改进蛙跳算法求解武器目标分配问题

针对武器目标分配问题,提出一种改进蛙跳算法来求解空间受限的武器目标分配。首先,基于武器目标分配原则建立多约束条件下武器目标分配模型,并将多目标优化问题转化为单目标优化问题;其次,采用基于非支配等级和拥挤度因子的精英选择策略改进初始种群的多样性和均匀度,提升算法最优解的质量;最后,通过合理的想定背景进行仿真计算,结果表明:该方法可有效平衡搜索时间和全局最优解质量,可作为编队防空作战时武器目标分配的一个不错选择,通过与SFLA算法和遗传算法进行比对分析,表明该算法相对SFLA算法求解的最优解质量高,相对遗传算法搜索效率高。

多目标混合蛙跳算法中改进的种群分割方法

种群分割方法是混合蛙跳算法最重要的组成部分之一,直接影响算法的性能。针对多目标混合蛙跳算法,提出一种新的种群分割方法。该方法将代表潜在最优区域的非支配个体集合通过聚类的方式划分族群,目的是使不同族群在不同区域进行局部搜索,避免算法早熟。被支配个体则根据其与非支配个体集合的近似度分配到族群中,并通过随机加入其他族群个体的方式提高本族群的多样性。实验结果表明,相对于其他种群分割方法,本文的方法在提高多目标混合蛙跳算法的收敛性能和收敛速度方面都具有一定的优势,而且对于目标个数较多的问题也能获得较好的结果。

改进的蛙跳算法在多目标优化问题中的应用

在介绍原始混洗蛙跳算法的基础上,引入遗传算法中的遗传算子,改进原始蛙跳算法的分组方法,提出一种改进的混洗蛙跳算法用于求解多目标优化问题。改进的算法以多目标0-1背包问题为例进行模拟实验,其实验结果表示,与原始的混洗蛙跳算法相比较,改进的蛙跳算法在求解多目标优化问题上具有更好的性能。

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。

基于改进蛙跳算法的多目标选择性拆卸序列规划方法

为提高产品再制造拆卸效率与收益,提出基于多目标改进蛙跳算法的多目标件选择性拆卸序列规划方法。首先优化拆卸信息建模方法,利用紧固件约束矩阵和结构件约束矩阵,构建产品拆卸信息模型并构造可行解;以拆卸时间最小化和拆卸收益最大化为目标,以多目标件价值为导向构建一种新的多目标选择性序列评价方法,同时构建多目标件选择性拆卸序列规划数学模型。融入Pareto思想构建多目标改进蛙跳算法,提出三段式编码构建青蛙个体,以实现选择性拆卸序列的多样性调节;采用基于快速非支配排序与拥挤度比较思想的改进排序分组策略进行多目标优化蛙群分组;提出基于调节位置的调节序方法对子蛙群局部搜索方式进行离散化处理,并构建新的青蛙个体位置更新公式,同时通过构建青蛙个体更新次劣域增加信息源以实现子群体充分交流;为兼顾信息交互深度和多样,提出一种新的交叉和变异思想构建全局信息交互策略。最后,通过不同规模的拆卸实例,将改进后的多目标蛙跳算法与多目标算法NSGA-Ⅱ和粒子群算法进行多指标对比分析,验证了该算法的可行性与优越性。

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。

蛙跳优化算法求解多目标无等待流水线调度

提出了基于Pareto边界和档案集的改进蛙跳算法,解决以最大完工时间、最大拖后时间和总流经时间为目标值的无等待流水线调度问题.首先,采用NEH(Nawaz-Enscore-Ham)启发式与随机解相结合的初始化方法,保证了初始群体的质量和分布性;其次,采用两点交叉方法生成新解,使蛙跳算法能够直接用于解决调度问题;再次,利用非支配解集动态更新群体,改善了群体的质量和多样性;最后,将基于插入邻域的快速局部搜索算法嵌入到蛙跳算法中,增强了算法的开发能力和效率.仿真试验表明了所得蛙跳算法的有效性和高效性.

