反向认知的高效果蝇优化算法

针对果蝇优化算法的早熟收敛问题,提出一种基于最优和最差个体协同学习的果蝇优化算法。该算法通过在进化方程中添加向最差个体学习的改进策略,优化进化方程,增强算法跳出局部最优、寻找全局最优的能力。对经典测试函数的仿真结果表明,该算法具有更好的全局搜索能力,在收敛速度、收敛可靠性及收敛精度上比其他算法有较大的提高。

基于反向认知果蝇优化算法的转向梯形机构设计

为提高果蝇优化算法(FOA)在转向梯形机构优化中的应用效果,对其进行改进,提出了反向认知果蝇优化算法(RCFOA)。相比于FOA,RCFOA在进化过程中在保留向最优个体学习策略的同时,增加了向最差个体学习的过程,即增加了"反向认知"策略,从而提升了算法的寻优能力。函数优化结果表明,RCFOA的优化精度、优化速度和算法稳定性更优。在转向梯形机构优化的实际应用中,RCFOA有效提高了优化结果。

求冗余机器人手臂逆解的反向认知果蝇优化算法

为了解决冗余机器人手臂逆解求取中存在的计算量大和求解精度较低等问题,提出一种基于反向认知果蝇优化算法(RCFOA)的解决方法。RCFOA在果蝇算法(FOA)算法的基础上,在进化方程中增加"反向认知"策略,即添加向最差个体学习的改进策略优化进化方程,增强算法跳出局部最优、寻找全局最优的能力。对经典测试函数的仿真结果表明,RCFOA具有更好的全局搜索能力,在收敛速度、收敛可靠性及收敛精度,比其FOA有较大的提高。在机器人手臂逆解求解应用中,能够有效提高精度和稳定性,是求解机器人手臂逆解的一种有效方法。

基于历史认知的果蝇优化算法

针对果蝇优化算法的早熟收敛问题,提出了一种新的基于历史认知的果蝇优化算法。新算法通过增加个体"历史认知"的改进策略,优化进化方程,从而避免潜在全局最优解因为不考虑自己的历史轨迹,仅依靠单纯的聚集行为,而使自己的寻优轨迹迂回曲折,错过成为全局最优解的可能;并且通过线性递增的动态变化系数ω调整在迭代寻优过程中个体的"历史"对本次学习的价值,增强算法跳出局部最优,寻找全局最优的能力。对几种经典测试函数进行了仿真和实例计算,结果表明新算法更好地平衡了全局和局部搜索能力,在收敛速度、收敛可靠性及收敛精度上比其他经典智能优化算法有较大的提高。

应用反向学习策略的果蝇优化算法

针对基本果蝇优化算法FOA(Fruit Fly Optimization Algorithm)容易陷入局部极值、进化后期收敛速度慢和收敛精度低的缺点,采用反向学习策略加以改进,提出应用反向学习策略的果蝇优化算法OBLFOA(FOA with Opposition-based Learning)。该算法将一般反向学习策略和动态一般反向学习策略分别引入到果蝇优化算法的种群初始化和迭代寻优过程中,能得到越来越好的种群个体。随着迭代过程的逐步深入,使得进化种群快速地逼近最优解。对6个经典测试函数的仿真结果表明,新算法在收敛速度、收敛可靠性及收敛精度方面比基本果蝇优化算法有较大的提高。

基于轮盘赌反向选择机制的果蝇优化算法

针对基本果蝇优化算法(FOA)容易陷入局部最优、收敛速度慢和寻优精度不高的缺点,论文提出了使用轮盘赌的反向选择机制,选择扰动后的最优值作为步长变化依据,以保持果蝇群体的多样性从而使得算法保持较好的优化能力。通过对经典测试函数的仿真实验表明,改进的果蝇算法全局寻优能力提高,且具有更快的收敛速度和更高的寻优精度。

一种引入反向搜索机制的果蝇优化算法研究

针对基本果蝇优化算法求解复杂优化问题时全局搜索能力差,种群多样性偏低等问题,提出一种引入反向搜索机制的果蝇优化算法(RFOA)。该算法通过在搜索趋于停滞时计算果蝇个体和进化方向的夹角,挑选出一批和进化方向相反的果蝇个体并利用这些个体去探索新的最优解,从而跳出局部最优。通过标准测试函数进行仿真测试,实验结果证明,解决部分较为复杂的优化问题时,RFOA相比其他改进算法可以更有效地避免早熟收敛,加快收敛速度,提高收敛精度。

