多策略融合改进的飞蛾火焰优化算法

针对飞蛾火焰优化算法容易出现局部最优解、接近全局最优时开发能力不足等问题,提出一种多策略融合改进的飞蛾火焰优化(RGMFO)算法。在每次迭代开始时,使用随机反向学习策略获得高质量飞蛾种群;利用高斯变异将较差的火焰个体替换为优秀个体;使用阿基米德螺线、权重因子和围绕最优火焰飞行3种方式改进飞蛾更新机制。为验证所提算法的有效性,与11个不同类型的基准函数进行寻优测试,基准函数实验结果与秩和检验表明:相较于其他优化算法及其他MFO改进算法,所提算法具有更好的全局搜索能力与更高的寻优精度。将所提算法应用于减速器设计和槽形舱壁设计的实际工程场景中,以进一步验证算法的实用性与可行性。

基于改进飞蛾扑火优化算法的奶牛隐性乳腺炎特征选择

为了提高大型牧场奶牛隐性乳腺炎的诊断速度和准确率,进而降低奶牛养殖企业诊疗成本,本研究在基本算法中引入3种不同的改进策略,设计了一种新的飞蛾扑火优化(improved moth-flame optimization,IMFO)算法,在公认的加州大学欧文分校(university of California Irvine,UCI)数据集上测试和评估了IMFO算法在奶牛隐性乳腺炎特征选择中的性能,并将试验结果与其他4种算法的测试结果进行比较分析,将IMFO算法用于奶牛群体改良(dairy herd improvement,DHI)数据的特征选择,并使用K最邻近(K-nearest neighbor,KNN)分类算法进行分类。结果表明:IMFO算法通过引入最优火焰引导(optimal flame guidance,OFG)策略,在寻优过程中使火焰和全局最优个体共同引导飞蛾飞行方向,有效避免了特征选择算法陷入局部最优;通过引入初始化混沌反向学习(initialize chaotic reverse learning,ICR)策略和自适应扰动(adaptive disturbance,AD)策略,提高了初始化模型的空间多样性和质量,增加了种群的多样性,避免了特征选择算法的早熟收敛。将IMFO特征选择算法和其他比较算法在UCI数据集和奶牛隐性乳腺炎疾病数据集上进行试验验证,IMFO与其他算法相比具有更好的特征筛选能力,有效提高了对奶牛隐性乳腺炎的预测性能。说明IMFO算法可提高大型牧场奶牛隐性乳腺炎的诊断速度和准确率。

基于改进飞蛾扑火优化算法的船机桨匹配设计研究

基于改进飞蛾扑火优化(Improved Moth-Flame Optimization,IMFO)算法,以两艘现有船舶为计算实例,展开了综合考虑螺旋桨推进效率、空泡性能和桨叶强度的船机桨匹配工作。以遗传算法(Genetic Algorithm,GA)和原始飞蛾扑火优化(Moth-Flame Optimization,MFO)算法为对比算法,分析了IMFO辅助船机桨匹配工作时的性能。数值实验的结果表明,在解决船机桨匹配问题时,IMFO算法的收敛时间相比GA算法在两个算例中分别缩短了44.24%和54.14%,相比MFO算法分别缩短了23.9%和23.12%。此外,在求解精度方面,在计算示例1中,IMFO算法相比GA算法和MFO算法略有提升;而在计算示例2中,IMFO算法相比GA算法提高了3.66%,较MFO算法提高了0.98%。最后,通过对两个算例的可行解空间进行可视化表示,进一步讨论了IMFO算法的求解性能。上述结果对比证明了IMFO算法具备强大的全局搜索能力,在解决船机桨匹配问题时具有良好的竞争力和鲁棒性。

基于飞蛾火焰优化算法的改进GM(1,1)模型

飞蛾火焰优化(MFO)算法是受飞蛾在自然界中的横向定位导航方法启发而提出的一种新的元启发式算法。初值是影响灰色模型预测精度的主要因素之一,针对由辨识参数和初值引起的GM(1,1)模型误差,本文提出一种基于飞蛾火焰优化算法改进的GM(1,1)模型——MFOGM(1,1)。以最小化平均绝对相对误差为目标函数,利用飞蛾火焰优化算法优化GM(1,1)模型的参数,同时在连续区间[x;(1),x;(n)]中搜索最优初值。分别用基本GM(1,1)模型,初值为x;(n)的GM(1,1)模型,MFOGM(1,1)模型对绝缘电阻历史数据进行模拟,三个模型的平均绝对百分比误差MAPE分别是4.30%, 4.60%, 3.74%。实例结果展示,改进的MFOGM(1,1)模型的精度得到了改善,在三个模型中是最好的,表明了所改进的模型的有效性和可行性。

