改进麻雀搜索算法的四旋翼PID参数优化设计

针对四旋翼无人机PID控制器参数人工整定复杂、费时且难以确保最优的问题,提出一种基于改进麻雀搜索算法的PID参数优化方法,用于四旋翼无人机控制系统。首先引入Piecewise混沌映射,增强初始种群分布的均匀性;其次在探索者位置更新公式中加入动态惯性权重,提升算法全局优化性能;最后结合自适应混合变异策略和历史最优值,增强变异的多样性、提高算法的搜索效率及精度。仿真结果表明,相比于标准麻雀搜索算法、粒子群算法和遗传算法,用改进麻雀搜索算法优化串级PID控制器参数,能够使控制系统具有更快的响应速度、更高的稳态精度。

基于改进麻雀搜索算法的变电构架优化方法

为了解决变电构架设计中的优化问题,采用改进麻雀搜索算法对其进行优化设计。在基本麻雀搜索算法中引入Circle混沌映射,以提高种群的多样性和算法的全局搜索能力;引入萤火虫算法对麻雀搜索算法进行扰动更新,使其易于跳出局部最优。建立尺寸优化的数学模型,采用罚函数法处理约束条件。先将改进后的算法用于典型桁架算例分析,证明其稳定性与有效性,再将其用于变电构架的优化设计,结果表明,采用改进后的麻雀搜索算法能够有效提升变电构架的优化效果。

基于改进麻雀搜索算法的物流配送路径优化研究

在当前竞争激烈的市场环境中,优化物流配送路径成为企业控制供应链成本、提高服务效率和客户满意度的关键。针对供应链环节中物流配送成本高和时间长等痛点,文中构建了一个物流配送路径优化模型,旨在最大程度地减少配送时间和成本。以麻雀搜索算法(Sparrow Search Algorithm,SSA)为基础框架,引入Cubic混沌映射来初始化种群,旨在增进种群初始位置的多样性,并促进算法跳出局部最优解。在迭代过程中,模型通过重心反向学习机制对麻雀个体进行适时变异,从而提升了算法的全局搜索能力并有效防止了早熟收敛的问题。随后,引入粒子群技术以提高算法的寻优精度和稳定性。最后,经过一系列实验验证,该算法在优化搜索方面有较好的优越性。

基于改进麻雀搜索算法的微电网优化调度

针对微电网优化调度问题,提出一种混合策略改进的麻雀搜索算法。首先,将微电网优化调度问题变成多维函数优化问题,并建立约束条件。其次,利用Sin混沌序列初始化种群;然后在位置更新阶段引入学习系数和变异算子;最后引入自适应t分布和动态选择概率,来改善麻雀搜索算法的搜索能力。通过标准测试函数仿真实验和对微电网优化调度模型求解,验证了所提算法具有更高的精度和更快的收敛速度。

改进麻雀搜索算法优化BP神经网络的短时交通流预测

针对BP神经网络预测短时交通流量过于依赖初始参数的问题,提出一种基于改进麻雀搜索算法(ISSA)来优化BP神经网络的短时交通流预测模型(ISSA-BP)。针对标准麻雀搜索算法(SSA)易收敛于原点,容易陷入局部最优等问题,对麻雀群体中的发现者和部分加入者的位置更新公式分别进行改进,改进后的发现者将基于搜索维度的大小和当前最优值的位置来进行全局搜索,部分加入者将根据其与最优位置之间的距离来进行全局搜索。通过实验对BP,PSO-BP,SSA-BP,ISSA-BP 4种短时交通流预测模型的预测效果进行对比分析,结果显示,ISSA-BP短时交通流预测模型的误差最小,ISSA-BP模型相较BP模型在MAE评价指标上的预测精度提升了48.85%,有着更好的预测精度。

基于麻雀搜索算法的微电网分层优化调度

为综合考虑微电网供给侧和需求侧的利益,建立了微电网分层优化模型;上层以净负荷成本和用电满意度为目标优化负荷曲线,下层以运行成本和环境成本为目标优化各单元出力,并选择麻雀搜索算法(SSA)求解这类复杂优化问题。针对SSA易陷入局部最优的问题,提出一种改进麻雀搜索算法(ISSA),改进了发现者搜索方式,引入了变异、贪婪策略;并且加入非支配排序和轮盘赌法将ISSA改进为多目标算法。算例结果表明可转移负荷占比为10%时能够协调微电网供需两侧的利益;对比ISSA与SSA、粒子群算法(PSO)、鸡群算法(CSO)和灰狼算法(GWO)的迭代结果,证明ISSA具有良好的寻优效果和稳定性。

