基于改进的混合蛙跳算法WSNs分簇路由协议

针对基本蛙跳算法(Frog Leaping Algorithm,FLA)在无线传感器网络(Wireless Sensor Networks,WSNs)中的精度低、易局部最优和收敛速度慢的缺点,本文提出一种改进的混合蛙跳算法(Improved Hybrid Frog Leaping Algorithm,IHFLA)路由协议。IHFLA通过引入密度稀疏的精英子群策略和全局循环搜索策略,来提高算法的全局收敛性能和精度。实验表明,IHFLA能快速收敛到最优解,具有很强的获取高精度解的能力,能降低网络能耗,延长网络生命周期。

基于改进混合蛙跳算法优化SVM的道岔故障诊断

针对道岔故障难以模拟导致的故障样本少、故障诊断困难等问题,提出一种改进混合蛙跳算法优化的支持向量机模型,基于小样本数据进行道岔故障诊断。支持向量机需要对参数择优选择,否则会造成过拟合或者欠拟合现象。将差分进化算法及模拟退火算法与混合蛙跳算法相融合,解决了混合蛙跳算法易陷入局部最优的问题,并将其用于优化支持向量机参数,提高支持向量机模型的故障诊断能力。通过对实测数据进行试验,测试结果表明:在相同条件下,本文提出的模型比支持向量机模型与混合蛙跳算法优化的支持向量机模型的平均故障诊断准确率提高了34.28%,比仅融合差分进化算法的混合蛙跳算法优化的支持向量机模型的平均故障诊断准确率提高了5.71%。故障诊断结果表明,本文提出的方法对基于小样本数据的道岔故障诊断更加有效。

基于离散混合蛙跳算法的地震应急物资调度

建立震后应急物资调度数学模型。该模型根据各灾区的受灾情况评估其救援紧急程度,并设计一种需求拆分供应的运输机制,提高车辆的利用效率。为求解该模型,提出一种多源信息学习的离散混合蛙跳算法。所提算法引入多种信息源以扩展算法的搜索方向,降低种群的同化速度。同时,让子组最差个体学习种群中的有效信息,提高算法的收敛精度。实验结果表明,所提算法能够搜索到精度更优的调度方案,对问题规模具有良好的可扩展性。

混合蛙跳算法在旋转货架货位优化中的应用

以集群旋转式货架存储货物的自动化立体仓库为研究对象,以提高货架整体和运动状态的单层稳定性、货物相关性和出入库效率等基本货位优化原则为目标,提出一种通用性较强的多参数混合蛙跳算法,对多目标优化问题进行建模,使用MATLAB工具进行仿真。通过实验结果的对比可知,多参数混合蛙跳算法比混合蛙跳算法具有一定的优越性,并且对于分析其他问题的适应性较强,对于多目标优化问题具有一定的理论意义。

基于混合蛙跳算法的城镇低效用地空间开发格局优化配置

由于现有的城镇低效用地空间开发格局优化配置方式面积增加量少、用地空间利用程度差,该文研究提出了基于混合蛙跳算法的优化配置方式。选择城镇低效用地可量化的指标数据,构建用地空间承载状况指标体系。运用熵值法对不同的指标进行赋权,获取有效信息。计算承载力结果,判断用地的承载状况。运用混合蛙跳算法的搜索能力对用地空间进行搜索开发。设定步长搜索目标的发展轨迹,并按照移动方向,不断搜索直到选择出更优的目标值,得到最优青蛙个体即在实际中为开发最优解。按照城镇低效用地空间特征,设定用地空间优化规则矩阵。运用集中紧凑方式协调土地潜在冲突风险,计算协调度水平来判断优化配置结果。如果协调度水平提高,说明土地琐碎化得到改善,达到优化效果。计算结果表明:在原有开发区面积上进行优化后,实验组优化后的面积为最大优化面积,提升了空间的利用程度,实现了基于混合蛙跳算法的城镇低效用地空间开发格局优化配置方法的良好应用。

