多策略混合改进的海洋捕食者算法及其工程应用

为解决海洋捕食者算法(MPA)自适应能力有限、易陷入局部最优等问题,提出融合多策略改进的海洋捕食者算法(EMPA)。首先,在种群初始化阶段,采用精英反向学习策略初始化猎物种群,丰富种群的多样性。其次,在阶段更新过程中,设计出具有更强非线性收敛性的自适应惯性权重,控制捕食者在整个过程中的位置更新。在此基础之上,在等速比阶段,引入算术优化算子指导猎物搜索空间,平衡种群的全局勘探和局部开采。进一步,在海洋记忆存储阶段,采用t分布变异策略对猎物位置进行变异,增强个体在迭代后期跳出局部最优的能力。通过在8个测试函数上的算法性能测试及与著名算法的比较,验证了EMPA算法的优越性。最后,针对传统方法设计的断路器储能弹簧结构参数设置不合理、分断性能差等缺陷,应用EMPA对断路器储能弹簧进行优化设计,实验结果表明,EMPA算法的设计结果更加小型化、分断性能更优。

多子群改进的海洋捕食者算法

文章针对海洋捕食者算法(Marine Predators Algorithm,MPA)求解精度不高和收敛速度慢等缺点,提出一种多子群改进的海洋捕食者算法(Multi-subpopulation Marine Predators Algorithm,MSMPA).根据不同适应度值将海洋捕食者种群分为领导者、追随者和衔尾者三个子群.领导者子群保持位置不变,追随者子群进行高斯变异,衔尾者子群由全局最优位置和平均位置矢量生成.使用不同维度的经典基准函数来评估改进海洋捕食者算法的效率.实验结果显示,经过改进的海洋捕食者算法拥有更高的寻优精度和稳定性.

基于改进海洋捕食者算法的PMSM调节器设计

针对永磁同步电机(Permanent magnet synchronous motor,PMSM)矢量控制系统速度外环使用分数阶比例积分(Fractional-order proportional-integral,FOPI)调节器时难以满足系统动态响应速度快、鲁棒性强等要求,提出利用海洋捕食者算法(Marine predator algorithm,MPA)优化FOPI调节器参数。通过搜索到最优适应度的捕食者所在位置来得到调节器最优组合参数,其中目标适应度函数选择常用伺服系统评价指标时间乘以误差绝对值积分。以提升MPA效率为目标,对其位置更新公式进行改进。对MPA调节FOPI、改进MPA调节FOPI的电机调速性能进行试验对比。搭建TMS320F28335为核心的PMSM伺服系统试验平台进行验证,相较于MPAFOPI调节器,改进了MPAFOPI调节器的系统显示出其转速动态响应更优、抗扰能力更强的优点,在新能源汽车等电驱动方向展现其优势。试验结果表明,采用改进MPAFOPI的调节器具有增强系统鲁棒性和减小超调量的优势。

基于改进海洋捕食者算法的机械臂逆解求解

针对冗余机械臂逆运动学求解较难、精度较低的问题,在已有海洋捕食者算法(marine predators algorithm,MPA)基础上,引入Tent映射初始化策略、精英反向学习策略、自适应t分布变异机制,提出了改进海洋捕食者算法(IMPA),并将其应用于冗余机械臂逆解求解中。4个典型测试函数的测试结果表明,IMPA的求解精度和计算稳定性比MPA和另一种改进MPA更优;冗余机械臂逆解求解实例结果表明,IMPA的求解速度更快,求解精度和稳定性更佳,机械臂位姿精度提高,位姿误差降低,具有一定优势。

基于改进海洋捕食者算法的电力巡检机器人避障技术研究

针对当前电力系统中机器人巡检效率不高、避障能力不足等问题,提出一种改进海洋捕食者算法(Improved Marine Predator Algorithm,IMPA)。首先,采用基于阿基米德螺旋曲线的螺旋复合路径搜索策略,扩大全局搜索范围,从而提升算法的稳定性。其次,引入非线性凸递减权重来平衡算法的全局及局部性能,以实现捕食者和猎物种群位置的动态更新。此外,结合黄金正弦算法思想更新猎物位置,缩小捕食者种群搜索范围,以提高收敛精度和速度。最后,在配电室及变电站环境下进行实验测试,结果表明,对比基本MPA算法、改进蚁群算法及混合MPA算法,IMPA算法在行驶路程及时间上更占优势,更有利于提升机器人自主避障能力及作业效率。