基于改进麻雀搜索算法优化LSTM网络的城市轨道交通短时客流预测

准确预测城市轨道交通短时客流,对于制定客流组织方案、合理分配运输资源等具有重要意义。针对短时客流预测精度问题,提出一种基于改进麻雀搜索算法(ISSA)优化长短时记忆神经网络(LSTM)的短时客流预测方法。首先,在麻雀搜索算法的基础上,引入混沌映射与柯西变异,提出ISSA算法,用于提升麻雀搜索算法的全局搜索与局部寻优能力,克服标准麻雀算法易陷入局部最优值的问题。其次,利用ISSA算法对LSTM神经网络的学习率、迭代次数、第一隐层节点数和第二隐层节点数这四个关键参数进行寻优。最后,以寻优结果重构LSTM神经网。利用广州某地铁站自动检票系统(AFC)采集的客流数据,对ISSA-LSTM模型的有效性进行验证。实验结果表明:该模型的均方根误差、平均绝对误差,平均绝对百分比误差和决定系数分别为4.8306、5.1435、1.5445%、99.1117%。ISSA-LSTM模型的预测效果均优于MLP模型、LSTM模型和SSA-LSTM模型。本文提出的ISSA-LSTM模型可有效降低神经网络参数对于预测精度的影响,提高预测精度,同时也对城市轨道交通运营管理服务精度进行提升。

基于改进麻雀搜索算法的多维复杂函数优化问题的求解

传统麻雀搜索算法在寻找最优解过程中,存在种群多样性不够高、易产生局部最优、收敛精度不稳定等问题.本文给出了一种改进的麻雀搜索算法,首先,用改进的Cubic和Bernoulli混合混沌映射初始化种群分布提高种群多样性;其次,在算法迭代过程中引入非线性自适应惯性权重和Levy飞行策略,调节算法的搜索范围和精度,改善算法的收敛速度和局部寻优能力;然后,引入鲸鱼优化算法的捕食策略进行扰动,避免陷入局部最优;最后,在12个基准测试函数上与传统麻雀搜索算法和其他算法进行评估,实验结果验证了改进的算法具有较好的收敛速度和求解精度,并提升了局部搜索能力.

基于改进麻雀搜索算法的无线Mesh网络信道分配优化

文章在考虑网络信道分配优化模型的约束条件时,由于缺少对资源分配公平性的约束,导致信道分配后利用率较低,优化效果有限,为此,文章提出基于改进麻雀搜索算法的无线Mesh网络信道分配优化。文章采用数学模型描述网络中的信道分配问题,构建信道分配模型,结合Mesh网络的结构与特性,设计约束条件,包括网络连通性约束、信道容量约束和资源分配公平性约束。文章通过引入新的搜索策略和局部优化机制优化麻雀搜索算法,实施模型求解得到最佳信道分配方案。实验结果表明,在文章所提研究方法的应用下,Mesh网络信道的利用率得到了很大提升。

基于改进麻雀搜索算法的水质模型多参数反演

水质模型参数取值对模型的模拟精度影响很大,为提高BOD-DO水质模型参数反演精度,首先在DobbinsCamp BOD-DO水质模型的基础上,以BOD和DO浓度计算值与实测值之差的加权平方和最小为目标函数,构建了Dobbins-Camp BOD-DO水质多参数反演模型;然后针对麻雀搜索算法(Sparrow Search Algorithm,SSA)求解精度低、稳定性不足和易陷入局部最优等问题,引入Sine混沌映射和对立学习、转移概率以及差分变异3个策略,分别从提高初始种群多样性、扩大搜索空间以及增强种群跳出局部最优的能力三方面对SSA算法进行改进,提出了一种多策略改进的麻雀搜索算法(Multi-strategy Improved Sparrow Search Algorithm,MISSA),并将其应用于Dobbins-Camp BOD-DO水质多参数反演模型的求解;最后通过数值实验将得到的反演结果与SSA算法、模拟退火算法、粒子群算法、遗传算法四种优化算法进行对比,并探讨了参数初值选取和观测噪声水平对反演结果的影响。结果表明:MISSA算法的计算性能明显优于对照组中的4种算法,且能显著降低初值选取对BOD-DO水质模型参数反演结果的影响,当观测数据的噪声水平不超过5%时,MISSA算法可有效提高反演结果的稳定性。该结果验证了MISSA算法在反演Dobbins-Camp BOD-DO水质模型参数的有效性,为水质模型参数求解提供有益参考。