改进飞蛾火焰算法在多目标水资源优化配置中的应用

水资源紧缺局面愈演愈烈,迫切需要进行水资源优化配置,以此提高水资源利用效率。基于自然元启发的优化算法越来越多的应用于求解多目标水资源优化配置问题。飞蛾火焰算法全局收敛性能较差且容易陷入局部最优解,针对以上问题,结合帕累托最优解概念,引入快速非支配排序策略,利用拥挤度及拥挤度比较算子对飞蛾火焰算法进行改进,继而采用改进的飞蛾火焰算法对ZTD1、ZTD2及ZDT3等3个多目标函数进行仿真实验,结果表明计算得到的帕累托最优前沿接近于理想帕累托前沿,收敛性能及精度优于本文所列举大部分多目标优化算法。最后将改进飞蛾火焰算法应用于三亚市水资源优化配置中,得到了23组帕累托最优解。选择了对缺水量最小有特殊偏好的方案作为最终决策方案,结果显示三亚市不同用水户总需水量39015万m^3,各用水户总分配水量为39015万m^3,缺水量为0,产生的经济效益为203.91亿元。改进的飞蛾火焰算法为多目标水资源优化配置问题提供了新的求解方法。

Tsne降维可视化分析及飞蛾火焰优化ELM算法在电力负荷预测中应用

电力系统的稳定运行具有负荷平衡的强约束性,准确的电力负荷预测在保证电力系统规划与可靠、经济运行方面具有十分重要的意义,影响着电力系统的诸多决策,如经济调度、自动发电控制、安全评估、维护调度和能源商业化等。该文针对电力负荷预测的多种气象因素影响,提出一种基于Tsne降维可视化分析及飞蛾火焰优化ELM算法(MFOELM)的电力负荷预测新方法。针对影响电力负荷预测的高维气象数据,采用改进的SNE降维可视化分析方法Tsne,解决了数据拥挤造成可视化效果不佳且数据结构易发生改变的问题,通过与Kpca、SNE降维方法的对比实验,证明了Tsne可以更好地将高维气象数据向低维空间映射,较高地保持高维空间中的数据结构并改善数据可视化效果;针对ELM负荷预测模型的局限,利用MFO在求解具有约束和未知搜索空间的复杂问题时具有的优越性对ELM优化,更好地解决了ELM权值输出不稳定,易陷入局部最小值等问题。通过对SAELM、PSOELM、MFOELM三种预测算法进行寻优实验,结果表明MFO不但具有更快的求解速度,而且提高了ELM的预测精度。通过对国际公开的美国日气象数据降维,协同负荷数据进行预测进行对比实验,证明了该文方法的有效性和优越性。该文方法在唐山实际电网负荷预测中应用,为制定合理的电网运行方式提供依据。

新型飞蛾火焰优化算法的研究

飞蛾火焰优化算法(Moth-Flame Optimization,MFO)是一种自然激励且易于实现的全局优化算法,在许多实际优化任务中表现出良好的性能。然而,MFO算法存在早熟收敛和容易陷入局部最优解的问题,针对这些不足,提出了一种Kent混沌动态惯性权值的改善飞蛾火焰优化算法(Ameliorative MFO,AMFO)。在AMFO算法中,引入Kent混沌映射搜索策略帮助当前最优解跳出局部最优;采用基于适应度值和迭代次数的动态惯性权值策略来平衡算法的开发和探索能力,以进一步提升MFO算法性能。在8个经典benchmark函数上验证AMFO算法的搜索精度和性能,并将其结果与标准飞蛾火焰优化算法、粒子群算法和差分进化算法进行比较,仿真结果表明AMFO算法具有较好的搜索性能。

基于改进混合遗传算法参数辩识的数控火焰切割机PID调节器的优化设计

分析数控火焰切割机自动调高系统的特点和要求,首先引入结构和参数自适应思想对标准遗传算法进行了改进,然后采用局部搜索能力很强的爬山法进一步对PID调节器进行最佳参数辩识。通过仿真表明,这种改进混合遗传算法参数寻优使自动调高系统的动态性能大幅提高,具有很强的鲁棒性。

基于改进飞蛾火焰算法的单相逆变器参数辨识

提出一种基于改进飞蛾火焰优化算法的逆变器电路参数辨识方法。针对飞蛾火焰算法的不足,改进了飞蛾火焰优化算法。前期使飞蛾向最优个体位置直线移动,加快了算法收敛速度;后期利用Levy飞行增强种群多样性,提高了算法全局搜索能力。参数辨识结果表明,改进飞蛾火焰算法辨识得到的参数值与实际值非常接近,误差很小。改进飞蛾火焰算法能够有效实现逆变器电路参数的精确辨识,进而可应用于参数型故障诊断、运行状态监测和预知维护。

