个体扰动的混沌对立学习与差分进化灰狼算法

针对传统灰狼优化算法易于陷入局部最优、寻优精度低的问题,提出基于混沌对立学习和差分进化机制的改进灰狼优化算法CODEGWO。引入混沌对立学习策略生成灰狼初始种群,提升初始解的质量,加速算法收敛;引入差分进化的局部搜索机制,改善灰狼的局部开发与邻近区域的搜索能力;引入个体扰动机制增加种群多样性,改进灰狼的全局搜索能力。8个单峰和多峰基准函数优化求解的测试结果表明,CODEGWO算法可以有效提升寻优精度和收敛速度。

带有个体扰动和相互学习改进的粒子群优化算法

针对粒子群优化算法容易陷入局部极值、进化后期早熟收敛现象,提出了一种带有个体扰动和相互学习改进的粒子群优化算法.算法在迭代的过程中,根据群体适应度方差按照一定的概率对当前的个体最优粒子进行扰动,增强了算法的局部探索的能力,使得粒子跳出局部最优点;同时增加粒子的相互学习阶段,使得每个粒子的进化不仅受到个体最优粒子和全局最优粒子的影响,而且还受到其他粒子之间相互学习的影响,提高了算法的收敛速度.数值实验表明,改进的新算法具有更高的收敛速度和收敛精度,能有效克服早熟收敛现象.

基于个体扰动变异粒子群算法的线缆布线顺序规划方法

复杂机电产品传统线缆布线以实物样机为基础,依据经验、参考设计接线表进行线缆布线效率低、易反复。为此,提出一种基于个体扰动变异粒子群算法的线缆布线顺序规划方法。首先建立了面向虚拟环境的线缆布线顺序可行性数学模型,完成了算法适应度函数的定义;然后,为适应线缆布线顺序规划的离散性,对基本粒子群算法进行了整数离散化;为避免基本粒子群算法易陷入局部最优和早熟收敛,将个体扰动变异搜索机制引入基本粒子群算法以改进粒子的位置,提高粒子全局搜索能力和局部寻优能力;最后,将该算法应用到某型相控阵雷达的线缆布线顺序规划中。实例证明该算法能求解出满足布线工艺的相控阵雷达线缆布线顺序,且算法精度和效率均高于基本粒子群算法。

体育教学过程中扰动因素及其控制

本文根据体育控制论观点,通过对各种类型体育课的观察与调查,分析和研究影响体育教学的扰动因素,剖析扰动因素的性质,在此基础上提出抗扰动的对应性措施。

改进蝴蝶算法优化支持向量机的土壤含水量预测模型

针对传统土壤含水量预测方法精度低、效率差的不足,提出改进蝴蝶算法优化支持向量机的土壤含水量预测算法。引入Levy飞行改进蝴蝶优化算法的位置更新方式,结合高频短步长跳跃搜索和低频长步长行走策略,同步实现局部精细搜索和远程区域勘探,提升寻优能力;设计基于高斯变异和混沌Logistic映射的个体扰动机制,提升种群多样性。利用改进蝴蝶优化算法LGBOA优化SVM模型,构建土壤含水量预测模型。选取某地土壤气象数据为样本进行实验分析,验证LGBOA-SVM模型可以提高土壤含水量预测精度和效率。

一种基于自适应模糊支配的高维多目标粒子群算法

高维多目标优化问题由于具有巨大的目标空间使得一些经典的多目标优化算法面临挑战.提出一种基于自适应模糊支配的高维多目标粒子群算法MAPSOAF,该算法定义了一种自适应的模糊支配关系,通过对模糊支配的阈值自适应变化若干步长,在加强个体间支配能力的同时实现对种群选择压力的精细化控制,以改善算法的收敛性;其次,通过从外部档案集中选取扰动粒子,并在粒子速度更新公式中新增一扰动项以克服粒子群早熟收敛并改善个体分布的均匀性;另外,算法利用简化的Harmonic归一化距离评估个体的密度,在改善种群分布性的同时降低算法的计算代价.该算法与另外五种高性能的多目标进化算法在标准测试函数集DTLZ{1, 2, 4, 5}上进行对比实验,结果表明该算法在收敛性和多样性方面总体上具有较显著的性能优势.

一种矩形邻域结构的教学优化算法

为了克服原始教学优化算法在求解复杂多峰函数时全局寻优精度不高和过早收敛的缺点,提出一种矩形邻域结构和个体扰动的教学优化算法.算法将种群空间设计为矩形结构,个体的矩形邻域由矩形厚度和围绕其的矩形区域个体决定,教和学两个阶段都使用邻域最优个体引导搜索,加强了算法勘探新解和开发局部最优解的能力;为了防止算法过早陷入局部最优,增加了基于搜索边界信息引导的个体扰动阶段,使得种群即使在进化的后期仍能保持较好的多样性.对带有偏移和旋转的复杂函数进行仿真测试,结果表明新算法在求解精度和稳定性方面,在绝大多数情况下优于原始教学算法和其他一些近来的优秀改进教学算法.