改进麻雀搜索算法在PMSM匝间短路中应用研究

针对麻雀搜索算法(SSA)存在收敛精度低和易陷入局部最优等问题,提出了一种改进麻雀搜索算法(ISSA),并应用于PMSM匝间短路故障诊断。首先,搭建了PMSM匝间短路仿真模型,模拟了不同短路匝数比的故障。其次,对故障进行分析,提取了3个故障识别特征量。接着,利用实验平台进行不同短路匝数比的故障测试。然后,介绍了麻雀搜索算法(SSA),并利用Tent混沌映射、自适应正余弦策略和Levy飞行策略对其进行优化,生成改进麻雀搜索算法(ISSA),同时将ISSA算法与SSA算法、粒子群算法(PSO)、灰狼算法(GWO)在测试函数上进行比较,验证其在寻优能力和稳定性等方面具有优越性。紧接着,介绍了随机森林(RF)算法,并搭建了ISSA-RF的故障诊断模型。最后,将4种算法分别对RF的基本参数进行优化并实现故障分类。结果表明,所提出的改进方法能够检测出匝间短路故障及其故障严重程度,ISSA-RF模型的准确率达到98.5%,验证了该算法的有效性和可靠性。

基于麻雀搜索算法改进的YOLOv7-ECA-SSA模型的车辆检测

为解决复杂背景下小目标车辆检测存在的误检、漏检等现象,创新性提出一种改进YOLOv7网络的目标检测算法。首先,为解决小目标车辆存在次要信息干扰问题,将高效通道注意力(ECA)机制融于YOLOv7模型的主干网络特征层,通过自适应学习来增强目标区域信息权重占比,抑制无关信息;其次,为解决神经网络检测模型训练的超参数随机经验设定性问题,将麻雀搜索算法(SSA)对检测模型训练超参数进行优化,通过内外双循环迭代方式,快速收敛出全局最优学习率,进而得到最优组的权重信息,最终提高小目标车辆检测精度。实验结果表明,基于结构优化、超参数优化的YOLOv7-ECA-SSA检测模型在BDD100K数据集上的检测精度为79.01%,比原始模型提高了5.38%,具备更好的小目标车辆检测性能。

基于麻雀搜索算法的梯级泵站优化调度

针对梯级泵站系统运行效率普遍偏低、能耗损失较大等问题,建立了梯级泵站优化调度模型,引入了寻优能力强、搜索精度高的麻雀搜索算法(SSA),对算法中安全阈值和侦察者占比两参数进行了比选;据此提出了基于SSA算法的梯级泵站优化调度方法,并将其应用于密云水库调蓄工程中的三级泵站优化调度研究。结果表明,三种不同流量工况下,相较于现状方案,PSO及GA算法所得优化方案其系统运行效率可提升0.03%~0.18%,年运行成本可节省¥9,700~¥69,500。利用SSA算法所获优化方案在两项指标改进方面更为突出,可达到0.98%~1.20%的效率提升及¥369,000~¥443,900的年运行费用的节省,验证了SSA算法在梯级泵站优化调度中的可行性和高效性,可为梯级泵站优化调度提供一种合理可靠的方法。

改进麻雀算法在列车ATO多目标优化中的应用

针对列车自动驾驶(ATO)运行过程多目标优化问题,以列车运行安全性、列车动力学模型等因素为约束条件,考虑列车准时性、能耗、舒适性等指标,使用模糊隶属度法建立多目标优化模型。利用罚函数处理约束条件,将停车误差与限速作为惩罚项并构造出适当的惩罚函数加入到目标函数中,从而得到增广目标函数,提出基于改进麻雀算法(ISSA)的求解策略。为提高麻雀算法(SSA)的全局寻优能力,避免收敛于局部最优,引入Logistic映射、自适应超参数、变异算子对传统麻雀算法进行改进,通过测试函数对算法性能进行验证,表明ISSA算法的收敛速度、寻优精度比传统SSA算法好。以工况转换点为决策变量,通过ISSA算法对工况转换点的位置及速度进行寻优,进而获得目标速度-距离曲线。最后选取城轨车辆参数与线路数据进行仿真验证,仿真结果表明:所提优化策略相较于未优化前,舒适性提高了21.22%,能耗降低了22.41%,准时性与停车误差满足要求;与PSO优化方法相比,收敛速度更快,运行时间几乎一样的情况下能耗降低了12.74%,节能效果更佳;停车误差降低了20.45%,舒适性保持在舒适范围之内;对于速度-距离曲线,巡航距离更长、惰行距离变短、最高运行速度降低。由此可见,达到了综合优化ATO的目的,验证了ISSA优化策略的有效性。

