自适应多样性黄金正弦搜索改进的人工兔优化算法

本文针对人工兔优化算法在求解复杂优化问题时存在初始化种群多样性低、容易陷入局部最优等问题,提出了自适应多样性黄金正弦搜索改进的人工兔优化算法。首先,在初始化过程中,本文引入了拟蒙特卡洛法中的Halton序列数,增加初始种群的多样性;而后,为了提高人工兔优化算法在迭代后期的搜索能力,避免算法陷入局部最优,本文提出了自适应多样性黄金正弦搜索策略的算子。将改进后的人工兔优化算法与其它4种算法在8个标准测试函数和2个工程应用的测试函数上进行对比测试,结果表明,本文改进的算法在计算性能上实现了明显的提升。

基于多策略融合的人工水母算法的瑞雷面波反演研究

为了快速、准确地通过反演得到浅地表地层结构,本文将人工水母搜索算法引入到瑞雷波频散曲线反演问题,并对其进行了相应的改进。在水母跟随洋流运动阶段引入莱维飞行扰动与指数递减型惯性权重,可以扩大算法的全局搜索能力,提高算法的寻优收敛速度;在水母被动运动阶段引入指数递减型惯性权重,并结合黄金正弦算法,可以提升算法的探索寻优能力。本文对多策略融合人工水母算法在瑞雷面波频散曲线反演问题中的效率和精度进行了研究,将人工水母搜索算法、多策略融合人工水母算法与传统非线性粒子群算法分别应用于速度递增层、含低速软夹层与含高速硬夹层三个典型的四层理论地质模型,对理论频散曲线和加随机测试误差的频散曲线进行了反演研究,验证了多策略融合人工水母算法在瑞雷面波反演研究中的有效性与稳定性。

基于改进人工水母搜索算法的电液伺服系统控制研究

电液伺服系统是工业制造领域不可或缺的一部分,它是一个复杂的时变非线性系统,常规PID在实际工业控制中存在参数调节难度大、效率低等问题,很难达到理想的控制结果。针对以上问题,提出一种改进人工水母搜索算法来优化PID控制器参数的方法,将蝴蝶算法中随机移动概念引入到人工水母算法中,并将其和PSO算法、标准人工水母搜索算法进行对比分析,利用MATLAB软件搭建PID控制模型。仿真结果表明:运用改进人工水母搜索算法能高效、精确、快速地寻优出PID控制器的最佳参数,并展现出了鲁棒性好、调节时间少、运行相对稳定等优点,系统的控制性能得到了显著提升。

基于离线搜索的人工免疫动态多目标优化算法

为了能在环境快速变化后迅速找到新环境下的Pareto解,提出了一种基于离线搜索与在线优化相结合的人工免疫动态多目标进化算法。首先,所提算法预估优化过程中可能会出现的动态环境。其次,算法搜寻到上述预估环境下的近似Pareto解,并将其存储在离线解集中。动态发生后,所提算法采用基于离线解集的动态响应策略来重新获得一组高质量的初始种群。随后,基于抗体消灭抗原的免疫思想设计了一种子代生成策略,使重新获得的初始种群快速靠近当前环境下优化问题的真实Pareto解,进而提高算法的优化效率。为了验证该算法的有效性,在动态多目标优化问题标准测试集上进行对比实验。实验结果表明,所提算法能够更快速准确地跟踪动态环境下的Pareto前沿。

面向人脑功能划分的人工水母搜索优化算法

人脑功能划分是揭示人脑功能分离性的重要方式。然而,现有的大多数划分方法因不能较好地处理功能磁共振影像(fMRI)数据的高维性和低信噪比性,表现出搜索能力较弱和划分结果较差的问题。为了减轻此问题,提出一种基于人工水母搜索优化(AJSO)的人脑功能划分方法。该方法首先基于预处理的fMRI数据计算功能相关矩阵,并将其映射到低维空间。然后将食物编码为由多个功能簇中心构成的聚类解,利用改进型人工水母搜索优化算法搜索更优的食物,采用融入迭代停滞的时间控制机制调控人工水母执行主动运动或被动运动,以提高全局搜索能力;针对主动运动设计适应度引导的步长确定策略,增强人工水母搜索的科学性和针对性。最后根据最小距离原则得到相关矩阵中每行数据的簇标,并将其映射到相应的体素上。在真实fMRI数据上的实验表明:与其他一些划分方法相比,新方法不仅拥有较高的搜索能力,而且可得到具有更好空间结构和更强功能一致性的划分结果。这项研究将人工水母搜索优化算法应用于人脑功能划分,提供了一种更有效的人脑功能划分方法。

一种基于模式搜索算子的人工萤火虫优化算法

人工萤火虫算法是群智能领域近年出现的一个新的研究方向,该算法已在复杂函数优化方面取得了成功,但也存在着易陷入局部极小且进化后期收敛速度慢等问题.而模式搜索具有很强的搜索能力,但其搜索结果的好坏在很大程度上依赖于初始点的选择.结合两者的优缺点,提出一种基于搜索算子的人工萤火虫算法.该算法在人工萤火虫算法全局搜索过程中融入模式搜索法,改进人工萤火虫算法全局搜索和局部搜索能力.仿真实验结果表明,该算法收敛速度和解的精度显著地提高,是求解函数优化问题的一种可行和有效的方法.