具有Lévy飞行和精英反向学习的果蝇优化算法

针对果蝇优化算法(FOA)寻优精度不高、容易陷入局部极值的缺陷,提出了一种具有莱维飞行搜索策略和精英反向学习的果蝇优化算法(LOBL-FOA)。首先,采用莱维飞行搜索模式对果蝇寻优过程中位置更新方式进行改进,使得算法具有较强的全局寻优能力,并在一定程度上避免了算法的过早收敛;其次,对精英果蝇个体进行反向学习生成反向解,保留具有较优味道浓度的果蝇个体,从而提高了算法搜索精度;最后,对5个经典测试函数在固定迭代次数和固定寻优精度条件下进行仿真测试,并同参考文献算法进行对比,结果表明本文提出的改进果蝇优化算法相较于传统果蝇优化算法具有较强的寻优精度和收敛效率。

基于坐标优化的FOA-Amorphous节点定位算法

节点的位置信息在无线传感器网络的定位中起着至关重要的作用,而Amorphous算法的节点定位精度低。针对影响Amorphous定位精度的主要原因分析,提出了一种基于坐标优化的FOA-Amorphous节点定位算法。首先,引入多通信半径的概念细化节点跳数,利用网络平均连通度对节点的平均跳距进行重算;然后,以极大似然估计法得到的未知节点坐标值为果蝇优化算法中各果蝇的初始位置,通过此初始位置产生每个果蝇的初始种群,代入适应度函数求得当前果蝇的最佳位置,引入了个体认知因子c 1和群体引导因子c 2,优化了果蝇随机搜索的距离和方向,使得算法快速收敛到全局最优,避免算法早熟,提高了算法的收敛精度,通过迭代找到最佳未知节点位置坐标。与双通信半径算法、PSO-IDV-Hop算法以及Amorphous算法相比,该算法的归一化定位误差分别降低了约7%、23%和44%。

基于量子果蝇优化的认知无线网络频谱分配

将频谱分配的二进制编码转换为量子序列编码,提出一种基于量子果蝇优化的认知无线网络频谱分配方法。首先,将果蝇优化算法(FOA)转换为量子果蝇优化算法(QFOA),拓展FOA的应用范围;然后,采用选择、交叉、变异操作改进QFOA,提高算法收敛速度,增加样本种群多样性,避免算法陷入局部最优;最后,利用改进QFOA对频谱分配的量子序列进行寻优,寻求最优的网络效益或者用户公平性,得到网络整体性能最优的频谱分配策略。仿真结果表明,改进的QFOA收敛速度快且跳出局部最优能力强,应用到认知无线网络频谱分配中,增加了网络资源利用率,提高了网络的整体性能。

基于改进果蝇优化算法优化RVM的电机轴承故障诊断

针对相关向量机(RVM)在电机轴承故障识别中的性能受参数选择影响较大的问题,提出了基于反向认知果蝇优化算法(RCFOA)优化RVM的电机轴承故障诊断方法。为提高FOA算法的寻优能力,引入反向学习策略,对原始果蝇优化算法进行了改进。利用RCFOA进行RVM参数的优化,可以有效地提高RVM的分类性能。电机轴承不同类型、不同程度故障诊断的实例表明,RCFOA算法能够获得更优的参数,提高了RVM的故障诊断准确率,相比于其他一些方法更有优势,可有效应用于故障诊断。

自适应修改权重参数的果蝇优化算法

针对果蝇优化算法容易陷入局部极值、迭代后期收敛速度慢和收敛精度低的缺陷,借鉴粒子群优化算法中个体认知因子和群体引导因子的思想,提出了自适应修改权重参数的果蝇优化算法。该算法引入了果蝇个体认知因子和果蝇群体引导因子,让果蝇个体对自己的位置有充分的认知,也让果蝇群体对果蝇个体有很好的引导。在每次迭代时,算法根据当前果蝇群体的适应度值自适应修改个体认知因子和群体引导因子的大小,从而调整迭代步长的大小,使得改进后的算法能够避免早熟收敛,提高收敛精度和收敛速度。基于测试函数的实验结果表明,自适应修改权重参数的果蝇优化算法能跳出局部极值,具有更好的全局搜索能力,在收敛速度和收敛精度方面比基本果蝇优化算法有较大的提高。

改进蜉蝣算法求解认知车载网络频谱分配问题

针对传统认知车载网络频谱分配效率低、速度慢的问题,提出基于改进蜉蝣优化算法的频谱分配算法。以反向学习、动态惯性权重、多阶段动态扰动及正余弦优化交配机制提升标准蜉蝣优化算法的寻优性能;将频谱分配变量映射为蜉蝣个体位置信息,将网络吞吐量和接入公平性作为评估蜉蝣位置的适应度函数,利用改进蜉蝣算法搜索最优频谱分配方案。实验结果表明,改进算法的搜索精度和收敛速度都有所提升,能够更快得到频谱分配方案,车载用户收益和分配公平性方面也更有保障。

