改进的基于局部搜索策略的生物地理学优化算法

为了提高生物地理学优化(BBO)算法的优化特性,提出一种改进的基于局部搜索策略的生物地理学优化算法(ILSBBO)。改进的算法将差分进化算法的局部搜索策略与BBO算法的迁移策略进行结合,并引入了差分进化算法中的选择操作。在13个基准测试函数上,对改进的算法、基本BBO算法,以及基于BBO的混合差分进化算法(DE/BBO)进行比较,结果表明改进的算法优于所比较的其他两种算法;此外,改进后的算法在收敛速度上也优于基本BBO算法。

基于人工萤火虫局部决策域的改进生物地理学优化算法

针对生物地理学优化(BBO)算法搜索能力不足的缺点,提出基于萤火虫算法局部决策域策略的改进迁移操作来提算法的全局寻优能力。改进的迁移操作能够在考虑不同栖息地各自的迁入率与迁出率的基础上,进一步利用栖息地之间的相互影响关系。将改进算法应用于12个典型的函数优化问题来测试改进生物地理学优化算法的性能,验证了改进算法的有效性。与BBO、改进BBO(IBBO)、基于差分进化的BBO(DE/BBO)算法的实验结果表明,改进算法提高了算法的全局搜索能力、收敛速度和解的精度。

一种改进的生物地理学优化算法

生物地理学优化算法(BBO)作为一种新型的智能算法,在其提出不到十年的时间内受到学界的广泛关注和研究,并显示出了广阔的应用前景。为了提高算法的优化性能,对BBO算法提出一种改进,该算法在将差分优化算法(DE)中的局部搜索策略同BBO算法中的迁移策略相结合的基础上,针对迁移算子和变异算子分别进行改进,提出了二重迁移算子和二重变异算子,使得栖息地个体在进化过程中得到更高的进化概率,从而使得算法的寻优能力得到进一步提升。通过6个高维函数的测试,结果表明该算法在优化高维优化问题时,较其他几种生物地理学优化算法具有更好的收敛性和稳定性。

改进的生物地理学优化算法在混合流水车间调度中的应用

调度问题是将有限的资源分配给各项不同任务的决策过程,其目的是优化一个或多个目标,它广泛存在于当今大多数的制造和生产系统中。混合流水车间调度问题是一般流水车间调度问题的推广,更接近实际的生产过程。采用一种新型的算法——生物地理学优化算法求解混合流水车间调度问题,通过引入改进策略,增强了算法的全局搜索能力和局部搜索能力,并提高了算法的收敛速度。通过10个标准调度算例的仿真研究,并与遗传算法进行对比,验证了改进后的生物地理学优化算法在求解混合流水车间调度问题方面的优越性。

基于局部搜索BLPSO算法的动态经济调度优化

动态经济调度可以降低发电运行成本、节省能源,在电力系统运行过程中起着重要作用。针对含电动汽车负载的动态经济调度问题,提出一种基于局部搜索策略的生物地理粒子群算法(BLPSO-OBS)。该算法在生物地理粒子群算法中引入观察蜂局部搜索策略,从而提升了求解精度。该算法用于解决含电动汽车的动态经济调度问题,并考虑了电力平衡约束、禁止操作区域约束和爬坡约束等发电约束。统计实验结果表明,BLPSO-OBS是解决动态经济调度问题的一种有效方法。

基于混合二次对立学习的生物地理优化算法

针对生物地理优化(BBO)算法探索能力不强、收敛速度慢的缺点,提出一种基于混合二次对立学习的生物地理优化算法——HQBBO。首先,定义一种启发式的混合二次对立点,并从理论上证明其搜索效率优势;然后,提出混合二次对立学习算子,增强算法的全局探索能力,提高收敛速度;此外,还采用搜索域动态缩放策略和精英保留策略进一步提高寻优效率。对8个基准测试函数的仿真实验结果表明,所提算法在寻优精度和收敛速度上优于基本BBO算法和对立BBO算法(OBBO),表明其采用的混合二次对立学习算法对于其高收敛速度和全局探索能力是非常有效的。

基于混合生物地理学优化的聚类算法

聚类分析是数据挖掘的重要任务之一,而具有易早熟与收敛速度慢等缺陷的传统生物地理优化算法(Biogeography-Based Optimization,BBO)很难满足具有NP(Non-deterministic Polynomial)性质的复杂聚类问题需求,于是提出了一种基于混合生物地理学优化的聚类算法(Mixed Biogeography-Based Optimization,MBBO),该算法构造了一个基于梯度下降局部最优贪心搜索的新迁移算子,以聚类目标函数值作为个体适应度进行数据集内隐簇结构寻优.通过在4个标准数据集(Iris、Wine、Glass与Diabetes)的实验,结果表明MBBO算法相对于传统的优化算法具有更好的优化能力和收敛度,能发现更高质量的簇结构模式.

