基于非支配排序遗传算法NSGA-Ⅲ的多目标屏蔽智能优化研究

本文基于第3代非支配排序遗传算法(NSGA-Ⅲ)开展了多目标屏蔽智能优化方法研究。以乏燃料运输船舶为对象,采用多目标智能优化程序建立一维离散纵标计算模型,针对舱盖上方区域屏蔽结构(混凝土和聚乙烯厚度)进行优化设计,最终得到1组优化的屏蔽方案。基于优化后的屏蔽方案,建立真实的三维蒙特卡罗计算模型,和基于混凝土、聚乙烯或含硼硅树脂的方案进行对比,评估优化方案的屏蔽效果。评价指标包括屏蔽厚度、重量、总剂量率和价格等。结果显示,基于所开发的多目标屏蔽智能优化方法优化得到的方案各有特点,包含了多个优选的方案,为设计者提供了更丰富的选择。

决策学习型蜣螂优化算法的无人机协同路径规划

针对多无人机协同路径规划问题,提出了一种决策学习型蜣螂优化算法(DLDBO)。传统蜣螂优化算法(DBO)种群之间缺乏信息互换,容易陷入局部最优解。因此,利用Pearson相关系数计算个体之间的相似性,通过相似性指标判断并作出决策:若不相似,利用折射反向学习计算得到候选解,在一定程度上提高个体之间影响的同时增强算法跳出局部最优的能力;若相似,利用所提出的链式邻近学习引导蜣螂个体,增加影响个体更新的因素,充分促进个体之间的信息交流。在CEC2017测试套件的29个测试函数上进行了充分的对比实验,结果表明,DLDBO性能明显优于其他六种先进的变体算法。利用DLDBO规划无人机群的飞行路径,最终能够得到较为理想的协同路径并且有效避开威胁,优于其余三种优秀的协同路径规划算法,满足了无人机协同飞行的需求。

三维无线传感器网络中虚拟力引导的鲸鱼覆盖优化算法

针对如何设计适用于现实物理世界的三维覆盖优化算法并最大化覆盖率问题,本文提出了一种虚拟力引导的鲸鱼覆盖优化算法(VFWOA)。利用Halton序列初始化生成均匀分布的鲸鱼种群,增强种群多样性以提升算法跳出局部最优解的能力;采用虚拟力算法引导最优个体位置更新,加快算法寻优速度;引入多样性策略,控制种群的变化,提升算法寻优能力。仿真结果表明,与改进鲸鱼优化算法(WOA)、改进麻雀搜索算法和改进人工蜂群算法相比,本文所提算法提高了节点覆盖率并改善了网络的连通性。

改进凤头豪猪优化算法的无人机三维路径规划

针对无人机路径规划问题,将其抽象为一个多约束优化模型,同时整合了禁飞区、地形特征等多种因素,建立了综合成本函数评价系统.引入一种基于凤头豪猪优化算法(CPO)的解决方案,指导无人机应对复杂场景,并借助非弹性碰撞原理刻画了对抗物理攻击的数学模型.通过在CEC2017基准函数集中对比差分进化(DE)、灰狼优化(GWO)以及其他优秀算法的性能,证实所提出的CPO算法在收敛速度和全局寻优能力上能够展现出优势,较少陷入局部最优解.同时通过真实DEM地图路径规划仿真验证CPO在实际应用中的高效性.

基于基因算法的数据中心冷源系统能耗建模与优化

针对数据中心冷源系统,采用数据机理双驱动的方法对冷源系统中的冷水机组、水泵及冷却塔能耗进行建模,提出了基于基因算法的数据中心冷源系统能耗优化方法,并以重庆市某数据中心制冷系统为研究案例进行了分析。计算结果显示,通过使用该建模优化方法,相比优化前凭工人经验调节的运行方法,冷源系统的能耗平均减少约8.5%。

高精度椭圆阵列电流传感器误差优化算法研究

为了减小由于矩形导体偏心和倾斜导致的传感器测量误差,实现电流高精度测量,提出一种基于灰狼优化(GWO)算法优化反向传播(BP)神经网络的椭圆阵列霍尔电流传感器误差优化方案。首先,基于三维磁场模型确定导体偏心参数和倾斜参数,并进行电流反演,得出电流积分模型;然后,使用BP神经网络估计导体参数,并引入GWO算法优化BP神经网络的初始权值和阈值,构建导体状态参数估计模型,实现偏心与倾斜误差优化;最后,搭建实验平台,对本文提出的误差优化方案进行验证。实验结果表明:本文提出误差优化方案能够精确估计导体状态参数,进而有效减小偏心误差和倾斜误差,导体X向偏心产生的电流误差减小65.07%,Y向偏心产生的电流误差减小45.74%,偏离Z轴产生的倾斜电流误差减小76.15%。