基于ESMD-FE-AJSO-LSTM算法的水闸深基坑变形预测

水闸深基坑开挖变形具有明显的非线性和非稳定性特征,基于此,引入极点对称模态分解算法(extremepoint symmetric mode decomposition method,ESMD)对水闸深基坑开挖变形原型监测序列进行多模态分解,并基于模糊熵(fuzzy entropy, FE)理论对各分解分量进行模糊多模态相空间重构,从而有效甄别水闸基坑变形不同时间尺度有效物理特征。构建基于人工水母搜索算法(artificial jellyfish search optimizer,AJSO)优化的长短期记忆(long short-term memory,LSTM)人工神经网络模型,以重构后的各重构子序列为基础进行优化训练,并把训练后的各预测模态分量合并,实现对水闸基坑开挖变形动态预测和分析。以张家港市十一圩江边枢纽改建工程基坑开挖变形监测为例,采用上述方法对该枢纽工程基坑开挖过程变形进行预测和分析。结果表明:基于ESMD-FE-AJSOLSTM算法的水闸深基坑变形预测方法能够有效预测基坑开挖变形非线性特征,相比传统LSTM、循环神经网络(recurrent neural network, RNN)和支持向量机(support vector machine,SVM)等算法具有更高的预测精度和稳定性,为实现对基坑开挖安全性态实时科学诊断和分析提供技术参考。

基于人工搜索群算法的电磁装置优化设计

介绍了人工搜索群算法及其特点,选择复杂测试函数对其性能做进一步测试,并与经典同类算法作了性能比较。分析了人工搜索群算法和罚函数法相结合应用于电磁装置优化设计的若干问题,并应用于某型电磁继电器的优化设计。设计结果证明了该算法的有效性。

基于改进人工搜索群算法的多目标电磁装置优化

在介绍多目标优化问题和人工搜索群算法基本原理的基础上,将Pareto理论引入人工搜索群算法中,提出了多目标人工搜索群算法(MOASSA)。同时精选4个两目标函数算例对MOASSA进行测试,通过与其他多目标优化算法比较,证明了MOASSA的有效性。最后,将MOASSA成功应用于双E型交流接触器优化问题。求解结果验证了MOASSA在解决实际工程问题方面的有效性和实用性,为解决电磁领域优化问题提供了一种可靠的方法。

基于混合策略改进蜣螂优化算法的无人机三维路径规划

针对传统蜣螂优化(DBO)算法存在的容易陷入局部最优、搜索效率低、规划路径不稳定等问题,提出混合策略改进蜣螂优化(IDBO)算法的无人机三维路径规划方法。首先对地形、障碍物环境进行空间建模,按照约束条件制定无人机飞行总成本函数,将路径规划问题转换为多约束条件下的优化问题;其次使用Circle混沌映射策略增加蜣螂种群的多样性,建立反余弦函数公式改进边界收敛因子,提高算法的寻优精度和平衡算法局部和全局寻优能力;最后引入人工水母搜索算法的时间控制机制和主动运动策略,实现种群个体间信息交流,提升搜索效率、多样性,避免算法陷入局部最优,并通过动态选择策略与自适应t分布扰动进一步提高算法的收敛速度、寻优能力。仿真结果表明,无论是在简单还是复杂的三维环境中,IDBO算法都能表现出搜索效率高、规划路径短、探索节点有效性高、飞行高度稳定的优点。

基于改进人工搜索群算法的真空灭弧室优化设计

引入混沌理论和方法,提出了改进的人工搜索群算法,并利用经典测试函数对其性能进行了测试和比较。以高压真空灭弧室为研究对象,以其内部电场分布均匀为设计目标,分别建立了参数化有限元分析模型和优化设计数学模型,利用混沌人工搜索群算法完成了优化设计,并对优化设计前后结果进行了分析。性能测试和优化设计结果表明,混沌人工搜索群算法具有较强的搜索能力,可有效解决电磁领域的优化设计问题。

求解工程优化问题的多种智能优化算法仿真

探究新型优化算法的寻优性能和工程优化问题求解能力,选取6种智能算法:天鹰优化器(AO)、算术优化算法(AOA)、非洲秃鹫优化算法(AVOA)、人工大猩猩部队优化器(GTO)、饥饿游戏搜索算法(HGS)、野马优化器(WHO),对其进行仿真对比。首先阐述新型算法的主体框架;然后,选取6个基准测试函数并测试其寻优性能;最后,用其求解2种典型的工程优化问题,并且分析其改进方向和应用前景。对于测试函数的仿真结果分析,GTO算法的寻优能力最强,多次获取测试函数理论值,且运行时间较短;在工程优化问题的仿真中,GTO算法与WHO算法的寻优能力较为突出,寻优时间短,可靠性高。

