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Pareto支配的改进人工大猩猩部队多目标优化

针对二维和三维多目标优化的解易陷入次优和分布不规则问题,引入Pareto支配方法并提出了结合改进策略的人工大猩猩部队优化算法(MOGTO)以改善多目标优化问题。首先,利用外部档案集存储互不支配解集以防止种群经过一次寻优迭代后,删除劣解的同时错误去除非支配解。其次,加入蒙特卡洛树搜索对种群探索阶段的三种机制进行优化,增加算法全局搜索能力。同时,结合天牛须算法的左右须寻优原理及黄金正弦寻优策略对开发阶段的两种机制进行优化,生成左右须解和促进个体位置更新,引导个体扩大搜索范围以防止最优解陷入局部最优。最后,通过12个基准测试函数对所提算法进行验证并将所提算法与其他6种常见算法进行对比,实验结果表明所提算法在多目标问题的寻优能力较对比算法有较大的提升。通过曲柄摇杆机构优化设计案例测试分析,验证了所提算法在实际工程应用中的可行性和实用性。

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。

改进人工大猩猩优化算法的机器人路径规划

为了提高移动机器人的路径规划能力,寻找到更优的移动路径,提出了改进的人工大猩猩算法。在全局探索和局部开发阶段,通过引入惯性加权因子不同的自适应权重,提高了全局搜索能力和局部开发能力。在局部开发阶段,通过融合互利共生策略加强了个体与最优个体间的联系,提高了算法的收敛速度,通过引入黄金正弦算法进一步平衡了全局探索和局部开发能力。通过构造障碍物和基于三次样条插值的路径适应度函数,利用改进的人工大猩猩优化算法寻优求解,获得移动机器人的最优路线。通过简单障碍环境和复杂障碍环境的仿真实验证明了本文提出的改进算法的有效性和实用性。

改进势场蚁群算法优化路径自动规划

针对势场与蚁群联合的自主路径规划存在局部最优解、初始路径选择随机导致效率不高及环境适应性差等问题,提出了基于自适应域和参数自适应设置的改进算法。算法首先基于自适应域改进势场目标不可达问题,并过滤震荡点以平滑路径;其次,通过状态转移函数和信息素更新等相关参数的自适应设置,提高算法在收敛效率和搜索能力上的平衡性,进而提高对障碍环境的适应性。实验结果表明,所提算法能够有效避免局部最优、目标不可达和复杂环境的适应性问题,在路径长度和效率上优于实验采用的已有算法,从而验证了算法的有效性。

基于模拟退火改进人工鱼群算法的交通信号配时优化

针对传统的信号配时算法无法适用于过饱和流量的交叉口的限制,结合模拟退火算法初值鲁棒性和局部收敛精度高的特点改进人工鱼群算法以提升其全局搜索能力,然后综合考虑周期时长、绿灯时间和饱和度等作为约束条件,以交叉口车均延误最小为目标函数构建信号配时优化模型,分别利用单一智能算法(模拟退火算法,人工鱼群算法)及其组合改进算法(模拟退火改进人工鱼群算法)对模型进行求解,并对现状方案和3种智能算法求解方案情况下的交叉口整体车均延误进行对比。结果表明,模拟退火改进人工鱼群算法的效果明显优于现状和单一算法,在迭代的初期便能非常接近最优解和稳定下降趋势,表现出快速寻优能力,验证了模拟退火改进人工鱼群算法的可行性与适用性。

优化改进RRT和人工势场法的路径规划算法

针对传统快速搜索随机数(RRT)算法在规划路径中随机性较大,搜索效率较低且规划的路径不利于机器人移动等缺点,从3个方向进行改进。首先,对于随机树扩展时随机性较大的问题,将传统的扩展方向加入改进人工势场法约束,使得随机树偏向目标点生长;其次,将改进RRT算法规划的路径进行关键点提取,并优化路径;最后,将优化后的路径按照关键点分段使用改进评价函数的动态窗口法。实验表明,优化改进RRT算法相较于传统A*算法、传统RRT算法在路径长度、路径规划时间以及拐点等方面效果都更好,融合算法在复杂环境中规划出的路径能够很好地避开障碍物,路径更加平滑且更短。