基于果蝇优化BP神经网络模型的输电工程经济评价研究

针对大多地区未对输电工程项目进行评价,降低了电网建设效率的问题,按照系统性、独立性、层次性及可操作性原则,以某省电力公司220kV输电工程项目为例,构建了果蝇优化的反向传播(BP)神经网络模型,对输电工程进行综合经济评价,不仅考虑项目工程自身收益,还把项目对电网以及国民经济的贡献纳入工程收益中,结果表明综合评价结果更加符合实际,提高了输电工程经济评价的科学性。

一种动态分组多策略果蝇优化算法

针对基本果蝇优化算法求解精度低和不能处理最优位置在负区间优化问题的缺点,提出了一种动态分组多策略果蝇优化算法.利用自适应分组策略对种群进行分子群寻优,通过精英池的个体来利用差分变异算子改进最优个体的寻优行为,在迭代后期利用粒子群算法进化优势子群增强求解精度,利用反向混沌算子进化拓展子群避免陷入局部最优解.选取2类具有代表性的测试函数验证算法性能,并与GSA(gravitational search algorithm)、FOA及两种改进FOA的优化结果进行对比,结果表明该算法具有很好的收敛精度和计算速度.

RCFOA-SVM法诊断核辐射探测器模拟电路故障

为提高核辐射探测器模拟电路的故障诊断精度,基于果蝇优化算法(FOA)和支持向量机(SVM),探讨了反向认知果蝇优化算法(RCFOA)优化SVM的核辐射探测器模拟电路故障诊断新方法。基于小波包能量提取出模拟电路故障特征集,将反向学习策略引入FOA中,提出RCFOA方法并用于SVM参数优化,提高参数设置的合理性,以优化后的SVM作为模式识别方法对特征集进行分类,得到诊断结果。测试结果表明:RCFOA-SVM法省时、诊断精度更高、更加实用有效。

风电运维人员行为安全预警指标体系构建与分析

为提高风电运维人员安全行为水平,在独立性、完备性、梯度性、可行性原则的前提下,从人因、机械设备、作业环境、监督管理、信息沟通5个方面建立行为安全预警指标体系,利用问卷调查法获取行为安全预警数据,基于果蝇优化算法(FOA)优化反向传播(BP)神经网络,建立“15-10-1”结构的行为安全预警模型,利用该模型训练测试问卷数据。结果表明:构建的行为安全预警指标体系是科学合理的,FOA-BP神经网络模型有较强的预警能力,能够预测风电运维人员的行为安全风险。测试后,模型能实现较好的预警效果。

基于IFOA-SA-BP神经网络的雷达信号识别

为提高雷达信号的识别率,提出一种改进的果蝇优化算法(improved fruit fly optimization algorithm,IFOA)和模拟退火(simulated annealing,SA)算法相融合并用于优化反向传播(back propagation,BP)神经网络的雷达信号识别算法。首先,该算法提取雷达信号的调和平均盒维数、信息维数和差分近似熵特征作为信号识别的三维特征。然后,改进果蝇优化算法的寻优步长并添加逃脱系数以修改适应度函数,同时引入三维空间的搜索概念扩大果蝇的搜索范围,再对果蝇算法所求解的接受机制通过SA算法进行修正。最后,将融合后的算法IFOA-SA用于优化BP神经网络得到网络最优的初始权值和阈值,并用此网络进行雷达信号的分类识别。通过与BP和FOA-BP进行对比,结果表明IFOA-SA-BP能够提高雷达信号的识别率,证实了该算法的有效性。

基于FOABHC_SVM的微电网短期负荷预测模型

为适应微电网的建设和发展对负荷预测效率及精度的要求,针对微电网负荷基数小、间歇性和随机性大等特点,提出一种基于历史认知果蝇优化算法(FOABHC)-优化支持向量机(SVM)的微电网短期负荷预测模型。以国内某微电网示范工程项目为例,将FOABHC_SVM用于微电网短期负荷预测。实例仿真结果表明,所提出的FOABHC_SVM预测模型优于SVM预测模型,更适用于当前微电网短期负荷预测需要。

基于FOA-GRNN的水电站厂房结构振动响应研究

应用果蝇优化算法(FOA)对广义回归神经网络(GRNN)平滑参数spread值进行优化,充分利用果蝇优化算法收敛速度快及径向基函数调整参数少的优点,建立厂房结构的振动响应预测模型,同时结合反向传播神经网络(BP)、局部回归神经网络(ELMAN)对某厂顶溢流式水电站的厂房结构振动响应问题展开对比预测研究。通过比较三种神经网络的预测效果,最终得出:基于果蝇算法优化的广义回归神经网络(FOA-GRNN),在预测能力、学习速度上明显优于BP网络和ELMAN网络。说明运用FOA-GRNN神经网络预测厂房结构振动响应是可行的,为增强厂房结构的智能化监测提供了保障。