一种人工鱼群-蛙跳混合优化算法

针对蛙跳算法(SFLA)前期搜索速度慢且易陷入局部最优的不足,提出一种人工鱼群-蛙跳混合优化算法(AFSA-SFLA)。算法结合人工鱼群算法(AFSA)前期收敛速度快和SFLA局部搜索能力强的优势,提高了青蛙种群的质量。选取典型测试函数进行测试,测试结果验证了人工鱼群-蛙跳混合优化算法的有效性和优越性。

基于改进人工鱼群-蛙跳算法优化LSSVM参数短期负荷预测

短期电力负荷预测在电力系统安全调度、经济运行方面起到关键作用。在用最小二乘支持向量机进行负荷预测时,参数选择将直接影响预测精度。为了提高LSSVM负荷预测精度,文中提出一种基于Levy变异自适应视野人工鱼群-蛙跳算法对LSSVM进行参数优化的方法。以某县负荷、天气等历史数据对LSSVM进行训练,建立LAVAFSA-SFLA-LSSVM、AFSA-LSSVM、LAFSA-SFLA-LSSVM共3种预测模型,对该地区某日24 h的电力负荷进行预测。算例结果表明,LAVAFSA-SFLA-LSSVM预测精度比AFSA-LSSVM和LAFSA-SFLA-LSSVM更高,预测误差更小。

基于人工鱼群和蛙跳混合算法的光伏阵列多场景参数辨识

光伏阵列模型的准确性对大规模光伏发电系统的并网运行与调度至关重要。在建立光伏阵列机理模型的基础上,采用人工鱼群和蛙跳混合算法对模型中的未知参数进行辨识,并将辨识结果与人工鱼群算法和蛙跳算法单独辨识的结果进行了对比分析,证明了混合算法兼具两种算法的优点,并能有效克服两种算法的不足,验证了其优越性和有效性。为使光伏阵列模型的输出与实际光伏电站任意1 d的实测曲线均能很好拟合,采用混合算法对不同场景下的参数进行了辨识,并采用任意2 d的实测数据对辨识结果进行了适应性验证,证明了辨识结果的准确性,进一步验证了混合算法的有效性和实用性。

基于混合蛙跳算法的作业车间调度优化

针对作业车间调度问题,提出改进的混合蛙跳算法.采用基于工件操作的蛙体结构,定义青蛙的相似性和距离,构造相应的青蛙移位策略,有效克服工件机器顺序的约束限制,保证青蛙新位置的可行性.通过经典算例仿真计算结果表明,该算法能有效求解较大规模的作业车间调度问题.

求解TSP的改进混合蛙跳算法

重新定义表示青蛙移动距离和位置的数据结构及运算符意义,提出混合蛙跳算法(shuffled frogleaping algorithm,SFLA)求解旅行商问题(traveling salesman problem,TSP)基于交换序的实现方法.把具有极强局部搜索能力的幂律极值动力学优化(power law extremal optim ization,τ-EO)融合于SFLA,并针对TSP对τ-EO过程进行设计和改进.改进后的τ-EO采用新颖的组元适应度计算方法,通过定义边置换增益能量,结合模拟退火控制过程,并采取幂律定律用概率的方式选取2-opt置换产生邻域解.为避免每个族群最优解的趋同性,提出最优样本差异控制策略.通过求解TSPLIB数据库中的实例,证明该改进算法有效.

一种改进的混合蛙跳算法

针对混合蛙跳算法后期收敛速度慢、精度低并易陷入局部最优的问题,提出一种改进的混合蛙跳算法。在改进的混合蛙跳算法中,对青蛙的觅食机制和进化迭代公式重新定义,青蛙的第一跳向模因组其它青蛙单维搜索,第二跳向模因组内最优青蛙单维搜索,第三跳向全局最优青蛙单维搜索,通过青蛙的三跳协同搜索,能够使算法的全局搜索能力和局部搜索能力得到显著改善。通过7个测试函数与ABC算法和标准混合蛙跳算法实验对比,实验结果表明改进的混合蛙跳算法具有比ABC算法和混合蛙跳算法更优秀的搜索性能,在收敛速度和收敛精度方面具有明显的优势。

