基于非均匀变异和多阶段扰动的粒子群优化算法

该文提出一种基于非均匀变异和多阶段扰动的粒子群优化算法,并对算法的搜索性能进行了一般性分析.首先,在算法执行的不同阶段利用对当前最优解施加大小不同的邻域扰动操作,很好地增加了群体多样性,提高了跳出局部陷阱的概率,同时加强了对当前最优解邻域内的精细搜索;其次,在粒子群优化算法中引入非均匀变异运算,并依据非均匀变异运算规律适应性地调整解向量的搜索步长.算法性能分析表明,本算法较好地兼顾了群体优化算法的多样性和精英学习强度之间的平衡问题.数值实验上,首先用12个经典测试函数,验证该文提出的几种新措施的有效性与互助性;其次,针对30维和50维的CEC2005测试函数集,所提算法NmP3PSO与经典算法wFIPS、CLPSO和OLPSO做了大量的仿真实验,结果表明该文提出的算法表现出富有竞争力的性能和稳定性.

多阶段动态扰动和动态惯性权重的布谷鸟算法

针对布谷鸟仿生智能优化算法存在着的易陷入局部最优、求解精度低以及收敛速度慢等问题,提出了基于多阶段动态扰动和动态惯性权重的布谷鸟搜索算法(MACS)。利用多阶段动态扰动策略对布谷鸟算法的全局位置的最优鸟巢位置根据方差可调的正态随机分布进行扰动,有利于增加种群的多样性和鸟窝位置的灵活性,提高算法全局搜索能力。在局部位置处引入动态惯性权重,使得算法有效克服易陷入局部最优的缺陷,提高局部寻优搜索能力。引入了动态切换概率p代替固定概率,可以动态平衡全局搜索和局部搜索。通过与4种算法相比和11个测试函数的仿真结果表明:改进布谷鸟算法(MACS)的寻优性能明显提高,收敛速度更快,求解精度更高,具有更强的全局搜索能力和跳出局部最优能力。

采动影响下倾斜煤层蠕变巷道支护技术研究

针对灵新煤矿061601综采工作面运输巷部分区域发生蠕变,原有支护方案不能较好的控制围岩变形的情况,利用理论分析、数值模拟和现场试验进行倾斜煤层巷道围岩蠕变效应及支护技术研究。根据研究分析可知,在工作面掘进和回采阶段,巷道端头及煤柱帮区域应力集中较严重,且通过增加初始支护力对控制回采巷道围岩塑性区范围起正相关作用,在多阶段下原始支护和优化支护方案模拟对比分析,确定支护方案优化后,能够有效改善巷道浅部围岩承载能力,减缓围岩破坏小范围扩展,说明支护方案能够有效高巷道围岩抗变形能力。同时,在现场应用中优化后支护方案能够分别提升顶底板和两帮围岩控制能力,变形控制效果分别提升达到75.84%和65.49%,即整体巷道优化后的支护方案对围岩控制效果更有效,为矿井安全生产提供重要保障。

基于ISOA-SVR模型的短期网络舆情预测

网络舆情传播具有时效性和小样本特征,提出一种改进海鸥算法优化支持向量回归的网络舆情预测模型ISOA-SVR。为提高SOA算法的性能,设计sigmoid函数非线性收敛因子实现种群迁徙与攻击阶段的平滑转换;引入精英个体多阶段动态扰动避免局部最优;设计正余弦优化指引种群位置二次更新,提高局部寻优能力。SVR学习效率高、逼近能力强,但对参数初值敏感、泛化能力仍有不足,利用ISOA算法对SVR优化调参,构建网络舆情预测模型ISOA-SVR。实验结果表明,ISOA-SVR数据拟合度更高,稳定性和收敛性表现更好。

均匀邻域对位的自适应差分进化算法

针对对位差分进化算法依然存在探索能力差和早熟收敛问题,提出一种基于均匀邻域对位的自适应差分进化算法。该算法在对位点所在局部邻域作适应性的小幅均匀变异操作,用以扩大对位点的搜索区域,从而提高跳出局部陷阱的概率;在对位点均匀变异操作中,变异步长利用当前群体中所有个体在每一维度的最大最小值的差距作自适应的调节,通过实时利用群体信息平衡了全局搜索与局部勘探的关系,提高算法的收敛速度;在算法搜索过程中引入多阶段扰动策略,以进一步增加算法群体实时多样性与算法所处搜索阶段的适应性,算法后期在一定程度上加强了对当前解所在邻域内的精细搜索。采用CEC 2014中不同类型基准测试函数进行仿真实验,并与其他差分算法进行对比,所提算法在10个测试函数上都取得最优的平均结果,证明所提算法具有更稳定、更优异的算法性能和更好的收敛精度。