混合自适应布谷鸟算法的物流配送路径优化

为了有效解决多仓库多配送点物流配送时间长和路径远等问题,提出一种多仓库多配送点物流配送路径优化算法。为了满足多仓库多配送点物流配送需求,将最少调用车辆数量和最短配送总距离为目标,确定目标函数及其约束条件,建立多仓库多配送点物流配送路径优化模型。改进布谷鸟算法和粒子群算法,将改进后的算法结合,利用混合自适应布谷鸟算法求解优化模型,同时对混合自适应布谷鸟算法离散化处理,获取最优物流配送路径。仿真实验结果表明,所提算法可以在较短的时间内完成物流配送,且物流运输路径较短,覆盖率更广,能够获取更加满意的物流配送方案。

基于布谷鸟算法的风电机组装配序列优化

装配序列规划(ASP)是风电机组制造的重要技术。ASP是一个组合优化问题,风电机组最优装配序列的搜索空间和计算量均很大。提出基于布谷鸟算法的风电机组装配序列优化方法。首先,从三维装配体模型中提取多种装配约束信息并表示成装配约束矩阵,以降低最优装配序列的搜索空间;继而构造装配序列目标函数,建立装配序列规划模型,方便算法计算出最优装配序列;对离散布谷鸟算法(DCA)改进,求解ASP模型,获得风电机组产品的最优装配序列。最后通过实验验证了ASP模型的有效性和DCA的优良性能。

基于布谷鸟优化算法的灌区渠系输配水水量优化调控模型研究

渠系输配水渗漏损失和闸门调节的水力损失是灌区多级输供水系统水利用效率低下的主要原因,对灌渠输配水过程进行优化调控是实现农业高效节水的重要途径。以湖北省漳河灌区三干渠为研究对象,建立了多级渠系多因素综合影响下的灌渠优化配水模型,运用元启发式优化算法布谷鸟搜索算法进行模型求解。与实测配水过程相比,优化配水模型和常规配水模型的灌溉历时分别为13.2、13.5 d,减少45.00%、43.75%的配水时间,且配水流量过程均匀稳定,能有效减少闸门调节次数。采用布谷鸟算法(CS)、粒子群算法(PSO)和差分进化算法(DE)求解的优化配水模型和常规配水模型输水渗漏损失分别减少了27.22%、26.72%、27.06%和24.96%、23.90%、24.55%。布谷鸟算法能快速、高效、稳定地求解多维渠系输配水问题,为灌区渠系输配水水量优化调控模型构建和求解提供科学参考。

基于改进布谷鸟算法的微电网优化调度

为提高微电网日运行经济效益及环保效益,同时解决传统布谷鸟算法寻优精度差、易陷入局部最优的问题,提出了一种基于复合混沌映射的维间反向扰动学习布谷鸟算法。首先,引入统计参数映射、动态步长因子策略及指数递减惯性权重偏好游走策略以提高寻优精度和收敛速度;其次,采用动态自适应发现概率来控制全局搜索和局部搜索的切换频率。将所提算法通过10个典型测试函数进行仿真,结果表明改进的布谷鸟算法相比灰狼等元启发式算法具有更好的寻优精度、求解稳定性、收敛速度;最后,再将改进的布谷鸟算法用于求解微电网并网模式下的多目标优化调度问题。仿真结果表明,改进的布谷鸟算法能有效提高微电网日运行总效益及系统运行稳定性。

基于改进布谷鸟算法的主动配电网优化调度

为了解决主动配电网优化运行问题,给出了一种基于改进布谷鸟(Improved Cuckoo Search,ICS)算法的主动配电网(Active Distribution Network,ADN)优化调度方法。以ADN运行总成本最小为目标函数,综合考虑ADN系统运行约束,建立了ADN优化调度模型。利用动态调整发现概率和反向学习扰动策略对布谷鸟(Cuckoo Search,CS)算法进行改进,得到了搜索性能更强且求解精度更高的ICS算法。采用ICS算法对ADN优化调度模型进行求解,并与CS算法、粒子群(Particle Swarm Optimization,PSO)算法和遗传算法(Genetic Algorithm,GA)的收敛性能进行比较,结果表明,ICS算法的收敛迭代次数、收敛时间及ADN运行总成本分别为32次、7.2秒和100659.24元,均优于CS算法、PSO算法和GA算法等几种对比算法,验证了所提ADN优化调度方法的正确性和实用性。

