提高海鸥优化算法寻优能力的改进策略及其应用

针对海鸥优化算法(SOA)收敛速度慢、容易陷入局部最优等问题,提出3种提高SOA算法寻优能力的改进策略:对非线性收敛因子与螺旋系数进行改进,以改善全局与局部搜索的协调能力,加快收敛速度;通过拓展攻击行为与攻击角度,以并行搜索的方式提升局部寻优性能;引入动态反向学习,使算法快速跳出局部最优,优化全局搜索。基于马尔可夫过程分析了改进海鸥优化算法(ISOA)的收敛性。通过16个基准函数测试了ISOA算法的寻优性能,并将其应用于PID(proportional-integral-derivative)参数整定中,结果表明,提出的改进策略能显著提高SOA算法的收敛速度与求解精度,ISOA算法在参数优化领域具有较好的应用效果。

基于蜜獾算法的配电网无功优化

无功优化通常采用降低有功网损和电压偏差、改善电压质量等方式进行优化。文中采用蜜獾算法(HBA),选取有功网损最小为数学模型,以电压偏差最小以及潮流平衡方程和各时段节点电压为约束条件,以IEEE-30节点系统为例进行配电网的无功优化。将HBA算法与传统的PSO算法、改进后的PSO算法进行算例分析比较,对比算法在收敛速度和寻优性能方面的差异。通过局部电压稳定指标法计算出系统的最佳补偿点,减少搜索空间维数。利用Matlab进行仿真对比,结果表明HBA算法计算速度更快,具有较强的全局搜索能力,寻优能力更佳,可为配电网无功优化安全有效经济运行提供新思路。

基于改进人工蜂群算法的核电巡检机器人路径优化策略设计

针对核电站巡检机器人在路径规划过程中存在的问题,文中提出了一种基于改进蜂群算法的核电巡检机器人路径优化方法。在深入分析了人工蜂群算法原理的基础上,针对其存在的收敛速度慢、容易陷入局部最优及全局搜索能力较弱等缺点,提出了改进的等距搜寻方法、并行选择机制与全局更新方法。该方法通过引入栅格法实现了巡检环境建模,构建了核电巡检机器人路径优化的数学模型,并采用改进的蜂群算法进行求解。以某核电站的实际巡检场景为例进行仿真验证,结果表明,相比于传统蜂群算法,所提算法的收敛速度更快、稳定性更好、寻优能力也更强,且得到的规划路径长度更短、质量更优,故能够提高核电巡检的智能化水平。

基于改进海鸥优化算法的微电网优化配置

对微电网进行合理的优化配置是提升微电网接纳分布式电源能力的重要举措,在考虑价格型需求响应的情况下,提出考虑需求响应的基于改进海鸥优化算法(Improved Seagull Optimization Algorithm, ISOA)的微网储能优化配置模型。针对传统算法对模型求解精度较低、求解速度慢的问题,提出改进的海鸥优化算法,提高收敛速度和精度。并将改进的算法与Cplex求解器联合求解,进行微电网的双层优化配置。实验结果表明,所提改进策略能够显著提高算法寻优能力,且有效降低微网的综合成本,具有优越的应用价值。

融合多策略人工水母算法及工程应用研究

针对人工水母群算法(JS)在求解较为复杂问题和部分工程问题时存在易陷入局部最优和寻优精度低等问题,提出一种融合多策略的人工水母算法。首先,该算法利用莱维飞行的扰动策略对洋流运动和被动运动阶段位置更新方式进行扰动,增强算法跳出局部最优的能力;其次,对水母跟随洋流和群内被动运动阶段引入指数递减惯性权重,使算法扩大全局搜索范围,提高寻优收敛速度;最后,将黄金正弦引导机制引入至被动运动阶段,替换原有被动运动位置更新方式,提升算法在探索和开发阶段的寻优能力。通过对6个基准测试函数进行测试分析,采用Wilcoxon秩和检验证明改进算法的寻优能力强、收敛速度快,将其应用于压力弹簧设计工程实际问题中,进一步验证了改进算法的适应性和有效性。

改进差分进化算法在电力系统最优潮流计算中的应用

电力系统最优潮流是在保证电力系统各种约束条件都满足的情况下,使发电厂发电燃料成本最低,在数学模型上归纳为一个典型的非线性规划问题。利用双曲正切函数非线性地改进差分进化算法的变异因子和交叉因子,解决了收敛速度和收敛精度的问题。经IEEE14节点系统验证,将其应用于解决电力系统最优潮流问题,与其他算法相比,能有效减少发电燃料费用,具有良好的寻优能力和收敛特性。