混合改进人工鱼群算法逆向回收车辆路径问题的研究

以电子废弃物回收为例,考虑车辆路径问题(VRP),以运输成本、时间窗下的惩罚成本和碳排放成本最小为目标,构建多目标VRP非线性规划模型,并提出用混合改进人工鱼群算法对该模型进行求解。在确定初始人工鱼群规模前引入ε-约束法,实现人工鱼群规模的自适应生成并加快算法收敛速度。通过对人工鱼群算法视野、步长及拥挤度因子的自适应改进以改善算法易陷入局部最优解的缺陷。利用算例仿真实验验证设计的混合改进人工鱼群算法在求解精度和收敛速度上的优越性。结果表明,该算法具有较强的全局寻优能力,能有效地解决逆向回收车辆路径优化问题,可为电子废弃物逆向回收车辆路径规划提供参考建议。

基于改进的混合蛙跳算法机器人路径规划的研究

对于采用混合蛙跳算法进行机器人路径规划容易产生局部最优、收敛速度慢等问题,把人工鱼群算法融合到混合蛙跳算法。人工鱼群算法的追尾行为有利于加快收敛速度,群聚行为提高了跳出局部最优解的能力。把机器人路径规划问题转化为最小化问题,使用改进的算法对其进行优化,最终得到全局最优路径。仿真结果表明,与改进前的算法相比,改进后算法具有较强的全局寻优能力和较快的收敛速度。

基于IFWA-SFLA算法的区域综合能源系统两级优化调度

为发挥区域综合能源系统的优势,制定合理有效的优化调度策略至关重要。构建针对区域综合能源系统的日前-日内两级优化调度模型,日前调度为一个运行周期内的经济调度。基于日前调度方案,提出考虑可再生能源和负荷波动的调整模型。为适应上述模型高维非线性的特点,提出一种基于Levy变异的改进烟花-混合蛙跳算法,对模型进行求解。仿真结果表明,两级优化调度模型可以提高经济效益和能源利用率,平抑负荷波动。仿真结果验证了所提算法的可行性。

果蝇优化算法优化性能对比研究

针对群体智能优化算法自身的特点和优势,分析对比了果蝇优化算法、混合蛙跳算法、和声搜索算法和人工蜂群算法四种智能优化算法的优化性能。以最新提出的果蝇优化算法为基准,与其他三种智能优化算法进行优化性能的横向对比实验。实验结果表明,与其他三种算法相比,果蝇优化算法具有参数少、全局寻优能力强、收敛速度快等特点,在进化次数较低时,其收敛精度和速度最高,但是随着进化次数的增大,存在容易收敛到局部最优值,收敛速度慢,在求解部分单峰值和多峰值函数优化问题时优化效果不理想等缺陷。果蝇优化算法尚需加强其理论改进,以提高其搜索的质量和效率,为群体智能优化算法的融合和改进技术提供重要支持。

群体智能优化算法

讨论四种群体智能优化算法——蚁群算法、微粒群算法、人工鱼群算法和混合蛙跳算法,对其算法的原理、发展及应用进行了综述。提出了群体智能优化算法统一框架模式,并对群体智能优化算法进一步发展进行了讨论。

具有全局收敛性的改进萤火虫优化算法

对萤火虫优化(Glowworm swarm optimization,GSO)算法全局收敛性及其改进算法性能进行了研究。分析了GSO全局收敛性,针对其收敛效率低的缺陷,提出了一种基于族群划分的改进GSO算法,借鉴混合蛙跳算法思想,将萤火虫群体进行族群划分,局部搜索及全局信息交换的方式改善了算法性能,通过引入萤火虫移动组元概念,改进了萤火虫更新策略,在此基础上,利用混沌优化技术,对萤火虫群体进行初始化,使得算法获得较高质量的初始解群体,并证明了改进算法以概率1收敛于全局最优,最后,采用经典测试函数进行测试,仿真结果表明,改进的萤火虫优化算法在收敛速度及求解精度上有明显改善。

人工蜂群算法的改进

为改善人工蜂群算法(ABC)的深度搜索能力,提出一种改进的人工蜂群算法(SABC)。借鉴混合蛙跳算法(SFLA)的进化机制,将蜂群划分为多个模因组,使每个新个体与自身所在模因组的最坏个体进行优劣比较,能够更加容易保存群体中的"新生"个体,改善群体的整体质量,增加算法的深度搜索能力。通过7个测试函数进行实验,统计结果表明了SABC算法在求解函数优化问题时具有较好的算法性能。