采用改进人工蜂群算法的低碳铣削参数优化

出于对国家双碳号召的响应,有效推动制造车间节能减排,本文对铣削加工过程中工艺参数优化进行研究,建立以最低碳排放和最低加工成本为目标的铣削加工优化模型。在此基础上,针对标准人工蜂群算法存在过多无用迭代、易过早陷入局部最优解的缺点,引入贴近最优思想,并将其与粒子群算法结合,增强粒子的全局搜索能力,改善求解效率与寻优精度。结果表明,实验加工工艺的碳排放减少了11.4%,加工成本减少了7%,表明了该模型的准确性和高效性。铣削加工模型为加工工艺的碳排放量化和加工成本最小化问题提供了一种高效的可行方案。

改进人工生态系统优化算法解决光伏模型参数辨识问题

光伏模型同时具有非线性和多模态的特点,传统算法在对其参数识别时易陷入局部最优,且识别精度不足。提出了一种改进的人工生态系统优化算法(IAEO),通过引入非线性控制参数调整策略来平衡探索与开发的关系,利用混沌的遍历性和非重复性来增强算法的探索能力。仿真实验表明,在单、双和三二极管和光伏组件模型上,改进算法的参数识别精度均超过99.9%,相较于原算法的RMSE值在四种模型上平均提高5.5%,和五种先进算法对比具有较强的优势。采用厂商真实数据对薄膜、单晶和多晶3种光伏组件在不同的光照和温度条件下进行测试,改进算法在不同环境中依然保持较高的准确性和稳定性。

基于改进蜂群算法的建筑管路布局约束多目标优化设计

针对建筑空间管路布局约束多,难以定量分析设计中多指标冲突的问题,提出一种基于改进蜂群算法的建筑空间管路布局优化设计方法。首先,构建三维建筑管路布局模型,以管路总能量值(长度、弯头数量等)、管路避障等为优化目标,构建多约束目标函数。然后,针对传统蜂群算法容易陷入局部最优和难以保证种群多样性的问题,提出基于Levy飞行策略的改进人工蜂群算法,进行多约束下的建筑管路布局优化求解。所提算法在雇佣蜂的搜索阶段,引入Levy飞行策略,根据上一蜜源的能量值及迭代次数自适应调整更新步长,从而提高全局搜索能力并加快收敛速度。实验表明,所提方法比传统蜂群算法不仅在整体探索能力上得到了提升,而且得到的管路路径长度更短、弯头更少、能量值更低,能够满足真实建筑环境中理想管路自动布局的要求。

基于人工蜂群算法优化的改进高斯过程模型

高斯过程(GP)的非线性特征导致其对大样本的训练时间复杂度过高,而且其超参数的选取是否适当直接影响高斯过程回归模型的预测精度。提出采用人工蜂群(ABC)算法优化改进GP以减小时间复杂度和提高预测精度。改进GP通过选取训练样本的子样本进行模型学习,以降低训练过程的时间复杂度。ABC通过优化改进GP的超参数,提升预测精度。选取训练样本的子样本构建改进GP回归(GPR)模型,采用ABC算法搜寻改进GPR的最优超参数,并用得到的超参数构建最优的改进GPR模型,输入测试样本进行预测并输出预测精度。将该模型应用于解决海上远程精确打击(LPSS)体系作战效能评估问题中,通过MATLAB仿真实验,与常见的多种优化方法相比较,验证了该模型的有效性。

基于改进人工鱼群算法的含大规模风电电网无功优化

针对大规模风电的波动性和随机性对电网无功电压优化初值影响较大,使无功优化求解不能充分考虑电压越限节点,而过早收敛,最终不能得到全局最优解的问题,提出基于改进人工鱼群算法对含大规模风电的复杂电网进行无功电压优化。在算法流程初期将类似遗传算法的变异机制引入其中,用以优化调整人工鱼群,在算法流程后期应用自适应可见域及步长的方法解决人工鱼群算法计算后期容易出现的陷入局部最优解以及收敛速度慢的问题。最后以接入大规模风电的甘肃电网为例,应用常规输电网动态无功优化模型,对文中的改进人工鱼群算法进行实例验证,从而证明算法的可行性和有效性。