基于改进的混合蛙跳算法对旱地小麦籽粒生长模型参数的优化

【目的】作为农业智能化生产的核心决策模块,作物模型的精确模拟取决于模型参数的高效准确优化。为了提高调参效率,提升作物模型的性能和精确度,本研究通过改进优化算法对旱地春小麦籽粒生长子模型进行单目标参数优化,为中国西北部黄土丘陵区旱地春小麦的适应性研究提供参考,扩大模型的应用范围,以便于模型更好地指导农业生产。【方法】立足于2015—2021年甘肃省定西市安定区凤翔镇安家坡村的田间试验,结合1970—2021年的天气数据和年鉴产量数据,在发挥传统混合蛙跳算法(SFLA)全局交流、局部深度搜索的基础上,使用轮盘赌选择策略对旱地小麦籽粒生长阶段的6个参数进行进一步的优化,进行算法改进前后产量实测值与模拟值的误差计算与对比,对APSIM-Wheat模型进行检验。【结果】(1)在相同的迭代次数下,传统混合蛙跳算法在200次左右收敛,改进后的混合蛙跳算法在100次左右收敛;(2)旱地春小麦籽粒生长阶段的参数优化结果为小麦茎部分的每克籽粒数为26.0;开花至开始灌浆阶段的潜在籽粒灌浆速率为0.00119 grain/d;灌浆阶段的潜在籽粒灌浆速率为0.00174 grain/d;氮限制下的潜在籽粒灌浆速率为6.20×10^(-5)g grain/d;氮限制下的最小籽粒灌浆速率为1.90×10^(-5)g grain/d;单株小麦籽粒部分的最大干重值为0.0437 g;(3)分别使用传统混合蛙跳算法优化后所得参数值和改进混合蛙跳算法优化后所得参数值模拟小麦产量,参数优化后,产量实测值与模拟值的均方根误差(RMSE)从363.22 kg·hm^(-2)降至57.85 kg·hm^(-2),标准均方根误差(NRMSE)从21.78%降至3.47%。【结论】相较于传统的混合蛙跳算法,改进后的混合蛙跳算法增加了种群和子群的多样性,收敛速度快,提高了优化效率和精度,优化后的结果符合旱地春小麦的生长发育过程,适用性较高,明显改善了中国西北部黄土丘陵农业区APSIM-Wheat模型的性能。

基于改进混合蛙跳算法的测试数据自动生成

测试数据的生成是实现软件测试自动化的重要环节。为了提高单元测试中测试数据的生成质量和效率,提出一种基于混合蛙跳算法的测试数据生成算法。该算法通过引入动态阈值来控制个体的移动步长,以平衡算法的全局开发和局部搜索能力,同时改进个体的随机跳动策略,转化为向随机个体学习,增强种群之间的信息交流以提高算法的全局搜索能力。将改进的算法应用到测试数据生成中。实验结果表明,在种群规模不断变化的情况下,改进的混合蛙跳算法相较于标准混合蛙跳算法、布谷鸟搜索算法、粒子群优化算法,其稳定性最强;在测试数据生成的平均迭代次数评价指标上改进的混合蛙跳算法优于对比算法。

基于改进混合蛙跳算法的微电网优化配置方法研究

微电网内分布式电源波动较大,对并网产生了一些负面影响。将有功网损和静态电压结合建立多目标优化模型,采用改进的混合跳蛙算法求解含约束的多目标优化模型,并为微电网配置更好的运行模式。通过仿真进行对比分析,验证该方法的优越性。结果表明,该方法能较好地协调系统的多目标,虽然各子目标不是最优的,但可以很好地调整各子目标之间的关系,达到整体优化的效果。

