基于混沌反向学习和水波算法改进的白鲸优化算法

针对原始的白鲸算法(beluga whale optimization,BWO)在某些情况下,中后期的探索和开发能力不足、多样性和求解精度降低、容易陷入局部最优等问题,提出一种基于混沌反向学习和水波算法改进的白鲸优化算法(TWBWO),进一步提高白鲸算法的计算精度和收敛速度,增强全局搜索和跳出局部最优能力。结合混沌映射和反向学习策略提高种群的质量和多样性,加快收敛速度。引入水波算法(water wave optimization,WWO)的折射操作,避免寻优时轻易陷入局部最优,提高计算精度。实验结果表明,TWBWO算法较之原始算法和其他经典算法在收敛速度和求解精度以及稳定性方面更为优秀,性能和寻优能力更强。

一种多策略改进鲸鱼优化算法的混沌系统参数辨识

针对混沌系统参数辨识精度不高的问题,以鲸鱼优化算法(whale optimization algorithm,WOA)为基础,提出一种多策略改进鲸鱼优化算法(multi-strategy improved whale optimization algorithm,MIWOA)。采用Chebyshev混沌映射选取高质量初始种群,采用非线性收敛因子和自适应权重,提高算法收敛速度,为了避免算法陷入局部最优,动态选择自适应t分布或蚁狮优化算法更新后期位置,提高处理局部极值的能力。通过对10个基准函数和高维测试函数进行仿真试验,表明MIWOA具有良好的稳定性和收敛精度。将MIWOA应用于辨识Rossler和Lu混沌系统参数,仿真结果优于现有成果,表明本文MIWOA辨识混沌系统参数的高效性和实用性。

基于改进混沌算法的供热机组热电负荷优化分配系统

热电负荷拟合效果不佳会导致供热机组实际耗能量大幅增加,为此,该文设计基于改进混沌算法的供热机组热电负荷优化分配系统。按照主供热单元连接形式,实现热电负荷循环模式规划,确定热电负荷优化布置标准。根据混沌指数计算结果,求解改进罚函数,完成对混沌算法的改进,构建供热机组热电负荷分配的数学模型,并设计负荷分配模型的约束条件,完成供热机组热电负荷优化分配系统设计。实验结果表明,热电负荷参量与标准拟合曲线之间的误差不会超过30%,可以解决因热电负荷拟合效果不佳导致的供热机组实际耗能量增加的问题。

基于混沌自适应果蝇优化的PID参数优化

针对标准果蝇算法(FOA)收敛速度快慢依赖初始化且易陷入局部最优的缺陷,提出一种混沌自适应果蝇优化算法(GIFOA)的PID参数优化方案。GIFOA采用混沌映射初始化种群,增加种群的遍历性;自适应调节搜索步长平衡全局和局部搜索能力;以搜索方向作为浓度判定值,控制偏差绝对值和控制器输入平方项的时间积分作为适应度函数,并将此优化算法应用于二阶时滞系统的PID控制参数调节。

基于改进二进制蛇优化算法的配电网故障定位

分布式电源(distributed generation,DG)大规模接入给配电系统带来更多不确定性、随机性,系统运行方式更复杂,传统故障定位方法难以适应新型电力系统构建。提出了一种基于改进二进制蛇优化算法(improved binary snake optimization,IBSO)的新型故障区段定位方法。利用SPM混沌映射生成高质量的随机数序列,以提高算法种群中个体的随机性,并引入了遗传算法的动态变异策略,根据不同的搜索状态和进化阶段来调整变异率和变异方式,提高算法的灵活性和准确性。通过仿真证明,该方法适用于在含有分布式电源的配电网中定位单一和多重故障区段,相比蛇优化算法、传统二进制粒子群算法以及遗传算法在收敛性、快速性和准确性方面更优。

