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。

改进布谷鸟搜索算法及在无线传感器网络中的应用

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,提出一种改进布谷鸟搜索算法。改进算法采用轮盘赌选择鸟巢并精英引导Levy飞行用于鸟巢位置更新,以加快算法收敛速度;同时引入生物地理算法的迁入率和迁出率模型,以不同概率执行黄金正弦算法;最后对鸟巢实行差分进化算法改善种群的多样性,从而避免算法陷入局部最优并提高全局搜索能力。通过15个基准函数和3个场景的WSN仿真实验并与相关文献比较,结果表明改进算法行之有效。

基于改进布谷鸟搜索算法的光伏最大功率点跟踪策略

实际工程中,光伏阵列在随机变化的环境中会出现局部遮光的情况,从而导致光伏阵列的功率-电压特性曲线会呈现多峰值状态,传统的最大功率点跟踪(maximum power point tracking, MPPT)算法易陷入局部最优解,追踪速度和精准度无法得到满足。针对这一问题,提出一种基于布谷鸟搜索算法(cuckoo search algorithm, CS)和电导增量法(conductivity increment method, CI)结合的光伏MPPT算法,在算法前期利用布谷鸟搜索算法将大步长和小步长交替使用使得全局搜索能力增强,找到全局最大功率点所处区域附近;在后期,采用步长小、控制精度高的CI进行局部寻优,快速准确地锁定到最大功率点。在MATLAB/Simulink中搭建仿真模型,并与原始布谷鸟搜索算法和粒子群优化(particle swam optimization, PSO)算法进行比较。仿真结果表明,将CS与CI结合的算法使得收敛速度更快,精度更高,稳定状态时功率曲线的波动更小。

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%。

改进布谷鸟搜索算法的无线传感器节点定位方法设计

针对无线传感器网络中节点定位精度不准的问题,提出改进布谷鸟搜索算法的无线传感器节点定位方法。将布谷鸟搜索算法应用于节点位置寻优问题中,同时对布谷鸟搜索算法的补偿以及发现概率进行优化,以保证测距误差对实际定位误差的影响,提高节点定位的精确度。经过对比实验验证:基于改进布谷鸟搜索算法的无线传感器节点定位方式相比其他方式效率更高,定位精度更高,具有更好的实时性和稳定性。

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。

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。

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。

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。

基于布谷鸟搜索优化特征选择的轴承故障诊断

针对高维特征导致的滚动轴承故障诊断精度低问题,提出一种基于改进二进制布谷鸟搜索的特征选择方法。首先,采用Hilbert-Huang变换技术提取电机信号的时频域信息,建立高维特征集合。其次,基于布谷鸟搜索算法提出一种基于互信息的特征加权初始化方法,通过计算特征互信息对原始特征集合进行相关性评估,达到快速去除无关特征的目的。同时,引入局部螺旋开发策略,并采用动态切换概率算子实现全局探索和局部开发的平衡,加快算法收敛。最后,采用KNN分类器对轴承状态进行诊断,实验研究表明,上述方法能有效提取更具价值的特征信息,识别精度高达99.05%,相比于其它同类方法诊断准确率高,性能更稳定。

混合布谷鸟算法在装车机器人搬运农产品中的应用研究

【目的】使机器人在搬运不同农产品时运动规划更平滑稳定、货物装车时间与能耗更优、效率更高。【方法】结合传统的布谷鸟算法和模拟退火算法形成混合模拟退火的布谷鸟算法(SA-CS),通过算法的相互融合来提高搜索效率和全局优化能力。对机器人进行数学建模与分析,根据实际情况选用合适的智能算法优化机器人在搬运工作时的运动轨迹,并结合装车搬运情况引入自适应的步长和模拟退火机制,然后与传统的布谷鸟算法相融合并进行仿真验证。【结果】在玉米、稻谷、马铃薯三种农作物的搬运过程中,混合模拟退火的布谷鸟算法收敛更快,搜索性能与优化性能更好,机器人的搬运能耗与时间都有着较大幅度的优化,总时间优化均超过10%,能耗优化最高达到了15 746 J。【结论】无论是站在提高农产品搬运效率的角度,还是站在绿色智能化减排的角度,将智能算法应用到机器人的实际搬运工作中都极具现实意义,应用前景广阔。

基于改进布谷鸟算法的电网静态选址定容策略

针对传统的算法在求解多目标函数上存在局限性的问题,利用改进布谷鸟搜索算法实现综合电压约束条件的多目标最优的新型无功优化策略。该策略首先确定对网损降低最大且补偿成本最小的节点,然后构建以成本投入最小,补偿后节约的有功网损最大,综合系统电压约束条件为目标构建新型目标函数。利用改进的布谷鸟算法,通过引入混沌映射初始化种群,并对算法的自适应性做了改进来平衡全局搜索能力和局部搜索能力,实现该目标函数的最优解求解,即最优无功补偿方案。在IEEE 34节点系统进行算例仿真,验证了所提方法的有效性和可行性,仿真结果表明提出的改进布谷鸟算法在搜索精度和搜索速度以及收敛性方面均优于其他算法,同时得到的电网总网损和成本投入都是最优,因此提出的基于改进型布谷鸟算法的无功优化策略具有重要意义。

改进布谷鸟算法优化粒子滤波的多目标跟踪方法

标准粒子滤波器的重采样会造成粒子贫化,影响跟踪系统的精度。为克服这一缺陷,提出了一种改进布谷鸟搜索算法优化粒子滤波的多目标跟踪方法。将粒子作为布谷鸟宿主鸟巢,模拟布谷鸟寻找宿主鸟巢位置的行为,通过全局搜索和局部搜索两个阶段使粒子向高似然区域移动。同时,改进布谷鸟搜索算法的寻优机制,提出动态搜索步长和强化局部搜索的方法,加强了算法的全局搜索的收敛速度。此外,改进算法结合了联合概率数据关联,用于解决多机动目标跟踪问题。本文设置了一维环境和二维环境两组实验,对比优化后的粒子滤波算法与标准粒子滤波算法的目标跟踪性能。实验结果表明,本文提出的算法不仅全局收敛速度更快,而且提高了多机动目标跟踪的精度;与标准布谷鸟搜索优化粒子滤波算法相比,全局收敛迭代速度提高了28.5%;与粒子滤波联合概率数据关联和粒子群优化粒子滤波联合概率数据关联算法相比,估计精度分别提高了24.7%和11.81%。

cRNA布谷鸟搜索算法的桥式吊车PID控制

为了提高算法的全局搜索能力,受RNA二级结构的启发,设计RNA茎环交叉算子,采用基于进化代数的自适应步长策略,提出RNA交叉操作布谷鸟搜索算法(cRNA-CS).将cRNA-CS算法用于对5个典型测试函数进行寻优.测试结果表明,cRNA-CS算法的搜索能力和寻优精度相对于CS算法和其他改进的CS算法有了明显提高.将cRNA-CS算法用于桥式吊车系统PID控制器参数的优化整定.仿真实验结果表明,与CS算法、单纯形算法和PSO算法相比,采用cRNA-CS算法优化的PID控制器能够实现桥式吊车系统更好的消摆和定位控制.