基于优化布谷鸟搜索算法的供应链协同工作服务方法设计

常规的供应链协同工作服务方法多数采用文献计量可视化知识图谱分析原理设计而成,在实际应用过程中,供应链各个工作服务环节之间的协同配合性较差,协同度较低,无法显著提升供应链协同工作服务的质量水平。基于此,文章引入优化布谷鸟搜索算法,开展了基于优化布谷鸟搜索算法的供应链协同工作服务方法的设计研究。实验结果显示:协同工作服务的各个一级指标的协同度得分均达到了98.19分以上,显著提升了协同工作服务的质量水平。

改进布谷鸟算法在装配序列规划中的应用研究

针对装配序列规划问题,建立考虑装配序列的几何可行性、稳定性、聚合性、重定向性的装配关系模型以及基于适应度函数的装配序列优化数学模型。提出一种改进布谷鸟算法对装配序列规划问题进行求解,采用随机键和最小位置规则的方法设计基于零件编号、装配方向、装配工具的3层编码方案;设计基于最小装配成本的初始化策略与随机初始化策略相结合的混合种群初始化策略,提高种群质量;改进种群进化和搜索方式,将种群分为3个子群,并分别采用自适应步长飞行、标准步长飞行和交叉、变异的方式进行种群更新,提高算法的收敛速度和求解精度。最后通过实例应用及与其他算法的比较,验证了所提出的改进布谷鸟算法在求解装配序列规划问题上的有效性和优越性。

基于改进布谷鸟搜索算法对水质监测无线传感器部署的优化

为解决传统传感器网络随机部署分布不均的问题,提出采用布谷鸟搜索算法(CS)进行节点部署优化。为改善CS算法的全局优化性能以提升传感器节点部署优化能力,受动量梯度下降法、均方根算法和Adam优化算法的启发,提出Momentum-CS、RMSprop-CS与Adam-CS三种改进算法,对CS算法中的步长控制量和淘汰概率进行优化调整。以网络覆盖率为优化目标,将3种算法用于长宽为100 m水域的水质监测无线传感器节点部署进行优化。仿真结果表明,Adam-CS算法能够在较少迭代次数获取更高的网络覆盖率,达到90.35%,对于指导水环境监测中无线传感器节点部署具有现实意义。

基于布谷鸟算法的给水管网调压阀优化设计

针对城市给水管网漏损日益严重的问题,采用压力管理的策略,通过在管网中安装调压阀降低管网压力,从而达到减少管网真实漏损的目的.利用一个新的优化算法布谷鸟算法,建立管网调压阀优化模型,确定调压阀的数量、最优安装位置以及最优操作方式,并在算例管网中与遗传算法进行对比测试.结果显示:布谷鸟算法由于其调节参数少,随机搜索路径优,在调压阀优化设计中显示了更优秀的优化能力,显示了强大的算法应用可扩展性,使得对真实管网通过最优化算法来确定最佳阀门控制策略成为可能.

求解多目标优化问题的改进布谷鸟搜索算法

针对求解多目标优化问题,提出一种改进的多目标布谷鸟搜索算法(IMOCS).相比于标准多目标布谷鸟搜索算法(MOCS),IMOCS在莱维飞行中使用动态自适应的步长控制量,并基于层级和拥挤度距离选择下一次莱维飞行的种群.为了验证算法的有效性,通过在测试实例(SCH,ZDT系列,LZ)计算所求Pareto前沿与真实Pareto前沿的广义距离和所求Pareto前沿的多样性来测试IMOCS的性能.结果表明,与MOCS,NSPSO,NSGA-II比较,IMOCS所求的广义距离更小,即由IMOCS所求Pareto前沿更加接近于真实Pareto前沿,同时IMOCS的Pareto前沿分布更加广泛和均匀,即多样性更好.