基于改进海洋捕食者算法的输电塔结构优化

为确保输电塔架线施工时取消临时拉线工况下输电塔架线施工安全,需对其结构进行优化设计。文章建立输电塔结构的计算模型,采用罚函数法确定海洋捕食者算法(marine predators algorithm,MPA)的目标函数;考虑到MPA易陷入局部最优、收敛速度慢的缺点,提出一种融合折射反向学习策略和黄金正弦算法的改进海洋捕食者算法(improved marine predators algorithm,IMPA),并将其在6个基准测试函数数值实验中与其他算法进行比较,结果表明IMPA具有更好的收敛性和求解精度。利用IMPA对输电塔结构在特殊工况下进行优化,结果表明IMPA可以对三维杆系结构进行优化设计,优化后的输电塔具有较好的力学性能。

海洋捕食者算法的改进及其应用

针对传统的计算方法在求解多约束工程优化问题时存在的不足,提出一种融合多种策略的海洋捕食者算法并应用其中。算法首先采用折射反向学习策略,以增加初始种群的多样性。其次,引入正弦-余弦算法和高斯-柯西变异算子,用于提高求解精度和全局寻优能力。最后,通过6个标准测试函数和2个工程实际案例的应用,表明了新算法的优越性。

求解大规模优化问题的改进海洋捕食者算法

针对海洋捕食者算法(Marine Predators Algorithm,MPA)在求解大规模问题时存在解精度低和易陷入局部最优的缺点,提出了一种改进的海洋捕食者算法(Improved Marine Predators Algorithm,IMPA)。采用Lloyd’s算法初始化种群使种群个体分布均匀;基于Q-learning算法自适应选择更新策略来平衡算法的探索和开发能力;通过反向学习机制提高种群多样性避免陷入局部最优。选取13个大规模(100维,500维和1000维)标准测试函数进行仿真实验,结果表明,IMPA算法在求解精度和收敛速度上优于其它对比算法。

基于改进海洋捕食者算法优化GRU的短期风速预测

为了提高风速预测精度,提出了一种新的短期风速预测模型IMPA-GRU,其中IMPA算法是针对海洋捕食者算法初始化不均匀、收敛速度慢和收敛精度低等弱点引入Tent混沌映射、锦标赛选择策略和自适应阶段转换策略的一种改进算法.将IMPA算法与门控循环单元网络结合,通过算法优化网络参数,构建预测模型IMPA-GRU进行短期风速预测.为了评估模型性能,首先将IMPA算法与6种优化算法分别在8个测试函数上进行性能测试,然后将新提出的预测模型与MPA-GRU,GRU等5种模型进行对比.结果表明:IMPA算法在所有测试函数上都取得了更好的结果,IMPA-GRU模型在风速数据集上的MAPE,RMSE和MAE分别平均减小了0.98%,1.51%和1.58%,R2提高了0.56%,进一步提高了风速预测精度,减小了预测误差.

求解多维复杂函数及真实世界工程设计问题的高效海洋捕食者算法

针对海洋捕食者算法在面对复杂函数和工程设计优化问题时存在的自适应能力有限、寻优精度有时较低、局部桎梏概率较高等缺点,提出一种新的高效自适应海洋捕食者算法.首先在海洋记忆存储阶段引入学习自动机引导的教与学搜索机制,更好地平衡算法在不同迭代时期对探索和挖掘能力的不同需求;然后在局部开发阶段,引入对数螺旋探索机制,加强算法在最优解附近的精细挖掘能力,进一步提高收敛精度;最后在算法中每次迭代末尾处加入改进的自适应相对反射策略,提升种群跳出局部最优的能力,降低局部桎梏概率.为了分析和验证该改进算法的性能,将其和6种代表性算法在进化计算大会(CEC)2017测试套件上进行100维的函数极值测试,并在4个具有挑战性的工程设计优化问题上进行测试.测试结果表明在求解多维复杂函数和工程设计优化问题时,本文改进算法的寻优精度、收敛性能和求解稳定性明显优于其他6种代表性算法,尤其在高维复杂函数下,其寻优性能的优越性更为显著.