果蝇优化算法对多峰函数求解性能的仿真研究

多峰函数的寻优能力一直是衡量算法优越性的依据之一,许多传统的算法对其求解容易误将局部极值当做全局极值,针对这一问题,以Schaffer多峰函数为例,运用改进的果蝇优化算法(Improved Fruit Fly Optimization Algorithm,IFFOA)对Schaffer函数进行寻优求解,同时对其他4个测试函数进行求解.通过matlab软件测试、分析了改进的果蝇算法寻优能力的影响因素,最后通过相同的参数,分别采用遗传算法(GA)和改进的果蝇算法进行对比,通过对比发现,改进的果蝇优化算法在收敛精度和收敛速度方面,均优于和声搜索算法(HS)算法,从而验证了IFFOA算法的优越性和有效性,可以将IFFOA算法应用于其他领域.

融合高斯变异和Powell法的花朵授粉优化算法

花朵授粉算法(flower pollination algorithm,FPA)是最近提出的一种新型群智能优化算法,由于其较好地解决了全局搜索和局部搜索的平衡性问题,且具有参数少,易实现等特点,已得到广泛应用和研究,但现有研究对其参数的研究较少,同时该算法也存在演化后期收敛速度慢且易陷入局部极小等缺陷,使其应用范围受到制约。为了提升FPA算法的整体性能,对其控制步长的缩放因子的取值进行了修正;提出了把高斯变异和Powell法融入到花朵授粉算法中的混合算法GMPFPA(flower pollination algorithm combination with Gauss mutation and Powell search method)。改进算法首先利用高斯变异对全局搜索进行扰动,增强种群的多样性,提高全局探测能力,然后引入局部寻优能力强大的Powell法提升其局部开发能力。通过12个高维经典测试函数对比实验,验证了改进算法的有效性和优越性。

一维大地电磁测深几种反演算法的比较研究

大地电磁反演算法主要分为线性与非线性两类。马奎特法、遗传算法以及模拟退火是其中具有代表性的算法。本文将三种方法的反演过程、结果及理论进行了对比研究 ,指出各自的优点与局限性 ,以及使用时应注意的相应条件。研究表明 ,马奎特法寻找目标函数全局最优的能力较差 ,只能局部寻优 ,但运算速度快 ;模拟退火法和遗传算法寻找目标函数全局最优的能力较强 ,但运算速度较慢。当对地下地电参数预先有一定程度了解 ,又可以选取比较合理的初始解时 ,可选择马奎特法 ,否则宜选用其他非线性全局寻优能力强的反演方法。

一种基于复合形法的花朵授粉算法

花朵授粉算法是最近出现的一种新型元启发式群智能算法,已在无线传感网等应用领域取得了较好的成效,但也存在易陷入局部极值且演化后期收敛速度慢等缺陷,使其应用范围受到限制.针对该算法存在的不足,提出一种把复合形法的思想融入到花朵授粉算法中的混合算法.该算法首先计算当前种群的形心,然后依据形心将进化中最差的个体进行反射,把差的个体变成较好的个体,从而引导当前个体不断靠近最优解.通过10个标准测试函数的仿真实验,仿真结果表明,改进算法解的质量及收敛速度比基本的花朵授粉算法、蝙蝠算法及粒子群算法有较大幅度的提高.同时采用改进算法对非线性方程组问题进行求解,通过2个算例仿真实验,验证了改进算法的有效性,扩展了花朵授粉算法的应用领域.

多学科设计优化中的智能算法比较

对多学科设计优化领域中涉及的几种智能优化算法的特点进行了总结。在此基础上提出了时间、精度、解决问题的个数等几个比较指标,首次将精度作为比较指标,并且创新性地提出一个针对工程问题的有效比较指标,即短时寻优能力。通过对所选取的系列案例运行得到一系列对工程问题有指导意义的结论,手机实例验证了所得到的结论的正确性。

基于人群搜索算法的上市公司的Z-Score模型财务预警研究

针对传统的Z-Score财务预警模型预警能力的不足,导致无法准确判定上市公司的财务风险状况,将SOA算法的良好寻优能力和Z-Score财务预警模型结合起来,提出一种改进的Z-Score财务预警模型,构建出SOA算法优化Z-Score财务预警模型的适应度函数。仿真对比发现,改进的Z-Score财务预警模型其平均识别率高达96.33%,远远高于SVM算法和AdaBoost算法的平均识别率,改进的算法极大地提升了Z-Score财务预警模型的预测能力,使其更具适应性。