基于高斯变异的改进型飞蛾火焰优化算法

为了解决飞蛾火焰优化算法(Moth-flame optimization algorithm,MFO)早熟收敛、寻优精度低和容易陷入局部最优等问题,提出了一种基于高斯变异的改进型飞蛾火焰优化算法(Gaussian Mutation Moth-flame optimization algorithm,GMFO)。该算法通过高斯变异对适应度值较差的少数个体进行局部扰动,增强了算法跳出局部最优的能力。仿真结果表明,GMFO算法提高了求解的精度、收敛的速度和全局搜索的能力。

基于改进飞蛾扑火优化算法的PMSM矢量控制优化

针对永磁同步电机双闭环矢量控制系统中比例-积分(PI)控制器参数整定困难、不能保证参数最优的问题,提出一种采用飞蛾扑火优化(MFO)算法对系统的转速外环和电流内环进行参数的整定与优化。将待优化的参数作为飞蛾搜寻火焰最优个体的空间位置,搜索全局最优的参数组合,并利用误差性能指标积分时间和绝对误差(ITAE)加入超调惩罚项作为其适应度函数。为了减小算法的计算量,提高收敛速度和精度,对飞蛾位置和火焰数量更新机制进行了改进。仿真实验结果表明:改进后的MFO算法具有提高电机的控制精度,减小超调量,提高动态响应速度的优势,证明了优化策略的有效性。

改进AFSA算法优化TWSVM的火焰识别方法

为了快速有效地识别火灾火焰图像,提出了一种基于改进人工鱼群算法(IAFSA)的孪生支持向量机(TWSVM)的火焰识别方法。该方法根据RGB-YCbCr混合颜色空间模型中火焰像素的分布特点对火焰图像进行分割,并在此基础上提取火焰图像的相关特征;采用人工鱼群算法(AFSA)搜索TWSVM最优惩罚参数与核参数,并在AFSA算法中利用基于聚类的鱼群初始化方法来获得均匀的初始鱼群,同时采取自适应参数来调整人工鱼群的视觉范围和移动步长,另外在原有的三种行为的基础上提出了两种新的行为:跳跃行为和淘汰重生行为,提高了鱼群算法的寻优效率和求解精度;将提取的火焰各个特征量作为训练样本输入TWSVM模型进行训练;将待测试样本输入TWSVM模型进行分类识别。实验结果表明:相对于深度卷积神经网络VGGNet模型、Fast R-CNN算法、YOLO算法、传统支持向量机(SVM)、Grid-TWSVM、GA-TWSVM、PSO-TWSVM、FOA-TWSVM、GSO-TWSVM、AFSA-TWSVM,所提出的基于改进人工鱼群算法的孪生支持向量机的方法有效地提高了火焰识别准确率和实时性,解决了TWSVM在火焰识别时参数选择困难、常用参数寻优算法寻优时间长等问题。

冷蠕成形系统飞蛾火焰算法的优化控制

针对冷蠕成形系统控制过程中存在压力波动的问题,常规PID控制算法存在易陷入局部极值的缺陷,设计一种基于飞蛾火焰优化(MFO)算法的PID控制策略。引入有限元数值模拟软件DEFORM进行冷蠕成形时金属的受力和流向分析,利用所提的算法在全局搜索空间中进行勘探,以螺旋路径的形式逼近火焰,在最佳工况点提升三相异步电机的动态响应水平,优化高阶非线性系统的复杂建模过程,同时,减少滑块压力的波动对液压泵的影响。仿真结果表明,所设计的控制策略可以精确优化PID参数,减少压力扰动的影响,在减少超调量和增强系统鲁棒性等方面具有显著效果。

飞蛾火焰优化算法在承压含水层参数反演中的应用

通过10个典型低维函数对一种新型群体智能仿生算法——飞蛾火焰优化(MFO)算法进行仿真验证,并与粒子群优化(PSO)算法的寻优结果进行对比。以无界井流问题及直线隔水边界附近井流问题的解析解为基础,将MFO算法应用于分析抽水试验数据,进行反演承压含水层参数,并以2个实例对MFO算法进行验证。结果表明:MFO算法在低维函数极值寻优问题上具有较好的收敛精度和全局寻优能力,寻优精度较PSO算法提高了7个数量级以上。MFO算法对2个实例的反演精度较文献改进SA算法等提高了56.5%以上,具有较好的稳健性能、收敛速度和全局寻优能力。利用MFO算法对承压含水层参数进行反演,可获得比相关文献更高的反演精度,不但为精确估计承压含水层参数提供了有效方法,而且拓展了MFO算法在地下水模型参数反演中的应用,具有良好的应用价值和前景。