基于惯性权重调整的果蝇优化算法在WSN中的应用

目的:针对无线传感器网络随机部署节点的区域覆盖和传感器节点能量消耗问题,提出一种基于惯性权重余弦自适应调整策略的改进果蝇优化算法。方法:该算法在果蝇优化算法基础上,通过引入惯性权重的学习因子调整策略,在线调整算法的搜索步长。结果:增强了果蝇个体的自适应性及全局搜索能力,从而实现全局最优。结论:仿真实验表明,提出的改进果蝇优化算法不仅提高了收敛速度和全局搜索能力,还显著提升了WSN的覆盖率。

基于IACO改进Logistic混沌序列的WSN布局优化

标准PSPIEL算法存在分簇随机问题,引入混沌算子提出Logistic混沌序列算法,提出一种改进蚁群算法(IACO)。将两种方法相结合寻优,提出IACO改进Logistic混沌序列,该方法能够较好地应用于无线传感器网络(Wireless Sensor Networks,WSN)布局中。通过实验对IACO改进Logistic混沌序列有效性进行验证,结果表明,在同样互信息量下相对pSPIEL算法、贪婪算法、IACO算法达到了最低通信成本。应用IACO改进Logistic混沌序列的过程中,传感器实际使用数量减小,能够满足效益要求。该研究对提高无线传感器布局优化能力具有一定的理论指导意义。

基于改进果蝇优化算法的BP神经网络在组合梁钢构件定位中的应用

为提高桥梁钢构件的安装精度,建立了基于改进果蝇优化算法的BP神经网络,实现了对钢构件空间坐标的精确预测。在果蝇算法中,引入Logistic映射以优化果蝇种群初始位置,增加混沌动态权重和多种群协同搜索用于加强算法的全局搜索和局部探索能力,有效改进了BP神经网络在处理复杂工程问题时训练时间长和精度低等问题。改进后的BP神经网络可对影响钢构件定位的多个变量进行识别,并筛选出其中的关键变量。结合某波形钢腹板-预应力混凝土组合梁矮塔斜拉桥的工程实例,利用优化后的神经网络对即将施工节段的钢腹板和钢锚箱的空间坐标进行预测。研究表明:经过施工过程验证,该桥钢锚箱与波形钢腹板开孔连接件的孔轴误差、钢锚箱拉索套管误差等问题得到了大幅改善,体现了改进的BP网络在准确预测钢构件的空间坐标。

基于改进PSO算法的光伏阵列MPPT研究

为解决传统粒子群优化(PSO)算法在寻优过程中出现粒子早熟、收敛速度慢、易陷入局部优化等问题,提出一种基于反向学习的Logistic-Tent双重混沌映射和时变双重压缩因子(TVCF)策略的改进粒子群优化(LT-TVCFPSO)算法,在传统PSO算法基础上,引入了Logistic-Tent混沌映射和TVCF,既可增强种群多样性,避免粒子早熟,跳出局部优化,又能加快粒子收敛,提升全局寻优能力。最后在MATLAB/Simu-link上进行仿真。仿真结果表明:相比于传统MPPT算法,LT-TVCFPSO算法能够快速准确地追踪到全局最大功率点(GMPP)。

自适应混沌果蝇优化算法

针对基本果蝇优化算法(FOA)寻优精度不高和易陷入局部最优的缺点,融入混沌算法对果蝇优化算法的进化机制进行优化,提出自适应混沌果蝇优化算法(ACFOA)。在算法处于收敛状态时,应用混沌算法进行全局寻优,从而跳出局部极值而继续优化。对几种经典测试函数的仿真结果表明,ACFOA具有更好的全局搜索能力,在收敛速度、收敛可靠性及收敛精度上均比基本FOA有较大的提高。