一种改进的两代竞争遗传算法

两代竞争遗传算法改变了简单遗传算法的选择机制 ,提高了搜索效率 .但是两代竞争遗传算法易出现早熟现象 ,局部寻优能力并未改善 .针对这些问题作者提出了一种改进算法 ,通过变异概率和交叉、变异范围的自适应调整 ,改善两代竞争遗传算法的搜索性能 .实验表明 ,改进算法克服早熟现象 。

具有暂态混沌动力学的神经网络及其在函数优化计算中的应用

提出了一种新颖的具有暂态混沌动力学行为的神经网络模型。首先经过一个倍周期倒分叉过程进行混沌搜索,进而进行类似Hopfield网络的梯度搜索。由于它利用了混炖搜索固有的随机性和轨道遍历性,因而具有较强的全局寻优的能力。一个典型的函数优化的例子表明了该算法的有效性。

一种参数自适应调整和边界约束的粒子群算法

粒子群优化算法的核心思想是每个粒子根据自己和周围粒子的"信息共享"寻优,达到全空间搜索最优解的目的。收敛速度快,全局寻优能力强。针对基本粒子群算法寻优精度较低,结果易发散的缺点,提出了一种参数自适应调整和边界条件约束的粒子群算法,惯性权重,学习因子随着迭代过程线性递加或递减,从而在算法初期个体能搜索整个空间,后期能够朝着全局最优值收敛而找到全局最优值。同时设置粒子边界条件约束,保证算法寻优解的准确性。理论分析和数值仿真结果表明了所设计方法的高效性,在保证算法效率的前提下,有效地提高了算法的寻优精度。

Job Shop调度问题的遗传退火算法

针对作业车间(JobShop)调度问题,提出了一个遗传退火算法。该算法构造了基于工作的遗传算子,因而保证了遗传进程中生成个体的可行性,有效地解决了工件机器顺序的约束限制。通过对最佳个体进行模拟退火,把模拟退火机制引入到遗传进化过程中,将模拟退火和遗传算法两者的优点有机地结合起来,从而进一步提高了算法的全局寻优能力。仿真计算表明了该算法的良好收敛性和有效性。

取消变异的小生境遗传算法及应用

为提高算法寻优能力,提出取消变异的小生境遗传算法.算法在寻优过程中采用最优保持子代种群产生策略,通过对种群中个体适应值惩罚机制的小生境操作,加速淘汰适应值低的个体,实现种群基因多样性,克服了遗传算法中随进化代数的增加种群个体趋于相似而造成全局搜索能力下降的缺点,增强了遗传算法在解决多变量多峰值优化方面的能力.将小生境遗传算法用于典型测试函数进行寻优测试,与取消变异改进遗传算法和基本遗传算法比较,证明了其在多变量、多峰值优化问题中的有效性和收敛性.

基于优选优生进化算法的常减压蒸馏装置稳态数据整定方法

提出一种寻优性能良好的优选优生进化算法,该方法与实数编码、线性交叉的遗传算法相比,计算复杂性低,离线性能和在线性能都有较大的改进,全局寻优能力明显提高。基于优选优生进化算法,采用测量误差为污染正态分布的数据整定与过失误差同步检测的方法对常减压装置进行稳态流量整定,提高了数据的一致性。

基于遗传算法的数值优化约束问题的研究

针对数值优化约束中出现的大规模、多峰多态函数,含离散变量等情况下的全局优化问题,采用常规的优化方法,收敛速度较慢,求得全局极值的概率较低.提出用遗传算法的数值优化约束问题解决,通过数值仿真实验结果表明,该算法性能优于现有其它算法,它不仅可以处理线性等式约束,而且还可以处理非线性等式约束,同时提高了收敛速度和解的精度,是高效稳健的智能算法,具有很高的全局寻优能力和很快的收敛速度,对求解复杂多峰多态函数的优化约束问题具有可行性和有效性.

双变异率自适应遗传算法研究及其应用

针对标准遗传算法的不收敛性 ,提出一种双变异自适应遗传算法 ,即通过全局变异算子和局部变异算子共同作用 ,增加种群的多样性 ,提高算法的全局收敛能力。实例证明