基于Powell局部搜索策略的全局优化布谷鸟算法

为了解决布谷鸟搜索算法后期收敛速度慢、求解精度不高、易陷入局部最优等缺陷,提出了一种基于Powell局部搜索策略的全局优化布谷鸟搜索算法。算法将布谷鸟全局搜索能力与Powell方法的局部寻优性能有机地结合,并根据适应度值逐步构建精英种群候选解池在迭代后期牵引Powell搜索的局部优化,在保证求解速度、尽可能找到全局极值点的同时提高算法的求解精度。对52个典型测试函数实验结果表明,该算法相比于传统的布谷鸟搜索算法不仅寻优精度和寻优率有所提高,并且适应能力强、鲁棒性好,与最新提出的其他改进算法相比也具有一定的竞争优势。

基于多目标离散布谷鸟搜索算法的产品服务系统方案配置优化

为辅助工程师进行产品服务系统方案设计,提出一种基于离散布谷鸟搜索算法与Pareto结合的配置优化方法。以成本、质量和时间为目标函数,采用动态惩罚函数方法将约束优化问题转化为多目标优化问题。基于Sobol序列初始化,采用十进制编码和非支配更新方法改进多目标离散布谷鸟搜索算法,以提高初始解的多样性与优化性能。将所提方法应用于某数控机床产品服务系统方案配置优化,通过结果分析及性能对比,验证了该方法解决高维度空间内产品服务系统方案配置优化的有效性与可行性。

改进布谷鸟算法在人群疏散多目标优化中的应用

大型场馆的人员疏散问题实际上是一个多目标的优化问题,要求达到疏散时间短、疏散路径长度小、拥挤度低等目标,而由于约束条件之间的冲突性,使多个目标同时达到最优是困难的。目前主要的求解方法是利用智能进化算法进行启发式搜索和解的偏序关系为特征的演化多目标优化算法求解。布谷鸟算法是在布谷鸟寻窝产卵的行为中发现了一种新的搜索算法,基本的布谷鸟算法的搜索活力不足、搜索偏慢。从改变布谷鸟算法的搜索多样性等方面着手提高布谷鸟算法在优化问题上的求解能力,将新算法用于人群疏散的多目标优化,取得了较好的效果。

采用搜索趋化策略的布谷鸟全局优化算法

布谷鸟搜索算法是一种基于莱维飞行搜索策略的新型智能优化算法.单一的莱维飞行随机搜索更新策略存在全局搜索性能不足和寻优精度不高等缺陷.为了解决这一问题,本文提出了一种改进的布谷鸟全局优化算法.该算法的主要特点在于以下三个方面:首先,采用全局探测和模式移动交替进行的模式搜索趋化策略,实现了布谷鸟莱维飞行的全局探测与模式搜索的局部优化的有机结合,从而避免盲目搜索,加强算法的局部开采能力;其次,采取自适应竞争机制动态选择最优解数量,实现了迭代过程搜索速度和解的多样性间的有效平衡;最后,采用优势集搜索机制,实现了最优解的有效合作分享,强化了优势经验的学习.对52个典型测试函数实验结果表明,本文算法不仅寻优精度和寻优率显著提高,鲁棒性强,且适合于多峰及复杂高维空间全局优化问题.本文算法与最新提出的改进的布谷鸟优化算法以及其它智能优化策略相比,其全局搜索性能与寻优精度更具优势,效果更好.

