约束优化问题。

基于改进麻雀搜索算法模糊PID控制器设计

为了提高无刷直流电机输出转速与转矩的平稳性,提出了一种通过时变惯性权重改进的麻雀搜索算法模糊PID控制器控制无刷直流电机。通过在Matlab/Simulink中对无刷直流电机进行控制仿真,仿真结果表明,时变惯性权重改进麻雀搜索算法模糊PID控制器控制无刷直流电机,其转速与转矩的平稳性符合要求,并且能够实时响应负载的变化。

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。

融合黎曼流量子学习ChOA算法的三维航迹规划

针对传统方法的不足,提出一种融合黎曼流量子学习黑猩猩优化算法的三维航迹规划方法。为提高黑猩猩算法的寻优精度,引入非线性收敛因子均衡算法全局搜索与局部开发,设计自适应惯性权重提升算法全局搜索能力,融入黎曼流量子学习提高种群活跃度,避免生成局部最优解。建立三维航迹规划的约束模型和多目标代价函数,将航迹规划转化为多维函数优化问题,利用改进黑猩猩算法进行求解。实验结果表明,改进算法搜索精度更高,规划航迹能够规避所有威胁,具有更小的航迹代价。

基于离散粒子群算法的管道保温结构优化研究

针对目前管道保温结构优化算法不稳定、结果优化程度不高的问题,建立以经济效益为目标函数,以满足国家散热损失标准等条件为约束函数的离散型数学模型。以BPSO算法为基础改变其位置更新规则,防止种群进化失效;采用自适应权重增加粒子的全局和局部搜索能力;充分利用模拟退火算法的思想避免出现早熟现象。应用改进的算法分别对普通蒸汽管道和核电站的蒸汽管道进行系统仿真实验。结果表明,该算法能够在满足国家散热损失标准等条件下取得最优解,可以为管道保温结构提供合理的优化方案。

一种改进的鲸鱼优化算法在工程上的应用

针对鲸鱼优化算法存在收敛速度慢、易于陷入局部最优、收敛精度不高等问题,提出一种混合策略的改进鲸鱼优化算法(LWWOA).首先在全局搜索阶段引入莱维飞行,然后在螺旋更新阶段加入一个随机调整的惯性权重,最后将改进的鲸鱼优化算法应用于实际工程的优化设计问题,应用场景包括三杆桁架设计和压力弹簧的设计.仿真结果表明,LWWOA具有较快的收敛速度和较优的收敛精度,对实际工程的设计具有指导意义,并能拓展到其他领域.

基于改进粒子群算法优化的染色木材颜色检测算法研究

为提高染色木材颜色的检测精度和速度,对樟子松木材单板进行染色,选取染色单板的光谱反射率作为输入,以极限学习机模型为基础构建预测模型,对染色单板的色度参数L^(*)、a^(*)、b^(*)进行预测,运用粒子群算法对ELM权值和阈值进行寻优,并引入非线性惯性权重和新的位置与速度更新策略改进粒子群算法,以消除其易陷入局部最优的缺点。此外,以L^(*)、a^(*)、b^(*)平均绝对误差为评价指标,与基础ELM模型及其他模型作对比,发现优化后的模型平均绝对误差为0.16,测色效果相较于基础ELM的0.68、麻雀算法优化的ELM的0.37等具有明显优势,这对于提高木材染色生产效率具有重要意义。

多策略融合改进的金豺优化算法及其在马斯京根模型参数估计中的应用

针对金豺优化算法在解决复杂或高维优化问题时易陷入局部最优、收敛速度慢和计算精度低等不足,提出一种基于多策略融合改进的金豺优化算法(Multi strategy fusion improved Golden Jackal Optimization Algorithm,MGJO)。首先,通过引入混沌映射策略初始化种群代替随机参数,使得算法能够在搜索空间中生成具有良好多样性的初始解,避免初始种群分布偏离最优值;其次,提出一种非线性变化的动态惯性权重使搜索过程更加符合实际情况,有效平衡了算法的全局搜索和局部搜索能力;最后,引入柯西变异的位置更新策略使其充分利用最优个体的引导作用提高种群多样性,以有效探索未知区域避免算法陷入局部最优。为了验证改进的金豺优化算法的寻优精度、收敛性能和稳定性,选择了8个不同特征的基准测试函数进行试验。结果表明,在8个基准测试函数中,改进的金豺优化算法的平均值、标准差、最优值都取得了最优的结果。此外,Wilcoxon符号秩检验的结果表明改进的金豺优化算法在统计学上是显著优越的。通过实例应用表明,基于多策略融合改进的金豺优化算法可以有效地估算出马斯京根模型的参数,优化效果明显优于粒子群优化算法、正弦余弦优化算法和金豺优化算法,进一步验证了多策略融合改进的有效性和改进算法在参数优化中的优越性,为更精确估计非线性马斯京根模型参数提供了一种有效的新方法。

