基于柯西变异的改进入侵杂草优化算法

入侵杂草优化算法存在收敛速度较慢,收敛精度不高,易陷入局部最优等问题,针对这些问题,论文提出基于柯西变异的改进入侵杂草优化算法(CMIWO)。该算法采用改进点集的方法实现种群的初始化,丰富初始种群的多样性,引入改进后的tent混沌映射将杂草个体进行扩散,后期融入柯西变异和差分变异的混合变异算子,从而使算法的收敛速度和寻优精度进一步提高,且更易跳出局部最优值。利用6个标准测试函数测试算法的收敛速度以及寻优精度,仿真结果表明,CMIWO算法均优于标准IWO算法及其他常用算法,并且能有效避免陷入局部最优。

基于入侵杂草优化和灰狼优化算法的混合优化算法研究

基于入侵杂草优化算法和灰狼优化算法两种优化算法,将两者优点相结合,提出一种可以克服两种算法缺点的新的混合优化算法IWOGWO。通过对基准函数的测试和分析,评估了IWOGWO混合优化算法的性能,并与入侵杂草优化和灰狼优化两种基本算法的测试结果进行了比较,表明IWOGWO混合优化算法在全局搜索能力、收敛速度和求解精度上均有明显改善,验证了新算法的性能的优越性。

改进流向算法的无线传感器网络覆盖优化

针对标准流向算法易陷入局部最优和收敛精度低等问题,提出一种融合莱维(Levy)飞行和入侵杂草策略的改进流向算法.首先,该算法在选择水流流向时引入Levy飞行机制,使水流沿最优水流位置方向做Levy飞行运动,避免陷入局部最优;其次,利用入侵杂草策略,对每一代水流进行繁殖、空间扩散和竞争操作,增加水流的多样性,扩大搜索范围,提高全局寻优能力.最后,将改进流向算法应用于无线传感器网络覆盖优化中,并与标准流向算法及其他改进算法进行实验对比.仿真结果表明,相比标准流向算法及其他改进算法,所提改进流向算法的覆盖性能有大幅提升,覆盖率可达98.52%,可实现更均匀的节点分布和更低的部署成本.

改进的入侵杂草优化算法在泰斯模型中的应用

智能优化算法应用于泰斯模型时,需要预估待求参数的搜索范围。为降低预估难度,将具备广度搜索优势的入侵杂草优化算法引入到泰斯模型中,通过分析入侵杂草优化算法在广度搜索空间中运用泰斯公式的局限性,变算法标准差的静态设置为动态调整,提出并构建改进的入侵杂草优化算法运用泰斯公式模型。应用该模型处理三个不同尺度非稳定流抽水试验。研究结果表明:改进的入侵杂草优化算法能在广度搜索空间中高效运用泰斯公式反演出接近实际的导水系数和贮水系数。

基于改进入侵杂草算法的空调送风温度控制

为减少冷冻水系统能耗,提高变风量空调送风温度控制效果,提出一种基于入侵杂草的萤火虫群算法优化PID控制策略。首先对变风量空调的送风温度-冷冻水阀系统进行建模;然后将基本萤火虫群算法与杂草优化算法结合,构建入侵杂草-萤火虫群算法,利用改进后算法对空调送风温度系统进行控制。进行系统仿真对比以及实验测试,结果表明:改进后的送风温度控制更加精确,稳定性更强,同时具有一定的节能效果。

求解连续空间优化问题的改进入侵杂草算法

针对标准入侵杂草算法在求解连续空间优化问题时存在易陷入局部最优、过早收敛的缺点,提出了一种改进入侵杂草算法.改进算法采用反向学习方法构建高质量的初始解,并综合考虑当前种群的适应度值和役龄水平确定各杂草的种子数目.同时,提出了基于分治思想的空间扩散方法以强化算法的搜索性能,并引入个体淘汰机制以避免早熟.最后,对五个测试函数进行了仿真,并与多种算法进行比较,结果表明改进算法的搜索性能得到了显著提升.

