基于改进布谷鸟搜索算法的光伏MPPT控制

复杂阴影情况下,光伏阵列的P-V特性曲线会出现多个峰值,传统的MPPT算法因不能准确识别局部峰值和全局峰值,而无法进行复杂阴影情况下的最大功率点跟踪。针对传统布谷鸟搜索(Cuckoo Search,CS)算法因鸟窝之间缺乏交流能力导致可能陷入局部最优的问题,提出了一种多策略改进布谷鸟搜索(EGICS)算法。将传统CS算法中发现概率值的选择自适应变化,提高算法的搜索能力;将步长因子自适应化,提高算法的收敛速度;引入高斯扰动和精英反向学习策略,增加种群多样性,避免算法陷入局部最优。对EGICS算法在单峰和多峰函数中进行性能测试,并将其应用于光伏系统MPPT控制中进行仿真验证。仿真结果表明,EGICS算法在收敛速度、跟踪精度以及动态稳定三个方面有更好的效果。

一种基于改进的布谷鸟搜索算法的无人机三维航路规划算法

针对布谷鸟搜索算法收敛速度慢且易陷入局部最优等缺点,对标准布谷鸟搜索算法进行改进,提出一种改进的布谷鸟搜索算法。受其他群智能算法启发,在获取新鸟巢的过程中,通过轮盘赌选择某个鸟巢并在最优解附近进行搜索;以一定概率执行类似狼群算法奔向最优解的操作,较好地平衡了局部和全局搜索能力;最后在弃巢的过程中保留了最优解,提高了算法的搜索效率。四个标准测试函数及无人机三维航路规划的实验结果表明,改进布谷鸟搜索算法在求解精度和鲁棒性方面效果显著,航路规划用时少且更优。

基于变分模态分解-布谷鸟搜索-支持向量回归的变压器油中溶解气体浓度预测方法

针对电力变压器油中溶解气体浓度预测过程中存在的时间序列内部复杂和预测困难等问题,研究了时间序列分解预测重构方式,提出变分模态分解,结合布谷鸟搜索-支持向量回归组合预测方法。首先采用VMD将原始溶解气体浓度分解成为一组平稳的模态分量,降低了预测的复杂度。之后利用预测性能较好的SVR对各个模态分量分别进行预测。最后使用CS开展全局搜索对SVR参数进行优化选取,将得到的溶解气体浓度预测结果进行叠加重构。通过对油中溶解气体中H_(2)的仿真实验,得到VMD-CS-SVR组合模型预测结果的均方根误差为0.124μL/L,平均绝对百分比误差为1.19%,有效提升了预测精度。通过对CO和C 2H 4建模预测,进一步验证了本文所提模型的有效性。

基于布谷鸟搜索算法的机动化箔条幕布放方法研究

雷达导引头采用动目标显示、边搜索边跟踪等抗干扰技术,导致传统质心、冲淡、幕墙式箔条干扰方法干扰效能降低。对此,提出一种机动化箔条幕布放方法,通过无人机和舰船协同布放箔条弹,使幕墙能量质心随时间不断移动,保证舰船在有效时间内成功逃离雷达波束。首先,基于机动化箔条幕干扰机理,构建箔条幕布放模型,具体包括雷达导引头运动模型、舰船运动模型、箔条幕形态模型和箔条幕运动模型。随后,根据机动化箔条幕模型求解特点,确定采用布谷鸟搜索算法求取布放方案;据此提出总体求解思路,并构建布放效能条件(目标函数与约束条件);采用Logistic混沌机制改进布谷鸟搜索算法,建立补弹策略。最终,通过仿真案例对机动化箔条幕布放模型的有效性进行分析验证。结果表明,与常规箔条幕布放方法相比,机动化箔条幕布放方法能够有效减小舰船逃逸时间,降低箔条弹消耗量,同时具备较强的应对不同风速风向的能力。

基于改进布谷鸟搜索算法的电力系统多目标运行优化研究

针对RES接入后的综合电力系统运行优化问题,提出一种改进的布谷鸟搜索(MCS)算法,通过优化布谷鸟搜索算法(CS)中莱维飞行的步长,以实现快速收敛。多目标优化函数考虑了燃料和排放成本,在满足系统非线性运行约束的条件下,对改进后的IEEE 10机系统中进行了仿真分析,并与CS算法、粒子群优化算法(PSO)、混沌PSO算法进行比较,验证了MCS算法在解决复杂的电力系统优化运行问题上的优越性。

基于改进布谷鸟搜索算法的WSN覆盖优化策略

针对传感器节点分散不均、覆盖程度低及汇聚层Sink节点冗余等问题,设计了一种双层无线传感器网络覆盖优化方法,该方法对传统布谷鸟搜索算法进行了改进。首先,在种群初始化过程中采用了量子位Bloch球面坐标,可以保持较高的多样性;其次,针对布谷鸟搜索算法的Levy飞行寻优阶段,改进候选解更新方法,随机生成每个纵向维度的新候选解;最后,基于逐维更新贪婪评价策略进行随机游动选择。通过这些改进方式提升了布谷鸟搜索算法的迭代速度和精度,避免相同维度间的干扰。实验结果表明,该改进算法与传统布谷鸟搜索算法、外推人工蜂群算法相比,传感器节点覆盖率分别提高了1.79%和9.87%,汇聚层Sink节点冗余率降低5.13%和21.28%。