基于改进蝙蝠算法的最小区域法圆度误差评定

圆度是轴类机械产品几何精度评价的核心指标之一,其直接影响到产品的性能和寿命,准确、快速、规范的进行零件圆度误差评定一直是计量领域研究的热点。因此,提出了一种基于改进蝙蝠算法的最小区域法圆度误差评定方法,该方法利用蝙蝠算法的种群寻优能力,结合最小区域法对圆度误差模型中的目标圆心进行快速寻优,进而计算求解出圆度误差值。改进的蝙蝠算法通过增加混沌惯性权重、自适应参数等方法来有效避免算法在圆度误差评定中陷入局部最优,并改善评定准确性和稳定性。通过对实测数据进行实验验证和分析对比,结果表明提出的方法在圆度误差评定中寻优速度明显优于遗传算法,评定精度和稳定性较最小二乘法有较大提升,验证了该方法在最小区域法圆度误差评定应用中的可行性。

改进粒子群优化算法在搬运机器人机械臂中的应用

针对搬运机器人机械臂空间规划的时间最优问题,提出一种含有动态学习因子、变惯性权重因子并结合天牛须搜索(Beetle Antennae Search,BAS)算法的改进粒子群优化(Particle Swarm Opitimization,PSO)算法。通过运动学分析得到工作空间,引入3-5-3多项式插值进行轨迹规划,对运动过程的加速度和速度进行约束,得到运动过程的最短时间;对比改进前后的粒子群优化算法收敛速度,分析了各个关节的运动时间变化情况,并进行了仿真和试验验证。该算法将学习因子设为变量,使算法跳出局部最优;采用变惯性权重因子提高了算法搜索效率;结合天牛须搜索算法,加快了算法搜索速度、提高了搜索精度。结果表明,改进粒子群优化算法的收敛速度和精度都有所改善,避免了局部最优情况;整体的运动时间缩短了约15.9%。使用该算法的搬运机器人机械臂的关节角度、速度、加速度曲线平滑稳定,该改进算法有效。

一种基于疯狂自适应的哈里斯鹰优化算法

针对哈里斯鹰优化算法在求解精度和收敛速度的缺陷,本文提出了一种利用疯狂自适应的哈里斯鹰优化算法。引入Tent混沌序列生成初始种群,丰富初始个体的种类特性;将疯狂算子添加到猎物源上,以获得多元丰富的种群;在猎物处获得新的公式代进自适应惯性权重中,增强并平衡研究过程中关于搜索的问题,包括了全局搜索以及局部搜索。使用统计分析、收敛速度分析、经典基准函数评估改进哈里斯鹰优化算法的效率。结果表明:改进算法具有更好的全局搜索能力和求解鲁棒性,同时寻优精度和收敛速度也比原始算法有所增强。在求解高维和多峰测试函数上,改进算法拥有更好的性能,适合推广至实际的优化问题中。

基于遗传粒子群动态聚类算法的物流柔性分拣系统品规分配

目的针对目前烟草物流配送中心条烟分拣量大,不同条烟品规的分配对订单的总处理时间影响较大的问题,研究平衡各个分拣区品规的分配,提高分拣效率。方法建立以各分区品规相似系数和最小为目标函数的数学模型,并采用改进的遗传粒子群动态聚类(GAPSO-K)算法进行求解。首先,结合各品规分拣量对品规相似系数进行改进,并将其作为适应度函数;然后在粒子群算法中对惯性权重因子进行改进,使其值可以进行自适应改变;最后,在粒子群动态聚类算法中引入遗传算法中的交叉变异扩大解的搜索范围,基于Matlab对文中的其他算法进行求解对比,求得结果在EM-plant中进行仿真验证。结果结合某烟草物流配送中心数据仿真验证,利用GAPSO-K算法处理订单的时间为234.5 s,较传统时间大幅度较少,有效提升了柔性物流分拣效率。结论采用该算法可充分发挥2种算法的优良性,具有更好的收敛性及寻优性,为柔性物流品规分配提供了新思路。