梯级水库生态调度多目标混合蛙跳差分算法研究

提出多目标混合蛙跳差分算法求解梯级水库多目标生态调度模型。该算法结合混沌理论生成初始解以提高初始解群体质量,构建基于动态更新机制的外部归档集引导种群进化,提高算法的收敛性与非劣解的多样性,引入自适应差分算法加快子种群个体寻优,提高算法收敛速度。对L河梯级水库多目标生态调度进行实例研究,计算结果表明:本文所提出的算法能够计算得到收敛性与分布性较好的调度方案集,对比典型调度方案下泄径流与物种生态适宜径流,表明生态调度能够较好满足物种的生态需水,生态效益显著。

混洗蛙跳算法的改进研究

针对基本混洗蛙跳算法(Shuffled Frog Leaping Algorithm,SFLA)收敛速度慢、优化精度低且易于陷入局部最优的问题,对其进行多项改进。采用随机分组策略,平衡各子群的寻优能力,保持种群多样性;打破最差蛙只向最优蛙学习的模式,引入Minkowski距离,使最差蛙借助更多同伴信息选择进化方向,增强种群适应性;针对最优蛙进化机会少,引入精英策略和变异思想更新其位置,避免陷入局部极小,加快收敛速度,最后选取合适的目标函数,将改进前后混洗蛙跳算法(Improved Shuffled Frog Leaping Algorithm,ISFLA)用于冷轧液压伺服位置自动控制(Automatic Position Control,APC)系统的PID参数整定,并将整定结果进行西门子PLC实验验证,结果表明改进后算法的有效性和高效性。

基于改进蛙跳算法的可重构装配线调度研究

提出了一种改进蛙跳算法,该算法综合运用了SPV规则编码、启发式算法和随机方式初始化、自适应小生境的精英解集维护、结合粒子群算法中的粒子更新策略的局部搜索.通过该算法来解决可重构装配线调度中的三个主要影响因素,即最小重构装配线成本、最小零部件需求变化率、最小延误工作量构成的调度模型.实例仿真表明,该算法具有比其他相关算法有更高的求解质量.

基于改进混合蛙跳算法的图像阈值分割算法

针对最大类间方差法在图像分割时存在造成噪声干扰和过分割的缺点,提出一种基于改进混合蛙跳算法的图像阈值分割算法。算法将苹果图像编码处理,选取图像的类间方差作为改进混合蛙跳算法的适应度值,通过改进的混合蛙跳算法寻找最大的分割阈值,利用该最优阈值使用经典最大类间方差法对花牛苹果图像进行分割。选取强光、较强光、较弱光和弱光条件下四幅花牛苹果图像进行分割实验,结果表明,采用基于改进混合蛙跳算法的图像阈值分割算法较最大类间方差法和基于混合蛙跳算法的图像阈值分割算法均具有较好的图像阈值寻优能力,可有效改善花牛苹果图像的分割效果。

改进的离散混合蛙跳算法压缩感知信号重构及应用

针对工程离散优化问题特点,定义了具有普遍意义的青蛙编码方式,设计了编码位调换更新机制,提出了自适应权重因子和双模子族群策略。在此基础上,将改进的离散混合蛙跳算法（Discrete shuffled frog leaping algorithm,DSFLA）应用于压缩感知重构算法中,将未知重构信号理解为青蛙编码方式,利用DSFLA算法全局寻优能力得到次最优信号重构信息,从而实现了稀疏度未知情况下的信号重构。最后对典型TSP（Travelling salesman problem）问题算例和WSNs多目标定位问题进行仿真,仿真结果表明：改进的DSFLA具有更强的复杂问题求解能力,基于改进DSFLA压缩感知重构算法的WSNs目标定位精度优于传统信号重构算法,且抗噪能力达到25~45dB。

改进蛙跳算法的LQR控制器的优化设计

针对多变量、非线性、强耦合性的倒立摆系统,运用牛顿-欧拉方法建立了倒立摆的数学模型,然后对该模型分别进行LQR控制。在LQR控制中,权矩阵Q和R的选取直接影响着结构的动力反应和控制力。在标准蛙跳算法对权矩阵Q和R进行优化的基础上,通过采取新的最差青蛙跳跃策略能有效提高算法的全局搜索能力,同时加入自适应跳跃因子以加快算法的收敛时间。仿真实验表明,该算法能有效地获得最优的权矩阵Q和R,使LQR控制效果能够满足结构性能要求。

基于递进多目标蛙跳优化的LSB±K隐写算法

设计一种采用非支配排序、拥挤机制和种群重构等策略的递进多目标混合蛙跳算法,可有效保证Pareto前沿的多样性和均匀性.将该多目标优化算法用于设计LSB±K隐写算法.在优化过程中对图像分块,对应所有图像子块组成的矩阵构成优化算法的可行解,矩阵元素代表对应图像块像素的嵌入位数.以载体图像与载密图像差分图的直方图特征函数质心差和隐写容量为两个优化目标,对不同图像块的嵌入位数进行优化.实验结果表明,采用递进多目标混合蛙跳优化的LSB±K隐写算法,与相近抗分析性能下的LSBM隐写及单目标优化LSBM隐写相比,嵌入容量提高了30%;与相同容量的LSB±2隐写及单目标优化LSB±2隐写相比,抗分析能力更强.