求解柔性分批调度问题的双层搜索框架入侵杂草算法

针对柔性作业车间分批调度问题,提出一种双层搜索框架下的改进入侵杂草算法,以获得理想的分批调度方案。首先提出融合批次批量、工序排列和加工机器信息的3层基因编码;其次设计一种双层搜索优化框架,先通过分批搜索层进行柔性批量划分,再采用排序搜索层迭代优化获取分批调度方案。在分批搜索层中,基于工序平均工时缩小分批的解空间,提出随机数字分割法用以生成分批方案;在排序搜索层中,采用入侵杂草算法实现迭代优化,同时设计了分层初始化方法、混合机器选择策略和3种局部搜索算子,以提升算法搜索能力,并避免陷入局部最优。最后以最大完工时间为评价指标,从性能实验分析、框架实验验证和实例实验验证3个维度验证了所提算法的优越性和可行性。

入侵杂草优化算法用于阵列天线方向图综合

针对目前智能优化算法在处理具有多零点、凹口和低旁瓣等要求的复杂阵列天线方向图综合问题时易出现收敛速度慢或局部最优的问题,引入一种新型入侵杂草优化算法,并在此基础上设计了一种自适应入侵杂草优化算法.新算法既提高了收敛速度,又平衡了全局和局部搜索能力.与同类算法相比,新算法在处理复杂阵列天线方向图综合问题中性能更佳,具有更高的收敛速度和计算精度.

基于入侵杂草优化算法的无线传感网节点定位

在基于测距的无线传感器网络节点定位中,最小二乘法由于定位误差的累积,定位精度不高。针对该问题,提出了一种基于入侵杂草优化算法的定位方法。该算法以定位误差为适应度函数,将定位问题转换为求解非线性方程组最优化问题。在求解的过程中,利用未知节点到锚节点的距离和锚节点可信度对适应度函数进行修正,以实现更高精度的定位。仿真实验表明:改进的定位算法,在不同测距误差、不同通信半径、不同锚节点数和不同节点数下,都能得到更高的定位精度。

采用入侵杂草优化算法的WSN定位精度提高方法

提高节点定位精度是无线传感器网络无需测距定位算法的关键问题之一。DV-Hop算法作为一种典型的无需测距定位算法也存在精度不高的问题。对此,提出了一种基于改进入侵杂草优化算法的新的定位算法。将算法中的目标函数设为节点定位误差,从考虑传感器节点定位问题转换为全局最优化问题,并利用人工蜂群搜索机制对入侵杂草优化算法进行改进。利用仿真技术对不同算法进行比较,从结果可以表明,本文提出的改进算法能够有效提高算法的定位精度。

基于入侵性杂草优化算法的图像识别的研究

针对小波不变矩提取的特征向量维数过大的问题,提出一种以类间、类内散布矩阵作为可分离判据的离散入侵性杂草优化算法实现特征向量的选择,利用BP神经网络作为分类器进行图像识别。实验仿真结果表明,与现有特征选择算法相比,改进的离散入侵性杂草优化算法对于图像特征向量的选择时间更短,识别正确率更高,能有效提高分类器的性能。

混合杂草算法优化支持向量机的网络入侵检测

为了提高网络入侵检测的正确率,提出一种混合入侵杂草HIWO(hybrid invasive weed optimization)算法优化SVM的网络入侵检测模型(HIWO-SVM)。该模型将SVM参数编码为入侵杂草,并以网络入侵检测率作为杂草种子适应度函数,然后通过模拟杂草入侵种子的空间扩散、生长、繁殖和竞争等过程找到SVM的最优参数。在寻优过程中引入遗传算法交叉操作以增强HIWO算法跳出局部极值的能力,最后根据最优参数建立网络入侵检测模型。在Matlab 2012平台采用KDD CUP 99数据集仿真测试,结果表明HIWO-SVM可以获得满意的网络入侵检测效果。

基于入侵杂草优化算法的配电网电源规划

在考虑负荷模型的基础上,以设备投资成本、燃料成本、维护成本、购电成本和排放成本最小为目标函数对配电网进行分布式电源优化配置。应用入侵杂草优化算法求解模型,实现分布式电源类型、位置和容量的同时优化。IEEE 33节点系统电源规划结果验证模型的合理性和入侵杂草优化算法的有效性。

一种基于入侵杂草算法改进的差分进化算法

差分进化算法(Differential Evolution, DE)的DE/rand/1/bin模式具有良好的全局性能,但其收敛速度慢,针对此,应用入侵杂草算法(Invasive Weed Optimization, IWO)的设计思想,研究提出一种改进的差分进化算法(Modified Differential Evolution Algorithm based on Invasive Weed Optimization, IWOMDE)。该算法依据IWO算法思想,以群体平均适应度为划分依据,将群体中的个体划分为优秀个体与较差个体,对优秀个体使其能够多进化,而较差个体少进化或者“停滞”以维持种群的多样性。仿真实验结果表明,IWOMDE算法对多峰多模态函数具有优化效率高、优化精度高的特性。