混合蛙跳自抗扰控制的永磁同步电机转速波动抑制

引入混合蛙跳自抗扰控制方法,以改善数控机床用永磁同步电机运行时因参数变化和负载扰动造成的转速波动问题。首先,通过电机的转速解析模型,分析转速波动的影响因素,并建立电机鲁棒控制系统;其次,引入自抗扰控制方法,根据状态方程构造转速和电流控制器用于输出电流和电压;然后,利用混合蛙跳算法对自抗扰控制器中的状态反馈误差增益自动进行优化整定,提升自抗扰控制器在参数变化时的鲁棒性;最后,通过实验验证了方法的有效性和可行性。

一种基于阈值选择策略的改进混合蛙跳算法

混合蛙跳算法(SFLA)是一种全新的后启发式群体进化算法,具有高效的计算性能和优良的全局搜索能力。对混合蛙跳算法的基本原理进行了阐述,针对算法局部更新策略引起的更新操作前后个体空间位置变化较大,降低收敛速度这一问题,提出一种基于阈值选择策略的改进混合蛙跳算法。通过不满足阈值条件的个体分量不予更新的策略,减小了个体空间差异,从而改善了算法性能。数值实验证明了该改进算法的有效性,并对改进算法的阈值参数进行了率定。

改进混合蛙跳算法求解旅行商问题

以旅行商问题(TSP)为例,引入调整序思想设计了局部搜索策略,同时在全局信息交换过程中加入变异操作,提出一种改进混合蛙跳算法求解TSP问题。实验结果表明,与遗传算法和粒子群优化算法相比较,改进混合蛙跳算法在求解TSP问题上具有更好的搜索性能和顽健性。

基于阈值选择策略的改进混合蛙跳算法在电网规划中的应用

利用混合蛙跳算法(SFLA)具有高效计算性能和优良全局搜索能力的优势,针对其侧重于解决连续性问题以及易陷入局部最优解的不足,通过对混合蛙跳算法的解向量进行离散化处理并采用阈值选择策略,提出了适用于电网规划的一种基于阈值选择策略的改进混合蛙跳算法(ISFLA)。算例应用结果表明,与粒子群算法(PSO)相比,所提算法能够在较小的计算规模和较短的计算时间内得到全局最优解。通过进一步分析不同阈值对算法收敛速度的影响可以看出,应针对不同的电网规模及扩展规划范围选择合理的阈值,以此提高ISFLA的收敛速度和电网规划的有效性。

混合蛙跳算法自适应参数调整改进策略

针对基本混合蛙跳算法(shuffled frog leaping algorithm,SFL)在求解高维复杂问题时的不足,本文提出一种自适应参数调整的改进策略。首先,利用变公比数列分析了SFL更新轨迹的收敛性;在此基础上,利用系统稳定性分析方法,提出在SFL更新公式中基于比例系数和适应度标准差来自适应调整更新的方法。最后,基于3组共8个标准测试函数将本文改进SFL与基本SFL和4个改进型粒子群优化算法(particle swarm optimization,PSO)作对比,验证了本文改进策略对各类复杂函数的高效性;同时,对比了改进SFL与基本SFL和wPSO在求解高维问题时的性能,验证了改进SFL对高维问题求解的有效性。

基于改进混合蛙跳算法的CVRP求解

该文提出基于实数编码模式的混合蛙跳算法(Shuffled Frog Leaping Algorithm,SFLA)求解容量约束车辆路径问题(Capacitated Vehicle Routing Problem,CVRP);把具有极强局部搜索能力的幂律极值动力学优化(PowerLaw Extremal Optimization,τ-EO)融合于SFLA,针对CVRP对τ-EO过程进行设计和改进。改进的τ-EO采用新颖的组元适应度计算方法;采用幂律概率分布来挑选需要变异的组元;根据最邻近城市表,采用幂律概率分布挑选变异组元的最佳邻近城市,执行线路间或线路内的变异。求解测试库中的实例,证明该改进算法有效。