基于混沌初始化和高斯变异的飞蛾火焰优化算法

针对飞蛾火焰优化算法(moth-flame optimization algorithm,MFO)在求解最优化问题时存在寻优精度低、易陷入局部最优等问题,提出一种基于混沌初始化和高斯变异的改进飞蛾火焰优化算法。首先,采用立方混沌映射对飞蛾种群进行初始化操作,使飞蛾更均匀地分布于搜索空间;其次,应用高斯变异对种群中少数较差个体进行扰动以增强算法跳出局部最优的能力;最后,通过阿基米德曲线扩大搜索范围,提高算法对未知领域的探索能力。在CEC14测试函数及21个可扩展Benchmark函数上进行了一系列实验,与标准飞蛾火焰优化算法、遗传算法、人工蜂群算法、粒子群算法、差分进化算法、花授粉算法和蝴蝶优化算法进行比较,结果表明,该算法能明显提高解的精度和算法的收敛速度。

改进离散型飞蛾扑火优化算法求解柔性作业车间调度问题

针对以最小化最大完工时间为目标的柔性作业车间调度问题(FJSP),提出一种改进离散型飞蛾扑火优化算法(IDMFO)。首先,基于集成法的求解思想设计两段式编码转化机制,建立染色体连续空间与问题离散决策空间的映射关系;其次,采用有效的种群初始化方法,保证种群的多样性和质量,加快算法收敛速度;然后,为了进一步提高算法的全局搜索能力,设计新颖的随机更新算子和基于Levy飞行轨迹的随机游走策略;最后通过标准算例测试及与其他算法求解结果的对比,验证了IDMFO算法在求解FJSP问题方面的有效性和优越性。

飞蛾火焰优化算法-投影寻踪回归模型在需水预测中的应用

基于用水时间序列构建投影寻踪回归(PPR)需水预测模型。针对PPR模型矩阵参数难以确定的不足,利用一种新型群体智能仿生算法——飞蛾火焰优化(MFO)算法优化PPR模型矩阵参数,提出MFO-PPR预测模型,并构建MFO-BP模型作对比,以1980—2013年上海市需水预测为例,分别利用实例前20组和后10组数据对模型参数进行率定及预测。结果表明:MFO-PPR模型对实例后10 a需水预测的平均相对误差绝对值和最大相对误差绝对值分别为1.84%、4.20%,预测精度优于MFO-BP模型的2.06%、4.61%。MFO算法具有较好的全局寻优能力,将MFO算法应用于PPR模型参数寻优,可有效地提高PPR模型的预测精度。

飞蛾火焰优化算法在马斯京根模型参数优化中的应用

通过10个典型二维函数对一种新型群体智能仿生算法——飞蛾火焰优化(MFO)算法进行仿真验证,并与粒子群优化(PSO)算法的寻优结果进行对比。利用该算法优化马斯京根模型参数,并以相关文献中的3个实例进行验证。结果表明:MFO算法在二维函数极值寻优问题上具有较好的收敛精度和全局寻优能力,寻优精度较PSO算法提高了7个数量级以上。利用MFO算法优化马斯京根模型参数,可以获得比相关文献更高的模拟精度,为精确估计马斯京根模型参数提供了有效方法。

飞蛾火焰优化算法及其在梯级水库优化调度中的应用

利用一种新型群智能仿生算法——飞蛾火焰优化(MFO)算法求解某梯级水库群丰、平、枯优化调度问题,求解结果与混合蛙跳算法(SFLA)、粒子群优化算法(PSO)、布谷鸟搜索算法(CS)和入侵杂草优化算法(IWO)的求解结果进行比较。结果表明,MFO算法丰、平、枯优化调度发电量分别比其他4种算法增加了0. 179 2～0. 960 2、0. 097 2～0. 564 1、0. 082 4～0. 322 0亿kW·h,具有较好的优化调度效果。将MFO算法应用于实际工程,验证了该算法具有较好的收敛精度和全局极值寻优能力,是一种有效可行的水库群优化调度模型求解方法,可为求解水库优化调度问题提供新的途径和方法。

基于飞蛾火焰优化算法的过热汽温PID参数优化控制仿真

为了达到过热汽温系统的优化运行以提高热效率,将飞蛾火焰优化算法用于锅炉过热汽温控制系统的PID优化整定,使过热汽温得到了良好的控制,提高了整个系统的鲁棒性。控制仿真结果表明该算法是一种可行、有效的寻优方法 ,使控制系统获得较好的动态特性和很强的鲁棒性,适用于PID参数优化。