基于PSO-OBL算法的平面移动类立体车库车辆调度优化模型

针对平面移动类立体车库在车辆存取效率方面的瓶颈问题,提出了一种基于PSO-OBL算法的存取车辆调度优化模型。该模型旨在通过精确调控车辆存取策略和时间管理,缩短车辆存取运行时间及用户平均等待时间。为提升传统粒子群算法的寻优效能和收敛速率,将粒子间相互协作与信息交流机制融入算法框架,并结合反向学习机制以实现问题的高效求解。实验数据表明,与传统粒子群算法相比,PSO-OBL算法在顾客平均等待时间、平均服务时间、平均等待队长以及平均运行能耗等方面均实现了显著提升,研究结果将为平面移动类立体车库的存取效率提供优化理论支持和实践参考。

算法推荐视域下青年主流价值观培育的风险隐忧与优化策略

在数字化生存时代,算法推荐作为信息传播和话语生成的新范式,成为形塑青年价值观的社会权力。在资本逻辑作用下,算法推荐的不当运用催生了“过滤气泡”加剧“信息茧房”、“去中心化”加速“再中心化”、“流量至上”诱发“娱乐至死”等一系列风险隐忧,给青年群体的价值认知、价值认同和价值选择带来诸多负面影响。为此,必须优化算法推荐生态、创新算法推荐应用、强化算法推荐治理,对算法推荐发展、应用与治理的全过程加以矫治,多措并举,既发挥算法推荐的正向价值,又引领算法、规制算法和驾驭算法,使“算法”成为“善法”。

基于改进鲸鱼优化算法的水声传感器网络分簇路由方法

针对水声传感器网络(UASN)能耗效率问题,提出了一种基于改进鲸鱼优化算法的水声传感器网络分簇路由方法 .该方法能够有效平衡UASN中传感器节点的能量消耗,从而延长网络生命周期.同时能够根据簇头剩余能量等因素动态调整簇大小,平衡簇头负载.仿真结果表明:该方法相对其他典型能耗优化方法,能够有效降低整体网络能耗,延长网络生存时间.

城市居民区回收箱布局和调度双层规划模型及优化算法

针对城市居民区回收箱布局规划和路径优化问题,首先构建居民区回收箱数量与人口、回收频率、回收阈值的线性函数,并构建双层优化模型,回收总利润最大化作为上层目标,运输成本最小化作为下层目标。其次,为求解具有NP-hard特征的新模型,设计加入团体学习算子和自适应选择策略的人类学习优化算法,并与禁忌搜索算法嵌套构建混合人类学习算法(hybrid human learning optimization algorithm,HHLO)。再次,采用不同规模算例,并将新算法与基本人类学习算法、遗传算法、自适应粒子群算法、红嘴蓝鹊算法进行对比分析,验证了模型的可行性和算法的有效性。最后,通过上海杨浦区某实例进行灵敏度分析,探讨回收箱容量、分时定价策略和分区定价策略对回收中心总利润与居民满意度的影响。

混合策略改进的蜣螂优化算法

蜣螂优化算法是一种新的全局优化元启发式算法,具有寻优能力强和收敛速度快的特点,但是其也存在容易陷入局部最优和收敛精度低等缺点。为此,提出了一种基于混合策略改进的蜣螂优化HSIDBO算法。首先,采用改进后的Logistic混沌进行种群初始化得到更加均匀分布的种群;其次,采用自适应最优引导策略加快算法的收敛速度,提升局部收缩能力;最后,增加透镜成像学习策略改善蜣螂偷窃环节以增强算法的局部逃逸能力。通过对14个经典测试函数和工程应用问题进行求解测试,表明引入的3种策略能有效提升蜣螂优化算法的性能。

增强型霜冰优化算法的复杂环境下机器人路径规划

针对原始霜冰优化算法(RIME)在移动机器人路径规划问题中存在易陷入局部最优和收敛速度慢等问题,提出一种增强型霜冰优化算法(ERIME)用于对复杂环境下移动机器人进行路径规划。首先,采用基于sine混沌映射的透镜成像种群选择策略对种群初始化阶段进行增强以增加种群多样性,使算法更好地进行探索和开发;其次,使用随机因子控制的最值搜索策略和质心中点引导的开发机制对算法的探索和开发阶段进行改进,增强算法跳出局部最优解的能力,更好地探索全局最优解,并加快算法的收敛速度;此外,建立ERIME算法的Markov链模型,证明了算法的全局收敛性。为验证ERIME的有效性,对该算法采用CEC2017测试集进行验证,并与其他知名的元启发式算法进行比较,结果表明该算法具有良好的性能。最后,将其应用于复杂环境下的移动机器人路径规划问题中,实验结果表明,ERIME可以高效地为机器人进行路径规划,且可以找到一个非常优质的路径。