新型布谷鸟搜索算法及其应用

为了解决通常布谷鸟搜索算法在寻优过程中存在收敛速度慢、计算精度差等缺陷,提出了一种新型的布谷鸟搜索算法,并应用于图像配准问题。首先分析了基本布谷鸟搜索算法中的不足,利用信息分享、局部增强算子和新方式建立鸟巢来提高种群多样性、局部勘探能力和收敛速度。通过15个基准函数实验和2个医学图像配准实例,所有实验结果表明,改进算法具有更好的收敛速度、计算精度和鲁棒性。

基于自适应布谷鸟搜索算法的分数阶PID控制器设计

针对分数阶PID(fractional order PID,FOPID)控制器的设计问题,提出一种基于自适应布谷鸟搜索算法的分数阶PID控制器参数整定算法。为改进经典布谷鸟算法的收敛速度与计算精度,并充分发挥全局搜索和局部挖掘两者各自的优势,采用了基于系统误差的自适应步长策略。为保证布谷鸟搜索算法初始化种群的均匀性,采用佳点集法初始化种群替代经典算法中的随机初始化种群。最后对2类系统进行仿真实验,并将实验结果与现有结果进行对比,验证了基于自适应布谷鸟搜索算法的分数阶PID控制器的设计和参数整定方法的有效性和优良性。

基于改进布谷鸟搜索优化RBF神经网络的抽油机故障诊断

针对目前油田抽油机故障诊断存在耗时低效、无普适性等问题,提出通过动态自适应布谷鸟搜索(PSCS),优化径向基函数(RBF)神经网络的诊断方法。首先对示功图进行特征提取,作为RBF神经网络的输入层信息;接着引入动态发现概率和自适应步长,令布谷鸟搜索根据目标函数的收敛速度自动调整步长,确保不同搜索阶段的效率和精度保持平衡;最后改进的布谷鸟搜索优化RBF神经网络,获取其宽度、权值等最优相关参数,建立PSCS-RBF故障诊断模型。将模型应用于抽油机不同故障类型的诊断,并与当前主流的5种方法比较,所提出的PSCS-RBF故障诊断方法的平均检测精度达到95.9%,精度最高且耗时最短,验证了其实用性和优越性。

基于强化学习布谷鸟搜索算法的应急无人机路径规划

无人机可以在灾后救援中分析灾情,搜寻人员,提高救援的效率。为保证无人机在受灾区域的飞行安全,建立了较为全面的路径模型并提出了高效的求解算法:考虑路径长度、风险成本、高度成本和平滑程度四个指标,建立应急无人机路径规划模型;提出一种基于强化学习的布谷鸟搜索算法对模型求解。实验结果表明:提出的模型和算法能够更加有效地解决应急场景下的无人机路径规划问题,提升无人机在受灾区域飞行的安全性,为应急管理决策者规划出高质量的无人机救援路线。

求解约束优化问题的改进布谷鸟搜索算法

为了提高约束优化问题的求解精度和收敛速度,提出求解约束优化问题的改进布谷鸟搜索算法。首先分析了基本布谷鸟搜索算法全局搜索和局部搜索过程中的不足,对其中全局搜索和局部搜索迭代公式进行重新定义,然后以一定概率在最优解附近进行搜索。对12个标准约束优化问题和4个工程约束优化问题进行测试并与多种算法进行对比,实验结果和统计分析表明所提算法在求解约束优化问题上具有较强的优越性。

基于布谷鸟搜索的XGBoost算法优化及应用研究

为提高XGBoost算法预测精度,采用布谷鸟搜索算法全局优化XGBoost的超参数包括学习率、输出结点分裂的最小损失、树模型的最大深度和弱学习器的数量,构建CS-XGBoost模型训练数据集。实验结果表明,基于CS-XGBoost的收入分类模型的准确率、精确率、F1分数和AUC等指标分别为95.67%、97.17%、95.56%和97.96%,均优于Logistic回归、支持向量机、随机森林、XGBoost算法和基于网格搜索的XGBoost算法;基于CS-XGBoost的房价预测模型的决定系数、均方根误差及平均绝对误差分别为0.9055、2.9435及2.1654,预测精度较XGBoost算法得到显著提升。

基于改进布谷鸟搜索的卫星成像规划方法

针对多卫星区域目标的成像规划问题,提出一种基于改进布谷鸟搜索的卫星成像规划方法。为最大限度地利用卫星资源,首先基于卫星的单次过境活动将区域目标按条带分解,然后考虑卫星姿态约束、传感器使用约束、过境时间约束、成像时云量及光照约束等,建立约束满足模型,针对模型设计编码和更新策略,并在布谷鸟搜索算法中引入非线性惯性权重对其进行改进,最后采用改进的布谷鸟搜索算法求解约束满足模型。求解结果表明,与遗传算法相比,本文算法的收敛性好、目标完成率高且稳定性强,验证了该算法的有效性。