基于多目标人工搜索群算法的分布式电源优化

分布式电源优化是配电网规划的重要环节,多目标优化算法是该环节的关键因素,目前用于解决这类问题的算法大都将多目标转化为单目标,一定程度上忽略了各目标间的相关性。为解决该问题,提出了一种改进人工搜索群算法,结合Pareto理论,针对每个优化目标并行搜索寻优,配合构建外部存档集,做到对各个目标之间关系的协调,解决了人工搜索群算法不能处理多目标优化问题的缺陷。针对改进算法存在的收敛精度不高,容易陷入早熟的情况,引入动态参数进行调整,改善了算法性能。最后以30节点系统为例,建立了考虑DG投资运行成本、有功网损及节点电压偏移的多目标优化模型,利用改进算法完成优化,通过与粒子群算法的效果对比,验证了算法的有效性。

基于改进人工搜索群算法的真空灭弧室优化

人工搜索群算法是一种新颖的智能优化算法,针对算法步长对算法性能影响显著的特点,本文提出了变步长的改进算法,并利用高维复杂测试函数对其进行了性能测试和比较.在建立72.5 kV高压真空灭弧室有限元模型和优化模型的基础上,以真空灭弧室内部电场分布更加均匀为设计目标,利用改进人工搜索群算法对72.5 kV高压真空灭弧室进行了优化设计,并对优化设计前后真空灭弧室内部电场分布进行了分析比对.优化设计结果表明改进的人工搜索群算法可有效解决电磁领域的优化设计问题.

基于混沌人工搜索群算法的交流接触器优化设计

人工搜索群算法(ASSA)是一种新颖的仿生智能优化算法。鉴于初始群体对该类算法性能影响较大,利用混沌原理公式生成初始化群体,进而提出了混沌人工搜索群算法(CASSA)。并精选典型的测试函数,对其性能做了仿真分析,由仿真结果验证了CASSA的有效性。在对某型交流接触器进行参数有限元建模和优化数学建模基础上,利用CASSA完成该优化设计任务。优化结果表明,交流接触器的经济指标和其他各项性能指标均得到明显改善。

基于混沌局部搜索算子的人工蜂群算法

在求解函数优化问题时,为了提升人工蜂群算法局部搜索能力,提出了一种新颖的混沌蜂群算法。新算法设计了一种混沌局部搜索算子,并将其嵌入蜂群算法框架中;该算子不仅能够实现在最优食物源周围局部搜索,还能够随着进化代数增加使搜索范围不断缩小。仿真实验结果表明,与人工蜂群算法相比,新算法在Rosenbrock函数上,求解精度和收敛速度明显占优;此外新算法在多模函数Griewank和Rastrigin上,收敛速度明显占优。

改进的万有引力搜索算法在函数优化中的应用

万有引力搜索算法应用于函数优化问题时易陷入局部最优解且优化精度不高。针对这些问题,提出了一种改进的万有引力搜索算法。该算法通过引入反向学习策略、精英策略和边界变异策略,显著地提高了万有引力搜索算法中粒子的探索能力与开发能力,获得了较强的全局优化能力和局部优化能力。通过对6个非线性基准函数进行仿真实验,结果表明:与基本的万有引力搜索算法、加权的万有引力搜索算法和人工蜂群算法相比,改进的万有引力搜索算法在求解复杂函数的优化问题时具有更好的优化性能。

基于人工鱼群算法的电力系统无功优化

尝试将人工鱼群算法(AFSA)用于电力系统无功优化,建立了相应的优化模型,对IEEE6、IEEE14节点系统及某地区实际电力系统进行了无功优化计算,并与遗传算法(GA)、改进Tabu搜索算法(MTSA)进行了比较,结果表明AFSA鲁棒性强,全局收敛性好,用于电力系统无功优化计算是有效、可行的。

基于混合人工鱼群算法的传感器网络优化

针对传感器网络节点优化的问题,提出一种混合人工鱼群算法.该算法在人工鱼群算法优化的末段引入模式搜索法,以人工鱼搜索到的最优解作为模式搜索法的初始解,利用模式搜索法的单调搜索特性,将解引向全局极值.新算法保留了人工鱼群算法全局搜索能力强、寻优速度快的特点,使寻优精度得到了提高.仿真实验表明:混合人工鱼群算法能够有效地优化传感器网络节点部署,提高覆盖率.

基于极值优化策略的改进的人工蜂群算法

为提高人工蜂群算法在求解优化问题中的性能,结合极值优化策略提出一种改进的人工蜂群算法。改进算法基于极值优化策略高效率的寻优机制重新设计了原算法中跟随蜂的局部搜索方案,并具体给出了新方案的组元变异算子和最差组元判定规则。通过对优化问题中8个典型测试函数的仿真实验表明,与基本人工蜂群算法和已有的典型改进算法相比,改进算法在寻优精度和收敛速度上均有明显提高,在优化问题求解中体现出较强的寻优能力。