阶段化改进的海洋捕食者算法及其应用

针对海洋捕食者算法自适应能力有限、局部桎梏概率高等不足,提出阶段化改进的海洋捕食者算法.在高速度比阶段实施差分演化,在原始猎物群体的变异与交叉中扩大全局探索范围,遍历优化个体质量;引入正余弦算法等概率波动等速度比阶段的并行架构,提升莱维飞行群体与布朗运动群体的灵活性,促进群体间渗透,同节奏优化算法的开发能力与探索能力;融合柯西变异策略与反向学习策略改进低速度比阶段捕食者,生成具备自我调节能力的柯西镜像捕食者,避免迭代末期种群同化过度,强化算法反早熟能力.通过基准函数对比寻优实验及Wilcoxon符号秩检验来评估改进算法的性能,实验结果验证了阶段化改进策略对算法整体表现力的提升.利用改进算法优化在线序列极限学习机参数并应用于变压器故障诊断,进一步验证阶段化改进策略的有效性及工程实用性.

改进海洋捕食者算法及其在WRSN充电规划中的应用

针对无线可充电传感器网络下的多无人机充电规划,仅考虑无人机的飞行距离为成本目标规划出最优充电路径显得单一片面,现把无人机的飞行距离、能量消耗、时间成本和无人机搭配成本组合成新的成本目标模型,为了减少飞行停留点次数,还加入了正六边形充电模型,并提出了一种改进的海洋捕食者算法(BMPA)应用到此场景中.改进之处在于:一方面,在海洋捕食者算法中引入了天牛须搜索算法寻找全局气味值最大的点的操作,改善了最优解的质量;另一方面,在海洋捕食者算法中加入了新的自适应的非线性移动步长的参数,进一步改善勘探与开发的平衡,提高了全局搜索能力,促进局部研究的快速收敛.仿真实验结果表明,提出的算法不仅有效地减少了飞行次数,而且降低了飞行距离和算力消耗,与BAS、MPA和PreWBAS算法相比,在求解新的成本目标函数值上减少了50.90%、4.85%和14.38%,证明了改进后的算法的有效性.

基于改进海洋捕食者优化算法和瑞雷波频散曲线的近地表地层参数反演

面波勘探是获取近地表地质结构的重要手段,利用瑞雷波频散曲线可以反演得到地层横波速度和厚度或泊松比等参数.本文提出了一种新的优化策略来处理瑞雷波频散曲线的反演问题.改进海洋捕食者算法(ACMPA)是一种改进混沌初始化,引入自适应步长和精英竞赛机制优化的反演算法.采用混沌映射进行种群位置初始化,提高初始化种群位置的质量;加入自适应函数,增强全局搜索能力;引入精英等级制度,避免算法陷入局部极值点,从而从局部和全局寻优进行优化,提高反演的收敛速度.通过正演模拟和实测数据进行测试分析,证明了改进的海洋捕食者优化算法的有效性与稳定性.该方法可以利用瑞雷波频散曲线信息反演得到近地表地层的介质参数,其收敛精度和收敛范围明显优于其他优化算法,具有较强的应用前景.

基于海洋捕食者算法的波浪能转换装置模型预测控制

该文提出一种基于智能海洋捕食者算法的模型预测控制策略,实现了波浪能转换装置的动态最大能量捕获。提出的模型预测控制策略利用海洋捕食者算法来获取最优控制力,并采用非线性限制来控制功率的单向流动。通过相应的对比分析验证了海洋捕食者算法的优化准确性和快速收敛性。该方法还利用控制域来处理最优控制变量以便在算法的计算负担和优化准确度之间进行平衡。所提出的方法证明在处理多维的波浪能转换系统方面,特别是系统的非凸和非线性限制问题,具有较好的利用价值。仿真与实验结果证明提出的方法能较好地提高波浪能转换装置的输出功率,并满足典型海域工况下的实时需求。

基于改进海洋捕食者算法的无人船避碰方法

为提高无人船局部动态避障的规范性、安全性和经济性,提出一种基于改进海洋捕食者算法的无人船避碰决策方法。首先,根据无人船运动约束、避免碰撞约束与避碰规则约束限定避碰决策的搜索空间;其次,以船舶碰撞的危险程度和航程损失为指标建立避碰目标函数;最后,提出基于种群更新成功率的改进海洋捕食者算法,求取约束范围内的最优避碰决策。仿真实验结果表明:所提方法最优个体适应度曲线在30次迭代内都能稳定收敛,且其最优值最小,优于其余智能算法,具有一定有效性。