新型群智能优化算法综述

传统群智能算法在解决复杂实际多目标优化问题中存在不足,近年来学者提出诸多新型群智能算法,适用性强,在求解复杂实际问题中取得了较好的实验效果。以算法提出时间为主线,对新型群智能算法中细菌觅食优化算法、混合蛙跳算法、人工蜂群算法、萤火虫算法、布谷鸟搜索、果蝇优化算法和头脑风暴优化算法的改进及应用进行分析和综述,并对群智能算法未来的研究发展方向进行了探讨。

几种智能优化算法与支持向量机相融合的月径流预测模型及应用

通过10个低维测试函数对混合蛙跳算法(SFLA)、入侵杂草优化(IWO)算法、帝国竞争算法(ICA)、生物地理学优化(BBO)算法和人工蜂群(ABC)算法进行仿真验证及对比分析。针对支持向量机(SVM)学习参数难以确定的不足,利用这5种智能算法搜寻SVM最佳学习参数,提出SFLA、IWO、ICA、BBO和ABC算法与SVM相融合的预测模型,以云南省某水文站枯水期1—3月月径流预测为例进行实例研究。结果表明:1对于低维函数极值寻优问题,SLFA、IWO、ICA、BBO及ABC算法均具有较好的收敛精度和全局寻优能力,尤以SLFA算法的寻优性能为最优;2SLFA-SVM、IWO-SVM、ICA-SVM、BBO-SVM及ABC-SVM模型对实例1—3月月径流均具有较好的预测效果,可满足枯水期月径流预测的精度需求。提出的模型及方法可为相关预测研究提供参考。

基于信息共享的二次特征选择算法

为解决特征选择算法在面向不同特性的数据集时完备性差的问题,提出一种基于信息共享的二次特征选择算法。基于信息共享的观念,利用两种传统特征选择算法得到预选特征子集,通过信息在人工鱼群算法和混合蛙跳算法中的传递,实现二次特征选择,得到最优的特征子集。实验结果表明,在不同分类器和不同数据集下,该方法可以减少特征空间维数,保证较好的分类准确率。

人工智群算法在水文模型参数优化率定中的应用研究

水文模型参数优化率定是一项繁琐、耗时、困难的工作,快速高效地寻求模型最优参数已成为水文模型应用研究的关键。以新安江、暴雨强度、马斯京根3个水文模型为例,引入蜂群和蛙跳两种新型人工智群算法,在改进的基础上探讨了模型参数优化率定的新方法。在参数优化计算过程中,分别利用蜂群算法中不同蜂群间信息共享和分工协作原理以及蛙跳算法中不同蛙群间思想文化交换的机制,对模型进行优化,使其逐渐逼近全局最优。结果表明:相对于人工试错法和经典局部最优算法如牛顿法等,人工蜂群算法和混合蛙跳算法具有简单、鲁棒、全局寻优和易于实现等特点;与广泛应用于水文界的SCE-UA算法和加速遗传算法等现代启发式算法相比,人工智群优化算法在处理参数较多的模型时具有寻优速度更快、能力更强的优势。

群体智能在旅行商问题中的应用综述

旅行商问题是一个NP-hard问题。作为一类生物启发式最优化方法 ,群体智能优化为NP-hard问题提供了全新的求解方案。文章介绍了五种群智能优化算法的仿生原理和算法模型,综述了五种算法在求解旅行商方面的优缺点及其改进措施,并给出了算法在性能改善方面的建议。

食品冷链物流企业绩效评价模型研究

针对目前食品冷链物流企业绩效评价过程中存在的问题,提出应用层次分析法(AHP)构建食品冷链物流企业绩效评价指标体系及其指标权重,建立基于BP神经网络的食品冷链物流企业绩效评价模型,采取人工鱼群-蛙跳混合算法(AFS-FLA)训练优化BP神经网络结构参数.仿真实验结果分析表明:该评价方法大大提高了食品冷链物流企业绩效评价的客观性、快速性和精准度.