基于PSO-CNN模型和流固耦合的三角钢闸门优化算法

针对大型三角钢闸门流固耦合下优化设计工作量巨大、计算机难以短时间实现的问题,提出PSO-CNN模型即粒子群算法优化卷积神经网络模型,以改善仿真模型计算效率和普通神经网络模型计算精度的问题。对比PSO-CNN模型与CNN模型误差曲线与偏离度预测图,PSO-CNN模型的预测精度明显高于CNN卷积神经网络算法的预测精度。根据考虑流固耦合作用下闸门的一阶频率变化,采用全局随机灵敏度分析方法筛选出圆管型支臂的管外径、圆管型支臂管壁厚度和面板厚度作为模型主导参数。结合ANSYS平台opt分析模块零阶优化算法求得主导参数的优化结果,优化后闸门流固耦合后频率远离水流脉冲频率,使该弧形闸门具有良好动力性能。

基于改进NSGA-Ⅱ算法的加压滴灌管网优化设计

【目的】加快滴灌管网技术快速普及,提高管网系统的经济性与可靠性。【方法】以单位面积成本最低为经济目标,以不利节点的富余水头方差为可靠性目标,并考虑实际管网工程投资中的折旧费与运行管理费用建立加压滴灌管网优化设计数学模型,开展优化设计。以新疆某大型灌区内某加压滴灌管网系统为例,采用改进NSGA-Ⅱ算法方法与NSGA-Ⅱ算法对其进行优化。【结果】改进NSGA-Ⅱ算法的Pareto前沿解优于NSGA-Ⅱ算法;相同单位面积成本费用下,改进NSGA-Ⅱ算法求得的管网系统可靠性更高;经50次独立计算,改进NSGA-Ⅱ算法的均匀性指数(0.371)低于NSGA-Ⅱ算法的均匀性指数(0.404);基于改进NSGA-Ⅱ算法求解得到的单位面积成本费用为792.92元/hm^(2),较原工程方案的单位面积成本费用851.89元/hm^(2)降低了6.92%。不利节点的富余水头方差从0.15降至0.06。【结论】改进NSGA-Ⅱ算法的探索能力较NSGA-Ⅱ算法强,能够提供更优的解决方案,得到的优化方案能够同时提高管网系统的经济性和可靠性。

基于硬约束热启动的量子投资组合优化算法

针对金融领域的投资组合优化问题中普遍存在的整数约束难题,提出了一种基于量子近似优化算法的新解法。该算法通过将经典算法得到的连续解编码为量子电路的初始态,从而将连续优化问题转化为离散的马科维茨模型。同时,引入硬约束来严格满足投资组合中的整数约束,确保解的质量。通过热启动技术,进一步提升了算法的成功率。数值模拟实验表明,该算法在求解大规模整数约束投资组合问题时,相较于传统方法具有显著的计算效率优势,且所得解的质量更优。

基于Kriging-MIGA算法的离心泵叶片三元反问题优化

针对离心泵叶轮叶片三元反问题载荷优化,提出一种优化方法.选取某一中比转数离心泵为原型泵,在不改变其轴面流道形状、叶片厚度分布等条件的基础上,利用三元反问题设计方法设计了前盖板前加载、后盖板后加载的叶轮叶片.采用拉丁超立方抽样的方法,建立了80个离心泵叶轮模型样本空间,通过Fluent软件数值模拟得到离心泵性能.以叶片载荷参数为优化对象,离心泵设计工况点水力效率为优化目标,利用Kriging代理模型建立了叶片载荷参数与水力效率的关系.在扬程满足设计要求的条件下,使用MIGA算法得到水力效率最高的离心泵载荷参数.结果表明:在载荷曲线中,对水力效率影响程度较大的参数为后盖板直线段与抛物线的两交点ND_(h)和NC h,以及前盖板直线段与抛物线交点NC_(s);影响较小的参数为后盖板前缘载荷LE_(h)和前盖板直线与抛物线交点ND_(s);在设计工况点,优化泵的水力效率提升了1.35%且高效区较宽;叶片表面最低压力升高了38.41%,空化性能得到了提升;另外,功率减小了2.46%,扬程稍有提升.研究结果可对离心泵叶轮叶片的高效设计提供一定的参考.