改进海洋捕食者算法和插值平滑的机器人路径规划

鉴于传统的智能优化算法(intelligent optimization algorithm,IOA)不能很好解决插值平滑的机器人路径规划(robot path planning,RPP)问题,以及最近提出的海洋捕食者算法(marine predators algorithm,MPA)的优势和不足,提出了一种改进的MPA,即提升信息交流的MPA(interchange enhanced MPA,IEMPA),用于解决RPP。首先提出一种融合趋向全局最优的反向学习策略用于随机选择一个捕食者的位置更新,以便降低陷于局部最优的概率;然后提出了一种三阶段最优引导最差策略来强化最差个体以便提升整个群体和提高搜索能力;随后,提出一种信息共享策略用于捕食前期以进一步提高算法的搜索能力;最后将IEMPA用于插值平滑的RPP中。大量的多场景RPP问题的优化实验结果表明,与MPA等优秀算法相比,IEMPA搜索能力更强、精度更高、收敛速度更快,能更好地处理RPP,可应用到在其他复杂优化问题上。

考虑能耗的无人机路径规划及海洋捕食者算法求解

针对在带无人机的旅行商(TSPD)问题上常见优化算法未考虑能量损耗以及不够稳定、收敛速度较慢的缺点,提出一种基于海洋捕食者算法的路径规划策略。为满足实际应用,综合考虑能耗与时间效率,在二维平面上建立了多目标优化的数学模型。然后采用海洋捕食者算法对其仿真求解,并与其他启发式算法进行性能对比。仿真计算结果表明,面对随机的地点坐标时,该算法能更稳定地生成较优规划路径,减少了无人机的飞行时间和能量损耗。

基于改进海洋捕食者算法的配电网储能多目标优化配置

分布式电源(distributed generation,DG)的大量接入是配电网重要发展趋势之一,而储能系统的合理配置是提升配电网接纳DG能力的重要手段。本工作考虑高比例DG接入配电网造成电能质量下降问题,建立使配电网电压偏移最小、线损率最低、储能规划成本最优三个指标的储能多目标优化配置模型;针对目前侧重改进传统优化算法求解储能配置多目标优化问题性能不足方面,采用一种基于快速非支配排序和边界交叉构造权重设置参考点的方法对海洋捕食者算法改进,进而求解配电网储能多目标优化模型,得出储能在配电网中的最佳并网位置、额定容量和储能电池调度周期内的充放电功率。通过在IEEE-33节点系统上进行算例分析,结果显示:采用改进的多目标海洋捕食者算法能够有效地求解出在最优储能规划成本下使配电网经济、稳定运行的储能配置方案,及储能电池运行周期内最佳的充放电策略;并且通过对比多种智能优化算法,证明了所提改进海洋捕食者算法在求解储能多目标优化配置问题上具有良好的收敛性能、分布性能。

改进海洋捕食者算法的特征选择

针对传统K近邻(K-nearest neighbor)方法用于数据分类存在分类精度低的问题,将特征选择与KNN分类方法结合,并利用改进海洋捕食者算法对数据特征进行优化研究。使用领域学习提供丰富邻域位置信息扩大海洋捕食者的搜索范围,引入维度变异机制增加种群多样性避免过早陷入局部最优,利用正余弦扰动算子和跳跃步长控制因子更新捕食者位置,加强全局搜索和局部搜索能力。将特征选择对象作为优化目标,获得所选的最优特征子集。通过对14个经典测试函数优化测试和14组经典数据集的分类研究,在优化性能、平均特征子集数和平均分类精度进行对比研究,实验结果表明所提算法能够有效降低冗余特征干扰,实现特征提纯,在数据挖掘中具有广阔的应用前景。

精英反向黄金正弦海洋捕食者算法

由于基本的海洋捕食者算法在运行时存在求解准确度低和稳定性差等缺点,提出一种精英反向学习黄金正弦的海洋捕食者算法。加入精英反向学习机制,提升了海洋捕食者的种群质量,使得算法全面探索的范围得到了有效扩大;加入黄金正弦策略,改进了海洋捕食者捕食猎物的方法,缩小了海洋捕食者的搜索空间,使得算法的局部开发性能得到了有效提高。对12个基准测试函数和12个CEC2017函数进行求解测试,测试结果显示,2种改进策略有助于提高海洋捕食者算法的性能。