基于自适应布谷鸟搜索的RIS辅助无线定位系统

可重构智能表面(RIS)是6G关键技术之一,可灵活部署在基站服务区域的内部,辅助基站定位,提高定位精度.针对RIS辅助毫米波多输入单输出无线定位系统,利用布谷鸟搜索算法(CS)求解极大似然位置估计函数.为了提高算法寻优能力,将CS算法的发现概率和搜索路径步长由固定值改为自适应变化的动态参数.实验结果表明,引入RIS辅助定位可以明显提高定位精度,自适应布谷鸟搜索算法(ACS)寻优能力高于布谷鸟搜索算法.

多目标布谷鸟搜索算法

解决多目标优化问题,并得到精确的、高质量的Pareto前沿解是非常具有挑战性的。将CS算法运用于多目标问题解的迭代更新过程,对传统的基于Pareto支配关系的适应度函数进行了改进,并提出基于小生境技术的逐步档案缩减法用于档案解的缩减与维护过程,设计出了多目标布谷鸟搜索算法(MOCS)。通过仿真实验验证以及相关性能指标的测试结果得出,MOCS算法与经典的NSGAII算法相比,在所得解的收敛性、多样性和均匀性方面均有所改善。

基于布谷鸟搜索—反向传播神经网络的弥散供氧PID控制方法

弥散供氧控制器作为弥散供氧控制系统的核心部件,对清爽气体、销烟除灰和控制活性氧等作用巨大。当前,弥散供氧控制器大多借助氧气浓度的上限和下限采用启停方式控制,虽然具有控制简单等优点,但是存在氧气利用率低、控制精度差等不足。本文建立弥散供氧控制器的数学模型,采用布谷鸟搜索(CS)算法优化反向传播(BP)神经网络自适应控制策略的初始权重。仿真结果表明,与传统比例积分微分(PID)控制方法相比,基于CS-BP神经网络的自适应PID控制算法不仅具有很好的鲁棒性和快速性,而且能够实现更高的氧气浓度控制精度。当有较强外界干扰侵袭时,采用CS-BP神经网络自适应算法可实现自动在线学习训练并调整控制参数,应用前景更广阔。

基于布谷鸟搜索算法的火力发电厂机组调峰运行优化方法

常规的火力发电厂机组调峰运行方法主要使用自动/非自动调峰控制机组调整调度时间级,容易受调节容量影响,导致最终的深度调峰负荷过高,因此基于布谷鸟搜索算法设计一种全新的火力发电厂机组调峰运行优化方法。以火力发电厂的热系统为基础,设置测定功率点,分析机组的运行能耗特性,再使用布谷鸟搜索算法生成优化调峰模型,得出有效的调峰负荷,从而完成机组调峰运行。实例分析结果表明,设计的火力发电厂机组布谷鸟搜索调峰运行优化方法在不同采样点下的深度调峰负荷均较低,具有节能性,有一定的应用价值,为提高火力发电厂机组经济性做出了一定的贡献。

随机变异的自适应布谷鸟搜索算法

布谷鸟搜索算法现在还存在收敛精度不高、寻优效果不佳的问题。为解决这类问题,本文在基本布谷鸟搜索算法的基础上引入了惯性权重和变异策略。优化后的布谷鸟搜索算法在搜索精度和寻优效果上都有了大幅度的提升。实验测试结果显示,改进算法比其它算法在函数优化上效果更加明显。

基于布谷鸟搜索算法的智能电网资源自适应调度方法

现阶段智能电网资源自适应调度过程中,电网运行成本和电网碳排放均比较高,无法满足智能电网运行经济性与环保性需求,因此,提出基于布谷鸟搜索算法的智能电网资源自适应调度方法。以电网运行成本最低、碳排放最少和用户满意度最高为目标设置调度目标函数,并对电网资源调度功率平衡设定约束条件,利用布谷鸟搜索算法求解最优调度方案,以此实现基于布谷鸟算法的智能电网资源自适应调度。经实验证明,应用设计方法后,智能电网运行成本为1152.64元/d,碳排放为51.24t/d,经济性与环保性效果良好,在智能电网资源自适应调度方面具有良好的应用前景。

基于模糊布谷鸟搜索算法的IaaS云资源调度

云计算资源调度是将任务精准地分配给CPU、网络和存储,其目标是资源的最优使用。因此,云服务提供商和云用户都需要执行良好的调度。提出了基于模糊布谷鸟搜索(FCS)算法技术,以解决实时优化问题,进而解决基础设施即服务(IaaS)的可靠性资源调度问题。在云计算仿真软件上进行了实验,并将FCS技术的结果与遗传算法(GA)、蜜蜂算法(BeA)和粒子群优化(PSO)调度算法进行比较。计算结果表明,FCS技术产生的效率表现最好,更适合IaaS云的可靠性资源调度。