免疫粒子群算法的测试数据生成

为有效改善粒子群算法进化后期收敛速度慢,克服易陷入局部极值的缺陷,提出一种自适应免疫粒子群算法并在面向路径的测试数据生成中得到应用。本文提出自适应的惯性权重的调整方法和学习因子的调节策略,加快算法的搜索速率;引入免疫算法中的免疫算子,提出抗体的浓度调节机制,使得粒子群的多样性更加丰富,提升算法的寻优能力;通过免疫选择操作,避免算法的早熟收敛;以分支函数叠加法构造适应度函数。实验结果表明,该算法避免了粒子群算法早熟收敛现象的发生,有效地提高了测试数据自动生成的效率。

基于模拟退火和樽海鞘群优化的DV-Hop定位算法

针对无线传感器网络(WSNs)中传统DV-Hop算法定位误差较大等问题,提出基于模拟退火和樽海鞘群优化的DV-Hop定位算法。该算法分别引入RSSI和修正因子来量化最小跳数以及校正平均跳距,在未知节点估计过程中,采用改进的樽海鞘群优化算法代替最小二乘法,并且与模拟退火算法相结合,缓解了樽海鞘群优化算法在寻优过程中容易陷入局部最优的缺点。仿真结果表明:改进后的DV-Hop算法相比于传统DV-Hop定位算法以及其他智能优化算法,定位精度得到明显改善。

基于改进蜉蝣算法优化多阈值图像分割

针对图像多阈值分割中存在分割效率低、计算时间长以及精度不高等问题,提出了一种基于改进蜉蝣算法的多阈值图像分割算法。首先,在初始化阶段引入类随机采样方法中的Sobol序列,增强种群的遍历性和多样性;其次,提出一种自适应非线性惯性权重,平衡了全局与局部寻优能力,提高了算法的收敛效率,利于种群向最优解逼近;最后,采用指数熵作为计算适应度的目标函数,通过改进蜉蝣算法对图像分割的多阈值组合进行寻优,确定最优分割阈值。为了验证该改进算法的有效性,选择了伯克利图像来进行分割验证,并与其他智能算法进行比较。实验结果表明:该改进算法在分割准确性、计算时间、结构衡量指标(structure similarity index measure,SSIM)和峰值信噪比(peak signal-to-noise ratio,PSNR)上均优于对比算法,能快速有效地解决复杂多目标图像的多阈值分割问题,具有较强的工程实用性。

基于改进粒子群算法的高速载荷控制参数优化

高速载荷入水前需要实现合成攻角的瞬时控制,而高速载荷瞬时姿态控制参数是决定高速载荷能否在合理的合成攻角范围内入水的关键。因此,针对高速载荷瞬时姿态控制参数的整定与优化,本文设计一种改进的粒子群优化算法,设计惯性权重自适应调整方式,使不同粒子根据自身搜索效果产生不同的惯性权重,并且引入遗传算法的思想改善粒子群的搜索能力,从而提高粒子群优化算法的寻优能力,得到恶劣初始条件下高速载荷瞬时姿态控制较高的寻优成功率。

一种求解多目标分布式置换流水车间调度的改进混合樽海鞘群算法

针对多目标分布式置换流水车间调度问题,以最小化最大加工时间与拖延时间为优化目标,提出一种改进混合樽海鞘群算法。位置更新方式中引入螺旋搜索机制和惯性权重,既有利于提高算法的搜索效率,又兼顾了算法全局搜索和局部搜索能力的平衡;为提高种群的多样性与算法的寻优能力,将算法融合Pareto支配关系的精英选择策略,并且在选择阶段加入差分进化机制防止算法陷入局部最优。通过使用基准算例对改进算法进行测试,验证了所提算法能够有效地求解多目标分布式置换流水车间调度问题。