最小二乘支持向量机联合改进果蝇优化算法的CFB锅炉燃烧优化

针对电厂循环流化床(CFB)锅炉降低污染物排放和提高锅炉燃烧效率的问题,本文首先应用最小二乘支持向量机(LS-SVM)建立了锅炉效率、NO_x和SO_2排放特性的软测量模型,并对比了LS-SVM和BP神经网络模型的性能;然后基于LS-SVM建立的模型,提出了3种优化策略,采用改进果蝇优化算法(MFOA)在一定范围内对CFB锅炉运行工况的可调参数进行优化。结果表明:LS-SVM模型与BP神经网络模型相比,训练时间较短,预测精度较高,泛化能力较强;CFB锅炉效率最多提高了0.61%,NO_x和SO_2排放质量浓度最多降低了7.88%和18.13%。

基于改进教学优化算法的Hermite正交基神经网络混沌时间序列预测

针对传统预测模型对混沌时间序列预测精度低、收敛速度慢及模型结构复杂的问题,提出了基于改进教学优化算法的Hermite正交基神经网络预测模型.首先,将自相关法和Cao方法相结合对混沌时间序列进行相空间重构,以获得重构延迟时间向量;其次,以Hermite正交基函数为激励函数构成Hermite正交基神经网络,作为预测模型;最后,将模型参数优化问题转化为多维空间上的函数优化问题,利用改进教学优化算法对预测模型进行参数优化,以建立预测模型并进行预测分析.分别以Lorenz系统和Liu系统为模型,通过四阶Runge-Kutta法产生混沌时间序列作为仿真对象,并进行单步及多步预测对比实验.仿真结果表明,与径向基函数神经网络、回声状态网络、最小二乘支持向量机及基于教学优化算法的Hermite正交基神经网络预测模型相比,所提预测模型具有更高的预测精度、更快的收敛速度和更简单的模型结构,验证了该模型的高效性,便于推广和应用.

基于改进果蝇优化算法优化支持向量机的故障诊断

为提高支持向量机(SVM)在机械故障诊断中的精度,对果蝇优化算法(FOA)进行改进,提取了一种基于改进果蝇优化算法优化SVM的故障诊断方法。改进果蝇优化算法(IFOA)中果蝇个体在进行位置更新时,融入了历史位置信息,在增加果蝇种群多样性的同时,又使算法具有了跳出局部最优的能力,进而可以获得更优的SVM参数以增强SVM分类性能。齿轮故障诊断实例验证了IFOA算法提升了SVM的识别效果,相比于其他一些方法更有优势。

基于混沌扰动策略的果蝇优化算法

果蝇优化算法是模拟果蝇觅食的一种解决优化问题的智能算法,但是为了避免其在优化过程中容易陷入局部极值的缺陷,提出一种新的基于混沌扰动的果蝇优化算法.在迭代过程中,首先利用基本果蝇算法获得最优个体,然后对最优个体引入混沌扰动策略,增强获得全局最优解的可能性.同时通过动态变化系数η调整在迭代寻求过程中混沌扰动变量的值,提高算法跳出局部最优和寻找全局最优的能力.对6个经典测试函数的仿真结果表明,新算法的收敛速度、收敛精度和鲁棒性方面比基本果蝇优化算法具有明显优势.

改进正弦算法引导的蜣螂优化算法

蜣螂优化器(dung beetle optimizer,DBO)是一种有效的元启发式算法。蜣螂优化算法虽然具有寻优能力强,收敛速度快的特点,但同时也存在全局探索和局部开发能力不平衡,容易陷入局部最优,且全局探索能力较弱的缺点。提出了一种改进的DBO算法来解决全局优化问题,命名为MSADBO。受改进正弦算法(improved sine algorithm,MSA)的启发,赋予蜣螂MSA的全局探索和局部开发能力,扩大其搜索范围,提高全局探索能力,减少陷入局部最优的可能性。同时加入了混沌映射初始化和变异算子进行扰动。为了验证MSADBO的有效性,对该算法采用23个基准测试函数进行了测试,并与其他知名的元启发式算法进行了比较。结果表明,该算法具有良好的性能。为了进一步阐述MSADBO算法的实际应用潜力,将该算法成功地应用于3个工程设计问题。实验结果表明,所提出的MSADBO算法可以有效地处理实际应用问题。

