改进人工大猩猩部队优化算法的WSN网络覆盖

为了建立一个保障网络通信需求以及低耗能的无线传感器网络,提出一种融合智能优化算法的网络部署方案。对部署区域进行二维投影,并结合概率感知模型设计出一种网络覆盖模型;针对人工大猩猩部队优化算法(GTO)在网络部署问题中存在收敛速度较慢以及全局探索能力不足的问题,提出一种改进人工大猩猩部队优化算法(IGTO)。该算法通过引入Tent混沌策略和复合突变策略,改善算法全局探索能力,增加算法收敛速度。在网络覆盖模型中进行仿真测试,验证网络覆盖率评价方案的有效性和工程实用性。结果表明,由IGTO算法部署的无线网络覆盖效率更高,节点分布更加均匀。

基于改进人工大猩猩部队算法的移动机器人路径规划研究

针对传统人工大猩猩部队优化算法在移动机器人路径规划问题中存在前期全局寻优能力较弱、后期收敛能力不强、容易陷入局部最优等问题,提出一种改进的人工大猩猩部队优化算法。在改进算法中,为提高初始种群质量,采用Logistic混沌映射生成种群;引入新的计算公式改进控制参数W的值,使其随着迭代次数增加而线性增大;融合鱼鹰优化算法的位置更新策略,以增强算法中个体之间交流信息;在算法开发阶段后期,应用莱维飞行策略更新个体位置,以保证算法后期的种群多样性。仿真实验结果表明,与SSA算法、GTO算法和GWO算法相比,改进算法在M1地图环境中得到的平均路径分别缩短了9.72%、6.07%和7.99%;在M2地图环境中得到的平均路径分别缩短了22.04%、44.16%和50.3%,具有明显优势。

基于改进大猩猩算法的主动配电网动态重构

针对传统算法无法妥善应对含分布式电源(DG)和电动汽车(EV)的主动配电网重构问题,提出了一种改进的大猩猩部队优化算法。首先使用“无重复”编码策略对配电网进行编码,降低不可行性解的产生,其次对大猩猩部队优化算法使用Circle混沌映射,初始化种群,增加种群多样性,并且引入大猩猩自适应变异算子,来增强算法对搜索空间中新位置搜索能力,最后通过使用镜头对位学习和自适应β-爬坡策略,增加算法容错性,避免算法陷入局部最优。通过仿真分析可知,所提改进算法与其他智能算法相比,重构效果更为理想,具有寻优精度高和收敛迭代次数小的优势,其全局寻优率可达到100%,验证了所提模型的有效性和优越性。

优化动态核主元分析的工业过程故障监测方法

针对现代生产工业过程中数据的非线性多模态特征,提出了一种基于人工大猩猩部队优化动态核主元分析(GTO-DKPCA)的故障监测方法。利用自回归移动平均时间序列模型和核主成分分析(KPCA)方法构建DKPCA模型,对过程各阶段的批次数据进行DKPCA处理。通过正常数据和故障数据特征构建自适应度函数,利用人工大猩猩部队优化算法对DKPCA核参数进行优化,以发现最优的非线性特征;通过计算各时间点的霍特林统计量T2和平方预测误差(SPE)统计量进行故障监测。青霉素发酵过程故障监测结果表明,GTO-DKPCA方法比多向核主元分析(MKPCA)和多动态核主元分析(BDKPCA)有更好的监测效果,适应性和准确性更高。

求解工程优化问题的多种智能优化算法仿真

探究新型优化算法的寻优性能和工程优化问题求解能力,选取6种智能算法:天鹰优化器(AO)、算术优化算法(AOA)、非洲秃鹫优化算法(AVOA)、人工大猩猩部队优化器(GTO)、饥饿游戏搜索算法(HGS)、野马优化器(WHO),对其进行仿真对比。首先阐述新型算法的主体框架;然后,选取6个基准测试函数并测试其寻优性能;最后,用其求解2种典型的工程优化问题,并且分析其改进方向和应用前景。对于测试函数的仿真结果分析,GTO算法的寻优能力最强,多次获取测试函数理论值,且运行时间较短;在工程优化问题的仿真中,GTO算法与WHO算法的寻优能力较为突出,寻优时间短,可靠性高。

基于参数自适应的RSSD-CYCBD及在轴承外圈故障特征提取中的应用

针对滚动轴承工作环境复杂、故障特征信号易被高强度噪声掩盖的问题,提出了基于参数自适应的共振稀疏分解(RSSD)和最大二阶循环平稳盲解卷积(CYCBD)的滚动轴承故障诊断方法。首先,利用人工大猩猩部队优化算法(GTO),结合相关系数与相关峭度的融合指标,自适应选择RSSD分解参数,得到了仿真信号的最优低共振分量;然后,利用GTO结合包络熵,自适应选择CYCBD的循环频率和滤波器长度,对最优低共振分量进行了解卷积运算,从包络谱中获得了信号的故障特征频率;最后,利用美国凯斯西储大学试验台和MFS-MG机械故障综合模拟试验台数据,综合验证了该方法的有效性,并将试验结果与RSSD-MCKD方法的结果进行了对比。研究结果表明,该方法能够准确地得到仿真信号的故障频率为20 Hz、美国凯斯西储大学试验台近似故障频率为107.5 Hz、MFS-MG试验台近似故障频率为87.6 Hz。自适应RSSD-CYCBD方法能够有效地识别出故障特征频率及其倍频,实现滚动轴承故障诊断的目的。

基于IVMD-MOGTO的沿海港口吞吐量预测方法研究

该文针对集装箱吞吐量的预测问题进行探究。提出了改进的变分模态分解(Improved Variational Mode Decomposition,IVMD)策略对数据进行去噪处理,从而构建了IVMD-MOGTO模型以实现集装箱吞吐量的精准预测。结果显示,在验证IVMD有效性的试验中,IVMD-LSTM的平均绝对百分比误差(Mean Absolute Percentage Error,MAPE)为2.93%。在验证MOGTO优化算法性能的试验中,MOGTO算法在港口中的均方根误差(Root Mean Square Error,RMSE)最低仅为11.39。