求解连续函数优化问题的合作协同进化布谷鸟搜索算法

为改善布谷鸟搜索算法求解连续函数优化问题的性能,提出合作协同进化的布谷鸟搜索算法.改进算法通过应用合作协同进化框架,将种群的解向量分解成若干子向量,并构成相应子群体.利用标准布谷鸟算法更新各子群体的解向量.各子群体为其它子群体提供最优个体,组合成问题解向量并完成子群体评价.经10个测试函数实验仿真,结果说明改进算法能有效改善求解连续函数优化问题的性能.同时,针对连续函数优化问题,该算法与其它算法相比是有竞争力的优化算法.

求解工程结构优化问题的改进布谷鸟搜索算法

针对布谷鸟搜索算法局部搜索能力不强的缺点,提出一种基于随机局部搜索的改进布谷鸟搜索算法用于求解工程结构优化问题。引入惯性权重以平衡算法的勘探和开采能力;利用随机局部搜索方法对当前最优解进行局部搜索,以加快算法的收敛速度。两个工程结构优化问题的实验结果表明了该算法的可行性和有效性。

基于改进多目标布谷鸟算法的污水处理优化控制方法

针对如何确定污水处理优化控制中关键变量的最优设定值,以满足出水水质达标的同时尽可能降低能耗的问题,提出一种基于改进多目标布谷鸟算法的污水处理多目标优化控制方法.首先,通过对污水处理过程的分析,建立基于神经网络的污水处理能耗和出水水质模型;其次,利用改进多目标布谷鸟算法同时对污水处理能耗和出水水质模型进行优化,得到溶解氧和硝态氮浓度的优化设定值;最后,利用PID控制器对关键变量的最优设定值进行跟踪控制,实现污水处理过程的多目标优化控制.仿真实验结果表明,与其他几种方法相比,所提出的方法在保证出水水质参数达标的前提下,更好地降低了污水处理过程的能耗,实现节能降耗和保护环境的目的.

基于改进布谷鸟搜索算法的结构耐久性优化方法

将布谷鸟搜索算法与耐久性分析相结合,研究一种结构耐久性优化设计方法。建立了以可靠寿命为目标或约束的结构耐久性优化模型,针对复杂结构可靠寿命函数非线性强、多极值等问题,引入一种新型群智能全局优化算法——布谷鸟搜索算法,从迁徙策略、收敛准则、约束处理等方面研究改进了布谷鸟搜索算法,进一步提高了其收敛性和效率。利用双循环方法求解可靠寿命目标、单循环方法处理可靠寿命约束的概率优化策略,提出了一种稳健的结构耐久性全局优化的改进布谷鸟搜索算法。通过某轻量化车辆传动箱体应用,结果表明该方法具有较好的收敛效果和计算效率,在满足耐久性约束条件下实现了减轻质量的目标。

求解约束化工优化问题的混合布谷鸟搜索算法

针对布谷鸟搜索算法存在收敛速度慢和易陷入局部最优等缺陷,提出一种基于Rosenbrock搜索和柯西变异的混合布谷鸟搜索算法用于求解约束化工优化问题。该算法首先采用佳点集方法对鸟窝位置进行初始化,为全局搜索的多样性奠定基础;然后利用Rosenbrock搜索算法对当前最优位置进行局部搜索,以提高算法的收敛速度;最后对当前最优解进行柯西变异以避免算法陷入局部最优。两个约束化工优化问题的实验结果表明了该混合算法的有效性。

基于动态布谷鸟搜索算法的PID控制器参数优化

为了解决传统PID控制器参数优化费时且不能保证获得最佳性能的问题,通过改进布谷鸟搜索算法的参数取值,形成了动态布谷鸟搜索算法(DCS),并把其引入到PID控制器参数优化中,提出了一种基于动态布谷鸟搜索算法的PID控制器参数优化算法,仿真试验结果表明基于动态布谷鸟搜索算法的PID控制器具有较好的控制性能指标,并通过与其他算法对比,证明了动态布谷鸟搜索算法的PID控制器优化算法具有优越性和有效性。