改进果蝇算法在净化除钴过程锌粉量优化设定中的应用

本文提出一种基于细菌迁徙的自适应果蝇算法(CAFOABM),用于求解净化除钴过程锌粉添加量优化设定问题.首先从净化除钴的反应机理出发,通过引入除钴率建立锌粉添加量与氧化还原电位值、出口钴离子浓度间带约束的非线性优化设定模型;为了避免果蝇算法在迭代寻优过程中出现停滞现象,CAFOABM引入多种群并行搜索策略和改进搜索算子对搜索状态的转移规则进行改进;并采用区分可行解与不可行解法进行约束处理,保留一定比例的不可行解个体,有效避免了有用解信息的丢失.实际生产数据验证结果表明,CAFOABM算法优化设定的锌粉添加量与人工操作的经验数据相比减少7.83%,出口钴离子浓度满足实际生产要求且趋于平稳.

基于改进果蝇算法优化的微电网逆变器恒功率控制算法

针对微电网逆变器恒功率控制器PI参数优化的问题,提出了基于种群分区的多策略自适应果蝇(ppma FOA)优化的PI参数在线优化算法。根据适应度值进行排序将果蝇种群分为三个区,因每个区果蝇性能的差异提出多策略更新模式:Ⅰ区局部精细搜索保证种群不退化,Ⅱ区根据算法所处环境自适应调节算法的多样性和收敛性,Ⅲ区引导果蝇加速收敛,提高了算法的开发和探索能力。采用5种对比算法,利用微电网恒功率控制系统进行实验,验证了所提算法的性能和经ppma FOA算法优化后逆变器的响应速度更快、误差更小、输出更稳定。

应用混沌果蝇算法的路径覆盖测试用例优化技术研究

提出一种基于混沌果蝇的路径覆盖测试用例生成方法.鉴于果蝇优化算法与遗传算法等常用算法属于同一类型智能算法,且果蝇优化算法具有计算量小,复杂度低,寻优精度高等优点,故将果蝇优化算法运用到软件测试领域内,通过路径覆盖来实现测试数据的自动生成;并且针对果蝇优化算法表现出的易陷入局部最优问题,融入了一种新的混沌策略,对每次迭代过程中最优个体进行了改进,在保留优秀个体的同时,增加种群的多样性,优化全局搜索能力.最后,本文通过两组仿真实验,分别对比了在不同迭代次数下的覆盖率,及覆盖全部目标路径下的评价次数与运行时间,均取得较好的实验效果,验证了本文方法在路径覆盖测试领域内的有效性.

采用改进果蝇优化算法的最小二乘支持向量机参数优化方法

针对最小二乘支持向量机建模中超参数选择盲目的问题,提出了一种新的改进果蝇优化算法用于超参数寻优。该算法在果蝇优化算法的基础上,通过判断当代寻优所获得的最优值与前代最优值的关系来选择不同的步长计算公式,以实现搜索步长的自适应更新,使其不仅具有果蝇优化算法调整参数少、计算速度快的优越性,而且提高了果蝇优化算法的寻优精度和全局寻优能力。仿真结果和磨机负荷应用表明,与基于网格搜索法、粒子群优化算法以及未改进的果蝇优化算法所建立的预测模型相比,基于改进的果蝇优化算法所建立的预测模型可以显著提高磨机负荷的预测精度,能更准确地描述出磨机负荷的变化规律。

一种新型的混沌步长果蝇优化算法

针对果蝇优化算法存在算法易早熟、收敛不足的问题,将Hénon混沌映射引用为步长因子,提出了一种混沌步长果蝇优化算法。利用Hénon映射所产生的混沌现象具有良好的遍历性、多样性的特点来改进果蝇算法的固定步长,并增加放大系数以提高算法的全局和局部搜索能力以及跳出局部最优解的能力。对10个经典测试函数进行测试,并与多个算法进行了对比分析,研究结果表明,该算法具有较高的全局搜索和跳出局部最优解的能力。