一种带局部搜索功能的入侵杂草优化算法

为了改善入侵杂草优化算法解的质量,提出一种带局部搜索功能的入侵杂草优化算法。该算法按照一定概率对每代产生的最优个体执行球体局部搜索算子或Logistic映射搜索算子,在最优个体周围进行精细搜索,并用搜索到的较优个体代替最优个体,提高了算法的局部搜索能力和优化精度。并对7个测试函数进行了仿真实验,结果表明:该算法具有较高的优化性能。

杂草算法优化支持向量机的网络入侵检测

为了解决支持向量机(优化SVM)在网络入侵检测中的参数优化问题,以提高网络入侵检测性能,提出一种入侵杂草(IWO)算法SVM的网络入侵检测模型(IWO-SVM)。首先将SVM参数编码为入侵杂草,以检测率作为优化目标函数,然后通过模拟杂草入侵种子的生长过程找到最SVM的最优参数,从而最优网络入侵检测模型,后在采用KDD99数据集性能测试。结果表明IWO-SVM是一种检测检测率高、速度快的网络入侵检测模型。

基于改进入侵杂草算法的有源配电网重构

针对含分布式电源(DG)的有源配电网重构问题,建立考虑DG出力优化的多场景重构模型,提出改进入侵杂草算法(MIWO)求解.该模型从配电系统运行效益和环境效益两个角度,以有功网损、节点电压偏差、负荷均衡度、污染物排放环境成本和弃风弃光成本最小为目标函数.MIWO算法在入侵杂草算法的基础上,设计适用于重构问题的初始种群选择机制,优化了随机产生的初始值;融合Lévy飞行过程和类海明距离判定,保持了种群的多样性,避免陷入局部寻优;提出种子数量调节策略,提高了收敛速度.IEEE 33节点配电系统仿真结果验证了所建模型和所提算法的有效性.与入侵杂草算法、粒子群算法和遗传算法相比,MIWO算法收敛速度更快、寻优能力更强、稳定性更好.

基于入侵杂草算法的WMS货位优化分配的研究

近年来,仓储管理的发展越来越迅速,在物流业中所居的地位也越来越高。仓库的出入库速度是影响仓库效率的重要因素,因此合理的库位分配可以有效地提高仓库的作业效率。针对仓库货位分配策略问题,以相同产品存储相邻位置、提高产品出入库效率、提高货架稳定性为目标,建立了多目标优化模型;然后使用权重系数法将多目标优化模型转化为单目标优化模型;最后分别通过遗传算法和入侵杂草算法来求解该单目标优化模型,并使用Matlab软件进行了仿真实验。对比两种算法的仿真结果可以看出,采用入侵杂草算法可以有效地解决自动化立体仓库的货位优化分配问题。

基于改进杂草入侵算法的阵元失效校正方法

针对天线损伤造成的阵元缺失问题,出现的旁瓣电平升高、主瓣展宽等性能恶化现象,提出一种通过改变计算适应度方法的改进杂草入侵优化算法。算法能够加快程序运行时间,提高算法效率。并利用改进的杂草入侵优化算法,针对-40dB的32单元阵列为例,随机缺失4阵元后进行优化,恢复原方向图副瓣水平。并且为验证算法在实际工程的应用性,针对16阵元天线采集实测数据进行校正优化。结果显示,上述算法能够有效地解决,阵列天线中天线单元失效后方向图恶化问题。

基于改进入侵杂草算法的稀疏线性阵列综合方法

针对大孔径情况下稀疏阵列方向图综合问题,提出了一种基于混沌序列的入侵杂草优化算法,通过减少阵列单元总数以降低系统成本。首先,在算法执行的初始阶段,利用混沌序列初始化可行解以增强搜索多样性;其次,在寻优的循环迭代过程中,当杂草间的曼哈顿距离小于设定阈值时,再次用混沌序列重新初始化杂草,使得全局搜索结果能够避免局部极小值;最后,通过将种群分为多个部分并行进化,可有效提高算法的收敛速度和寻优精度,克服早熟现象。仿真结果表明了该算法的有效性。