基于改进麻雀搜索算法的大型海上风电场电缆布置优化

考虑多个设计变量和成本因素后,大型海上风电场电缆布置优化问题呈现出高复杂度特点。为此,提出一种基于改进麻雀搜索算法的电缆布置优化方法。首先,以电缆全寿命周期总成本为目标函数,考虑实际工程需求提出约束条件,建立电缆布置优化模型。然后,结合鸡群优化算法和Prim算法来改进麻雀搜索算法,对海上风电场的电缆连接拓扑、电缆型号和变电站位置同时进行优化。最后,进行实例分析,验证模型的可行性和改进算法的有效性。结果显示,全寿命周期模型可以全面评估电缆布置的经济性。相比于原算法,改进麻雀搜索算法的寻优能力有较大提升,且相对于文献中的改进算法具有结构简单、效率高和优化稳定性强的特点,适用于大型海上风电场电缆布置优化问题。

改进麻雀搜索算法下机械臂轨迹规划

针对数控加工机器人的工作抖动问题,考虑机床工作精密度、时间、能耗指标,提出一种时间寻优的改进麻雀搜索优化算法。使用D-H参数构建机械臂数学模型,在MATLAB环境下对已建立模型进行仿真分析,利用3-5-3多项式插值法对机械臂空间轨迹路线分析,并提出麻雀搜索算法优化方案,对比传统算法及改进后机械臂关节速度及加速度曲线,明确优化后算法高效性,对比其他优化算法,确定机械臂时间最优解。研究结果表明,改进麻雀搜索算法粒子收敛速度提升43%,最优解收敛精度提升8%,机械臂轨迹规划用时明显缩短,轨迹规划达到预期,有效提高算法收敛效率及求解精度。

基于改进麻雀搜索算法和核极限学习机的电站锅炉燃烧优化

为了实现“双碳”目标,对电站锅炉燃烧系统进行改造升级势在必行。首先利用精英反向学习策略、动态惯性权重和自适应t分布变异对麻雀搜索算法(SSA)的种群初始化和位置更新进行改进,获得一种新的改进麻雀搜索算法(ISSA)。然后通过ISSA优化核极限学习机(KELM)的正则化系数和核函数参数,建立ISAA-KELM锅炉燃烧特性预测模型。采用该预测模型对某超超临界660 MW机组实际运行数据进行预测,预测结果得到锅炉NO_(x)排放质量浓度和锅炉热效率的平均绝对误差率分别为1.441 7%和0.023 9%,预测效果较好。最后,根据该模型预测结果,利用ISSA对2种典型工况锅炉运行可调参数进行寻优,优化后低负荷工况锅炉NO_(x)排放质量浓度降低约91.73 mg/m~3,热效率提高0.54%,高负荷工况锅炉NO_(x)排放质量浓度降低约45.96 mg/m~3,热效率提高0.50%。

改进麻雀搜索算法在WSNs覆盖优化中的应用

针对无线传感器网络(WSNs)中随机部署传感器节点而造成节点覆盖率低的问题,提出基于改进麻雀搜索算法(SSA)的覆盖优化方法。首先,利用反向学习策略初始化种群,使种群具有多样性;其次,利用鲸鱼算法中的随机搜索策略改进麻雀算法中发现者的更新方式,提高麻雀种群的全局搜索能力;最后,利用萤火虫算法对麻雀个体进行扰动更新,避免算法陷入局部最优。通过实验结果分析,改进后的算法在优化过程中提升了收敛速度和网络覆盖率,从而改善了网络的整体性能。

基于改进麻雀搜索算法的微网容量优化配置

为得到微电网中各微电源的最佳容量配比,满足负荷的出力需求,本文针对含风光柴储的并网型微电网,以综合运行成本最低为目标函数,以分布式电源出力及污染物排放量为约束条件,建立容量优化配置模型。采用折射反向学习机制、差分变异交叉选择策略及动态步长因子改进标准麻雀搜索算法对模型进行求解,并与鲸鱼优化算法、差分算法、灰狼算法、麻雀搜索算法进行对比。选取宁夏地区两个典型日进行算例分析,所求成本较其他4种算法分别降低3.05%、4.12%、8.46%及1.13%。仿真结果表明所提模型具有合理性,且改进的SSA具有良好的寻优能力。

基于改进麻雀搜索算法的时延连续系统参数辨识

现实环境下的控制系统大多为存在时间延迟的连续时间控制系统,为了模拟控制系统对输入的响应,就必须对其参数进行估算。本文首先对时延连续系统方程作拉普拉斯变换,得到了系统的显式方程;然后,通过蝴蝶优化算法和Levy飞行算法对2020年提出的最新的麻雀搜索算法进行改进,使其避免陷入局部极小值点;最后,将智能优化算法应用于控制系统的辨识中,基于本文改进的麻雀搜索算法对时延连续系统的参数进行了估算,并通过数值实验验证了本文算法在辨识精度和收敛速度上的优越性。