改进粒子群优化算法结合BP神经网络模型的水体透射光谱总磷浓度预测研究

使用光谱数据结合融合算法对水体污染物含量进行准确检测以保护水资源已成为一个关键问题。然而,光谱数据的高维特性以及模型的不稳定常常导致预测效果不佳,无法准确的进行检测。本研究提出了一种环保和准确的方法,实现对长江水体中总磷浓度含量的预测。具体而言,首先对测得的长江水质光谱数据进行最大最小归一化和均值中心化两种预处理操作,在消除不同数据量级差异的同时去除了噪声,确保了数据的一致性和可靠性。其次,为了解决光谱数据的高维度问题,采用了核主成分分析(KPCA)方法来降低数据维度并提取特征。KPCA方法通过在高维度的空间中找到一个分类平面,选出能代表原始数据99.42%信息量的前6个主成分,用于后续预测模型的训练。接着在原始粒子群算法的基础上引入了粒子初始化规则、多种群竞争策略、参数自适应更新策略、种群多样性引导策略和粒子变异机制,提高了粒子群的寻优能力,降低粒子陷入局部最优解的概率。并使用改进后的粒子群算法对BP神经网络(BPNN)中的初始化权重和参数大小进行寻优,从而加快网络的收敛效果,提高预测能力。最后,使用本研究所提出的预测模型对测试集中的样本进行总磷浓度的预测,实验结果得到R^(2)为0.975786,RMSE为0.002242,MAE为0.001612。将本模型与当前预测性能较好的其他基准模型进行预测效果的对比,本研究所提出的模型对长江水体总磷浓度预测拟合效果更好,精确度更高。在水资源保护和环境管理领域中使用光谱数据结合融合算法进行预测模型的研究和实践提供了新的思路和观点。

基于改进人工蜂群算法的冷链物流配送路径优化

在冷链配送过程中,不同货物的温控需求是不同的。如何将具有不同温控需求的货物高效、低成本送达客户手中是冷链物流企业需要解决的重要问题之一。考虑到实际生活中居民对于不同温层货物的需求,引入多温共配模式,在车辆载重的约束下,构建以车辆固定成本、运输成本、货损成本、制冷成本、时间惩罚成本之和最小的冷链物流配送路径模型。针对传统人工蜂群算法收敛慢、容易早熟的问题,在跟随蜂阶段采用精英保留策略,加快算法收敛速度,在侦查蜂阶段结合遗传算法的变异操作,避免算法过早陷入局部最优,设计了一种改进的人工蜂群算法。最后通过对实例的仿真实验,验证改进后的人工蜂群算法能求解出更优的路径,可以有效地降低冷链物流配送成本。

基于Kapur熵与改进蝴蝶优化算法的电力设备红外图像分割模型

电力设备红外图像分割是电力故障诊断的主要手段。针对传统电力设备图像分割方法计算代价高、分割精度差、速度慢的不足,提出改进蝴蝶优化Kapur熵算法对红外图像进行多阈值分割。引入Levy飞行策略改进蝴蝶优化算法IBOA(Improved Butterfly Optimization Algorithm)的位置更新方式,提升算法全局寻优能力;设计高斯混沌变异机制对精英个体进行扰动,提升种群多样性,使算法避免收敛于局部最优。利用基准函数测试IBOA的寻优性能。以Kapur熵作为IBOA的适应度函数,设计基于IBOA和Kapur熵最大化的图像分割方法,并利用三幅经典伯克利图像和一幅核磁共振图像验证了图像分割性能。将改进算法应用于电力设备红外图像分割,证实算法在非均匀背景和噪声干扰下依然能够有效提高红外图像分割的精度和效率,从而保障电力设备故障诊断成功率。

基于S型生长曲线的蝗虫优化算法求解机器人路径规划问题

针对启发式算法在求解机器人路径规划问题上存在收敛精度低、搜索路径效率低且容易陷入局部最优等问题,提出一种基于S型生长曲线的蝗虫优化算法(SGCIGOA)。首先,引入Logistic混沌序列优化蝗虫初始种群,增强蝗虫种群在迭代初期的多样性;其次,引入S型生长曲线特征的非线性惯性权重,对递减参数递减的方式进行了调整,从而提高算法的收敛速度和寻优精度;最后,在迭代过程中引入基于t分布的位置扰动机制,使算法能充分利用当前种群的有效信息,以更好地平衡全局搜索和局部开发,并降低算法陷入局部最优的概率。实验结果表明,相较于MOGOA (Multi-Objective Grasshopper Optimization Algorithm)、IGOA (Improved Grasshopper Optimization Algorithm)和IAACO (Improvement Adaptive Ant Colony Optimization)等10种对比算法,所提算法在简单环境下的最优路径长度平均缩短0~14.78%,平均迭代次数减少56.60%~90.00%;在复杂环境下的最优路径长度平均缩短0~11.58%,平均迭代次数减少45.00%~92.76%。可见,所提SGCIGOA是用于求解移动机器人路径规划的一种高效算法。