改进型人工鱼群算法及复杂函数全局优化方法

在分析人工鱼群算法存在不足的基础上,对人工鱼群算法加以改进,提出了一种改进型人工鱼群算法。该算法提高了全局搜索能力和收敛速度,并用于求解具有变量边界约束的非线性复杂函数最优化问题。仿真结果表明,改进后的人工鱼群算法具有精度高、搜索速度快等特点,是一种求解复杂函数全局最优化的智能算法。

改进的人工鱼群算法在邯郸市水资源优化配置中的应用

鉴于水资源短缺、用水紧张、水资源不合理利用是我国水资源面临的严峻问题,基于水资源现状,合理、科学的水资源优化配置是实现水资源协调可持续发展的必要条件。以邯郸市为研究对象,采用改进人工鱼群算法,建立水资源优化配置模型,对邯郸市水资源进行合理分配。结果表明,在规划水平年2020年,25%、50%保证率下仅有武安县缺水,缺水率分别为4.8%、11.5%;在75%保证率下,涉县、武安县、永年县缺水,缺水率分别为1.8%、21.1%、10.8%;相比优化配置前,供需平衡矛盾有了明显改善,水资源优化配置较为合理;改进的人工鱼群算法较基本人工鱼群算法具有更强的可行性,为水资源优化配置提出一个新思路。

基于改进人工蜂群算法的集成网络节点部署优化

为提高集成网络节点的部署效率,在考虑节点交叉覆盖及节点间干扰等约束条件下,基于改进人工蜂群算法,提出一种集成网络节点位置部署算法。基于网络节点的信号传输模型将节点部署问题转化为在保证节点高覆盖率与低干扰目标下的优化问题,利用改进人工蜂群算法对节点部署目标函数进行优化。仿真实验结果表明,该算法不但能够快速精确地找到全局部署最优位置,而且能够在保证射频标签最大覆盖率的前提下有效地降低节点间的干扰。

基于改进人工鱼群算法的WNN优化设计

针对人工鱼群算法优化设计小波神经网络(WNN)的缺陷,引入了视野范围与步长的自调整策略,以提高搜索效率和收敛速度。改进后的人工鱼群算法可在WNN的搜索空间中同时确定参数初始值和隐节点数。仿真实例验证了其有效性。

基于约束优化问题的人工鱼群算法及其改进

在人工鱼群算法基础上,对人工鱼群算法进行改进,结合遗传算法提出的适应度函数来解决约束优化问题.具体表现在改进了人工鱼的觅食行为,另外引入了吞噬行为以便加快收敛速度,得到更优的适应度值.仿真结果表明改进的人工鱼群算法在解决约束优化问题时,具有收敛速度快、适应度值优、全局寻优性能强等优点.改进的人工鱼群算法较之基本人工鱼群算法具有更好的性能.

基于改进人工水母搜索算法的电液伺服系统控制研究

电液伺服系统是工业制造领域不可或缺的一部分,它是一个复杂的时变非线性系统,常规PID在实际工业控制中存在参数调节难度大、效率低等问题,很难达到理想的控制结果。针对以上问题,提出一种改进人工水母搜索算法来优化PID控制器参数的方法,将蝴蝶算法中随机移动概念引入到人工水母算法中,并将其和PSO算法、标准人工水母搜索算法进行对比分析,利用MATLAB软件搭建PID控制模型。仿真结果表明:运用改进人工水母搜索算法能高效、精确、快速地寻优出PID控制器的最佳参数,并展现出了鲁棒性好、调节时间少、运行相对稳定等优点,系统的控制性能得到了显著提升。

基于改进人工鱼群-蛙跳算法优化LSSVM参数短期负荷预测

短期电力负荷预测在电力系统安全调度、经济运行方面起到关键作用。在用最小二乘支持向量机进行负荷预测时,参数选择将直接影响预测精度。为了提高LSSVM负荷预测精度,文中提出一种基于Levy变异自适应视野人工鱼群-蛙跳算法对LSSVM进行参数优化的方法。以某县负荷、天气等历史数据对LSSVM进行训练,建立LAVAFSA-SFLA-LSSVM、AFSA-LSSVM、LAFSA-SFLA-LSSVM共3种预测模型,对该地区某日24 h的电力负荷进行预测。算例结果表明,LAVAFSA-SFLA-LSSVM预测精度比AFSA-LSSVM和LAFSA-SFLA-LSSVM更高,预测误差更小。