求解无约束优化问题的改进布谷鸟搜索算法

布谷鸟搜索算法是一种基于种群迭代搜索的全局优化算法。为求解无约束优化问题,提出一种改进的布谷鸟搜索算法。利用混沌序列构造初始种群以增加群体的多样性,引入动态随机局部搜索技术对当前最优解进行局部搜索,以加快算法的收敛速度。对4个标准测试函数进行仿真实验,并与其他6种算法进行比较,结果表明,该算法具有较强的全局搜索能力和较快的收敛速度。

求解约束优化问题的萤火虫算法及其工程应用

针对基本萤火虫算法存在收敛速度慢、易陷入局部最优等缺点,提出一种改进的萤火虫算法用于求解约束优化问题。该算法首先利用混沌序列初始化萤火虫的位置,引入动态随机局部搜索以加快算法的收敛速度;为了避免算法陷入局部最优,对当前全局最优解进行多样性变异操作。对几个数值优化和工程优化问题进行实验。研究结果表明:与其他启发计算法相比,该算法具有较强的寻优性能。

基于量子遗传算法的蛋白质折叠结构预测

为提高蛋白质折叠结构的预测精度,提出了一种融合改进量子遗传算法及局部搜索策略的蛋白质折叠结构预测方法.该方法在传统的量子遗传算法算法基础上引入动态调整量子门旋转角步长机制以及量子变异操作,从而提高算法的优化性能.局部搜索策略按照一定规则对量子遗传算法的优化结果进行局部结构变换,这种结构变换只需通过移动较少的节点就可以实现,能够有效提高算法的优化效率.计算机仿真实验表明,该算法能够获得较优的蛋白质折叠结构预测结果.

基于生物地理学优化算法(BBO)的番茄病害专家系统研究

针对目前搜索算法面向专家系统的设计所存在的不足,并依据专家系统知识表示和推理过程的特点,提出了一种基于生物地理学优化算法(BBO)的专家系统智能搜索算法,并阐述了基于BBO智能搜索算法的搜索方式更适用于专家系统设计过程的原因。本研究将番茄病害结果的可能性作为自适应函数,构建了番茄病害专家系统,并利用BBO算法搜索可能性最大的番茄病害结果。

一种基于全局最优的改进的正弦余弦算法

针对正弦余弦算法在求解优化问题时容易陷入局部最优,求解精度不高的缺点,提出了一种改进的正弦余弦算法.该算法利用分群的思想将群体分成两个子群,并利用群体中的最优信息改进已有迭代公式,借鉴共生生物搜索算法的思想设置新的迭代公式,使得在进化过程中各子群使用不同的迭代公式,通过子群间的协作与竞争来实现对最优解的搜索.函数优化问题和实际问题的实验结果表明了该算法的可行性和有效性.

车轮转速信号混合噪声的非线性Volterra滤波方法

为保证机车黏着控制品质,提出车轮转速信号所含混合噪声(高斯噪声和冲击噪声)的非线性Volterra滤波方法,并结合混沌优化策略及动态随机局部搜索算子,提出动态随机局部搜索生物地理优化算法对Volterra滤波器模型参数进行优化求解.利用Volterra滤波器的结构优势(具有预测性能、兼具线性和非线性项),既能滤除混合噪声又可满足黏着控制的实时性要求.仿真实验结果表明,经优化求解的非线性Volterra滤波器实现了对车轮转速信号所含混合噪声的有效滤除.

主动配电系统中分布式电源和储能系统协调规划

主动配电系统的发展给分布式电源的高度渗透并网创造了条件。针对多类型分布式电源和储能系统在主动配电系统中的接入位置及容量问题,从经济成本、电压质量以及局部自治区域功率波动3个方面建立了分布式电源和储能系统的多目标协调规划模型;并提出了改进的基于生物地理学优化算法,采用基于帕累托优胜关系的适应度设计方法构造适应度函数,实现了对多目标规划问题的求解。最后,通过IEEE33节点配电系统算例分析验证了所提模型及求解方法的有效性和合理性。