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。

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。

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。

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。

改进混合蛙跳算法及其函数优化应用

混合蛙跳算法(SFLA)具有算法简单、控制参数少,易于实现等优点。但在高维难优化问题中,算法容易早熟且平均收敛精度不高。本文借鉴标准差分进化(SDE)算法中的DEr1具有较强的全局搜索能力,种群多样性好的优点,应用DEr1的局部搜索策略改进混合蛙跳算法以提高算法的收敛速度和求解精度。给出了6个典型的30维Benchmark难优化测试函数数值对比实验,结果表明,改进混合蛙跳算法(ISFLA)方法在寻优效率和计算精度,鲁棒性等性能方面比DEr1以及混合蛙跳算法SFLA有明显提高。

资源约束下拆卸线平衡问题的建模与改进混合蛙跳算法

针对实际拆卸线中涉及的资源约束和危害零件问题,以资源总数、工作站数和危害指数为目标函数,构建了多目标资源约束拆卸线平衡问题数学模型。基于AND/OR关系,在优先关系矩阵中添加OR关系的描述,解决了产生初始解仅考虑AND关系的不足问题。提出了一种融入Pareto思想的改进混合蛙跳算法,该算法采用基于满意度的改进排序分组策略来解决多目标优化种群分组问题;提出了一种新的交叉变异方式进行局部搜索以提高收敛性能;利用拥挤距离机制评价非劣解集以及有效地维护外部档案容量。采用田口实验和统计分析方法确定了算法最佳参数组合,将改进前后的混合蛙跳算法及NSGA-Ⅱ对测试算例的求解结果进行了多指标对比分析,研究结果表明:改进混合蛙跳算法具有良好的综合求解优势。最后,将所提算法应用到某电冰箱的资源约束拆卸线平衡问题中,为决策者提供了较优的拆卸方案。

基于改进蛙跳算法的图像对比度增强方法

为改善图像对比度,提出了一种基于改进蛙跳算法的图像对比度增强新方法。该方法利用分段线性变换增强图像的原理,对蛙跳算法进行深入分析并进行改进后,将改进蛙跳算法与二维Otsu法相结合,利用蛙群的并行搜索机制自动选取图像的双阈值,然后再以图像的对比度作为改进蛙跳算法的适应度函数,自适应地搜索分段线性变换的斜率,并以之增强图像。实验结果表明,该方法有效改善原图像的对比度,且优于直方图均衡化法及基于基本蛙跳算法和人工鱼群算法的增强方法。

基于混合蛙跳算法优化人工势场的路径规划方法研究

针对传统人工势场在路径规划时易陷入局部极小、目标不可达和狭窄通道左右摆动的问题,提出了一种改进人工势场算法。该改进算法将目标距离引入斥力函数解决目标不可达问题:将斥力分解为由障碍指向机器人的分量和垂直于机器人与障碍连线的分量,分别用于阻止机器人接近障碍和引导机器人离开障碍。针对蛙跳算法迭代速度慢的问题,提出了改进混合蛙跳算法来提高蛙跳算法的进化速度和精度,并用于优化人工势场的参数以提高路径规划性能。仿真试验验证了所提出算法的有效性。

混合型蛙跳算法及其应用研究

为了提高蛙跳算法求解无约束连续优化问题的能力,提出了一种改进型混合蛙跳算法。为验证该算法求解函数优化问题的高效性,将其与基本蛙跳算法进行比较实验,结果表明该算法的解精度及收敛速度均优于基本蛙跳算法,更适用于求解复杂的无约束连续优化问题。

基于蛙跳算法优化SVM的小功率LED寿命预测模型

针对小功率LED失效时间预测需要大量失效数据、预测成本较高的情况,从工程实践的实际需求出发,提出了基于改进蛙跳算法(ISFLA)优化支持向量机(SVM)的小功率LED寿命预测模型。SVM使用径向基核函数(RBF),以小功率LED的可靠度作为SVM输入,失效时间作为输出。为了减小蛙跳算法的计算成本,现引入进化阶段指标T加快收敛速度,并利用ISFLA优化核函数参数的选取,使得仅需少量训练样本即可建立SVM。该模型不仅能预测加速应力下的小功率LED失效时间,也可根据小功率LED在加速应力下的失效时间预测正常应力水平下的寿命。实验证明,在小样本条件下,该方法得到训练结果的相关系数为0.998,检验组误差小于3%,快速简洁地实现了小功率LED高精度寿命预测。

求解高维复杂函数的混合蛙跳-灰狼优化算法

针对高维复杂函数问题,提出一种混合蛙跳-灰狼优化算法(SFL-GWO).该算法通过改进的Logistic映射初始化GWO算法种群提高算法的多样性;其次,提出一种新的距离控制参数的非线性调整策略来增强种群的探索与开发的能力;最后通过引入改进的随机蛙跳算法中改变最差位置的方式使SFL-GWO算法跳出局部最优的局限.通过选取的10个高维复杂函数的寻优结果验证了算法的性能,并与粒子群优化算法(PSO)、灰狼优化算法(GWO)和鲸鱼优化算法(WOA)3种基本算法以及与8种改进算法的寻优的结果进行了比较.仿真结果证明:SFL-GWO算法在不仅可以提高收敛精度也可以提高算法的搜索速度,证明了SFL-GWO算法在求解高维复杂函数的高效性.

基于混合蛙跳算法的企业集团订单分配研究

针对企业集团在订单分配时优先选择内部企业的问题,提出了一个基于产品经济参数和内部企业贡献因子的订单分配策略,解决企业集团订单优先分配量与价格、质量和时间的优化问题。以某建材装备制造集团的订单分配为例,构建了一个基于采购成本最低、不合格产品损失和延期交货损失最少以及对企业集团的贡献最大为优化目标的数学模型。采用改进的混合蛙跳算法对模型进行求解,验证所建模型的合理性和有效性,并与遗传算法、蚁群算法的结果相互比较,验证算法的优越性。

改进二进制粒子群算法在配电网重构中的应用

将混合蛙跳思想引入粒子群算法,并结合遗传算法中的选择交叉操作,提出一种改进二进制粒子群算法,来解决配电网重构中的问题。并且动态调整粒子速度更新公式中的惯性系数,使粒子能够随更新次数的变化动态改变全局和局部搜索能力,防止算法早熟,以找到全局最优解。文章最后对典型IEEE33节点算例进行仿真,并与遗传算法进行对比分析,结果表明该方法不仅能有效避免算法早熟、快速收敛,而且稳定性好。

基于进化算法的多通信半径DV-Hop改进定位算法

定位是无线传感器网络中最重要的问题之一。针对DV-Hop算法定位精度低问题,提出基于进化算法的多通信半径DV-Hop改进定位算法。该方法在多通信半径定位算法基础上,使用蛙跳算法对锚节点跳距进行优化,并对其适应值函数进行改进,让跳距值更接近真实值,然后在DV-Hop算法最后阶段利用遗传算法求解未知节点坐标。实验仿真结果表明,改进算法在不增加额外硬件情况下,大大降低了定位误差,相比于传统DV-Hop算法,定位精度提高了大约69%,相比其他文献,定位精度提高了大约21%。