基于改进混合蛙跳算法的梯级水库优化调度

针对混合蛙跳算法在寻优过程中出现的早熟收敛问题,利用混沌技术的遍历性优势对子群最优个体进行变异操作,形成局部精细搜索策略;根据蛙群相对多样性参数来判断算法是否陷入局部最优,进而对蛙群最优个体进行扰动以提高全局寻优能力,形成全局激励调节策略。耦合2种策略,提出了一种改进混合蛙跳算法。将其应用于李仙江梯级水库优化调度中,结果表明所提算法具有寻优质量高、收敛速度快的特点,有效地克服了标准混合蛙跳算法的早熟缺陷,为水库调度模型的求解提供了一种新方法。

改进的混合蛙跳算法

为提高混合蛙跳算法在优化问题求解中的性能,提出了一种改进混合蛙跳算法。改进算法在原算法基础上加入了变异算子,并根据算法进化过程的不同阶段和进化过程中候选解分布情况,利用模糊控制器对变异算子的变异尺度进行调整,实现了变异算子在解空间中搜索范围的动态调整。通过对优化问题中4个典型测试函数的仿真实验表明,与基本蛙跳算法和已有改进算法相比,改进算法在寻优精度、收敛速度和求解成功率上均有一倍以上的提高,尤其在高维复杂优化问题求解中体现出较强的寻优能力。

一种改进的混合蛙跳算法及其收敛性分析

为了提高混合蛙跳算法(SFLA)求解函数优化问题的能力,借鉴PSO与DE的进化算子提出了一种改进的混合蛙跳算法(ESFLA),分析了ESFLA的时间复杂性,并基于有限Markov链证明了ESFLA的全局收敛性。对ESFLA、SFLA与ISFLA2的仿真计算结果表明,ESFLA比SFLA和ISFLA2更适用于求解复杂的函数优化问题。

改进的混合蛙跳算法性能分析及其在电力系统经济调度中的应用

针对基本混合蛙跳算法收敛速度慢,优化精度低的问题,提出了改进的混合蛙跳算法:通过引入自适应因子,保持了算法开发与探索的平衡,维持了种群的多样性,提高了个体向局部最优或全局最优个体学习的能力,加快了算法的收敛速度。通过对4个测试函数和电力系统中经济调度问题进行优化实验,并与基本混合蛙跳算法和相关文献中的改进算法进行比较,实验结果表明所提出的改进算法取得了更加理想的运算结果,具有更好的优化性能。

基于改进混合蛙跳算法的动态环境路径规划

针对复杂场景中路径规划具有未知性和动态性,传统方法无法对路径规划问题进行求解的问题,设计一种改进混合蛙跳算法的机器人路径规划方法,以提高动态环境路径规划的求解精度.首先对动态环境路径规划的研究现状进行分析,并在此基础上建立数学模型;然后采用混合蛙跳算法对该模型进行求解,并针对基本混合蛙跳算法不足进行改进;最后对路径规划的有效性进行测试.测试结果表明,混合蛙跳算法可准确找到最优的路径规划方案,可应用于复杂场景路径规划中,且性能优于其他路径规划方法.

基于分子动力学模拟的改进混合蛙跳算法

针对基本的混合蛙跳算法(Shuffled frog leaping algorithm,SFLA)后期搜索速度变慢,容易陷入局部最优解的缺点,借鉴分子动力学(Molecular dynamics,MD)模拟的思想,提出一种基于分子动力学模拟的改进的混合蛙跳算法。该算法将种群中的粒子等效成分子,并提出一种新的分子间作用力计算方法来代替两体间经典的Lennard-Jones作用力计算方法,利用Velocity-Verlet算法和高斯变异算子代替基本混合蛙跳算法的更新策略,有效地平衡了种群的多样性和搜索的高效性。高维多峰函数测试的结果表明,基于分子动力学模拟的改进混合蛙跳算法能提高算法后期跳出局部极值的能力,全局寻优能力明显优于基本的混合蛙跳算法。