一种基于改进混合蛙跳的KFCM算法

针对核模糊C-均值(KFCM)聚类算法存在易陷入局部极小值,对初始值敏感的缺点。将混合蛙跳算法(shuffled fro gleaping algorithm,SFLA)用于KFCM中,但在聚类数较大和维数较高时,聚类效果不理想,为此提出将自适应惯性权重引入混合蛙跳算法的更新策略中,再用改进后的混合蛙跳算法求得最优解作为KFCM算法的初始聚类中心,利用KFCM算法优化初始聚类中心,求得全局最优解,从而有效克服了KFCM算法的缺点。人造数据和经典数据集的实验结果表明,新算法与KFCM和FCM聚类算法相比,寻优能力更强,迭代次数更少,聚类效果更好。

基于改进蛙跳算法的PID控制器的优化设计

针对多变量、非线性、强耦合性的倒立摆系统,首先建立其数学模型,然后对该模型分别进行PID控制。在PID控制中,参数K p、K i和K d的选取直接影响倒立摆的动力反应和控制力。目前主要依靠人工经验调整来确定K p、K i和K d组合以获得较好的控制效果,这种参数选择方法存在较大的主观性和盲目性。采用改进蛙跳算法对PID控制器的K p、K i和K d进行全局优化是一种新的人工智能优化方法。仿真实验表明,该算法能有效地获得最优的参数组合,使PID控制效果能够满足结构性能要求。

求解多目标优化问题的自适应混沌混合蛙跳算法

针对多目标优化问题提出一种自适应混沌混合蛙跳算法MACSFLA(Adaptive chaos shuffled frog leaping algorithm for multiobjective optimization)。使用动态权重因子策略以提高混合蛙跳算法SFLA(Shuffled Frog Leaping Algorithm)收敛效率,引入基于Pareto支配能力的SFLA子族群划分策略,使得SFLA能够应用于多目标优化问题。在此基础上,MACSFLA首先利用SFLA快速寻优能力接近理论Pareto最优解,然后采用自适应网格密度机制动态维护外部存储器Pareto最优解规模,并使用自适应混沌优化技术改善Pareto最优解集样本多样性,最后利用Pareto最优解选择策略为青蛙种群选择最优更新粒子。多目标函数测试实验结果表明,与MOPSO和NSGA-Ⅱ相比,MACSFLA在Pareto最优解集均匀性和多样性上有明显优势。

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。

改进蛙跳算法在输电网规划中的应用

传统蛙跳算法(SFLA)具有高效计算性能和全局搜索能力,但容易出现早熟。针对早熟问题,通过对局部搜索步长和搜索策略进行改进,并将高斯变异算子引入算法当中,形成改进蛙跳算法(ISFLA),并将其应用于输电网规划模型的求解中。通过对IEEE6节点和IEEE18节点系统的计算,证明了与传统蛙跳算法相比,改进后的算法寻优精度和收敛速度均得到了有效提高,具有较好的适应性。

基于改进蛙跳算法的公共建筑主体结构质量检测

常规质量检测方法存在法向量参数不完整的问题,导致检测结果的一致性程度较低,为此,设计一种基于改进蛙跳算法的公共建筑主体结构质量检测方法。根据公共建筑的主体结构特征,利用改进蛙跳算法获取结构法向量参数,确定子簇数据集与复合类样本数据的阈值,聚类公共建筑主体结构数据集,按照合理有效的检测标准,计算检测速度设置质量检测模式,实现公共建筑主体结构质量检测方法设计。为了测试此次设计的质量检测方法的有效性,选取两种常规检测方法进行检测结果一致性测试。实验结果表明,在4种不同的质量等级条件下,此次设计的质量检测方法,其质量检测结果的一致性均值,比常规检测方法1高出13.191%,比常规检测方法2高出15.191%,证明融合了改进蛙跳算法的公共建筑主体结构质量检测方法,其检测结果的一致性程度更高。