一种改进的人工生态系统优化算法

人工生态系统优化算法是一种模拟生态系统中生物生产、消耗和分解的一种元启发式算法,具有简单、可调节参数少等优点,但容易早熟收敛或陷入局部最优。为了进一步提高人工生态系统优化算法的性能,本文提出一种改进的人工生态系统优化算法,记作IIAEO。通过模拟光的折射进行种群初始化,提高初始解的质量,将Lévy飞行和布朗运动相结合,更好地平衡探索和开采能力;同时,加入余弦算子和Cauchy算子,避免陷入局部最优。将IIAEO算法与其他四种算法在5个基准函数上进行对比实验,统计分析结果表明,该算法具有良好的性能,明显优于原始的人工生态系统优化算法。

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。

基于人工生态系统优化算法的组合生长需水预测模型

为提高需水预测精度,拓展生长模型在需水预测中的应用,提出基于人工生态系统优化(AEO)算法的组合生长需水预测模型。结合实例,选取6个标准测试函数在不同维度条件下对AEO算法进行仿真验证,并与鲸鱼优化算法(WOA)、灰狼优化(GWO)算法、教学优化(TLBO)算法和传统粒子群优化(PSO)算法的仿真结果进行比较。基于Weibull、Richards、Usher 3种单一生长模型构建Weibull-Richards-Usher、Weibull-Richards、Weibull-Usher、Richards-Usher 4种组合生长模型,利用AEO算法同时对组合模型参数和权重系数进行优化,提出AEO-Weibull-Richards-Usher、AEO-Weibull-Richards、AEO-Weibull-Usher、AEO-Richards-Usher需水预测模型,并构建AEOWeibull、AEO-Richards、AEO-Usher、AEO-SVM、AEO-BP模型作对比,以上海市需水预测为例进行实例验证,利用实例前30组和后8组统计资料对各组合模型进行训练和预测。结果表明,在不同维度条件下,AEO算法寻优精度优于WOA、GWO、TLBO、PSO算法,具有较好的寻优精度和全局搜索能力。4种组合模型对实例预测的平均相对误差绝对值、平均绝对误差分别在0.94%~1.17%、0.30亿~0.37亿m3之间,预测精度优于AEO-Weibull等其他5种模型。4种组合模型均具有较好的预测精度和泛化能力,表明AEO算法能同时有效优化组合生长模型参数和权重系数,基于AEO算法的组合生长模型用于需水预测是可行和有效的。

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。

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。

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。

基于改进人工鱼群算法优化的 BP神经网络预测控制系统

为了使传统的BP神经网络预测控制的收敛速度更快、准确率更高,提出一种改进的人工鱼群算法。分别用BP神经网络、PSO-BP神经网络和IAFSA-BP神经网络来优化预测控制系统的建模部分和滚动优化部分,并进行仿真试验,结果表明:IAFSA-BP神经网络优化后的预测模型精度更高,并且滚动优化部分的响应速度加快,控制系统更稳定。

基于自适应改进行为人工鱼群算法的电磁系统优化设计

采用自适应改进行为人工鱼群算法,对电磁系统进行静态优化设计来减少材料的使用和降低生产成本。该算法利用人工鱼群算法的收敛快速性和较好的求取全局极值的能力,求解最优解的领域,然后利用该算法特有的自适应能力和优秀的人工鱼行为,获得最优解,大大提高求解速度和精度。建立了交流接触器电磁系统的静态优化设计的数学模型,求解静态约束条件,编制静态优化计算程序。最后,以CJ20-25型号交流接触器为例进行了优化设计。优化结果表明:在保证产品质量的前提下,优化后的产品有效地节省了材料,达到了降低产品成本的目的。

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。