求解二层规划问题的萤火虫智能群优化算法

针对二层规划问题,给出二层决策问题数学模型的一种新的解法,二层规划萤火虫智能群优化算法:首先采用以原问题的下层问题的Kuhn-Tucker条件代替下层问题的思想,将二层规划问题转化为单层规划问题.其次为避免求解目标函数的梯度信息以及算法过早的陷入局部最优,利用基于Pareto最优解集的萤火虫智能群优化算法对其进行求解,并利用Matlab予以实现.利用5个具有代表性的标准测试实例对该算法予以测试,并与其他算法进行比较.结果表明,结合Kuhn-Tucker条件的萤火虫智能群优化算法在5个测试函数中均能寻找到最优Pareto解,并且在求解的上层目标函数值上均优于对比算法,表明新算法可行有效.

群智能优化算法最新进展

群智能优化算法是一种模拟自然界中生物群体行为特征的优化算法,具有全局搜索能力强、适应性强、并行性强和易于实现的优点。群智能优化算法属于生物启发式算法,在解决复杂优化问题时,面临收敛速度、参数敏感性和鲁棒性的挑战。近年来,在群智能优化算法领域,研究者已经提出了一系列新型的群智能优化算法。综述了最新提出的六种群智能优化算法及其变体模型和应用,并在CEC2020测试函数上进行实验。全面评估了这六种群智能优化算法的收敛精度和稳定性,并简要阐述了群智能优化算法的未来发展趋势。

基于有限元分析与智能粒子群优化算法优化坡面框架支护梁截面设计

将改进自适应惯性权重智能粒子群优化算法(PSO)与外点罚函数结合,以跨长为6 m承受均布荷载的钢筋混凝土坡面支护框架梁为例进行研究。利用FLAC-3D有限元模拟均布荷载下梁的受力情况。研究发现梁单元在跨中弯矩达到阈值100 kN·m时双筋梁造价相对单筋梁低;且保持外力不变时增大混凝土强度使全梁造价升高,而增大钢筋强度使造价下降;箍筋应在满足规范的要求下减小间距;文章还根据计算结果给出相应解释。

基于WSN网络覆盖优化问题的群智能优化算法比较分析

为了解决无线传感器网络(WSN)随机部署方法导致覆盖率低的问题,本研究对群智能优化算法中粒子群优化算法(PSO)、人工蜂群算法(ABC)、人工萤火虫算法(GSO)、灰狼算法(GWO)、蚁狮优化算法(ALO)、蝠鲼觅食优化算法(MRFO)、麻雀搜索算法(SSA)、人工兔优化算法(ARO)、猎食者优化算法(HPO)和蜣螂算法(DBO)基于WSN网络覆盖问题进行比较和分析,并通过单目标优化和多目标优化两种方式对算法的性能进行比较与分析。仿真结果表明,不同算法在相同条件下的性能存在差异,随着监测区域面积的增大,算法的性能会更优。GWO、MRFO、ARO和HPO算法更适用于解决网络覆盖问题。基于覆盖率、移动距离及连通度的多目标优化比仅仅基于覆盖率的单目标优化在WSN网络覆盖问题上的算法性能更佳。

基于群智能优化算法的船舶最优运输路线规划

为规避海洋运输环境中潜在的静态障碍风险区域,并进行平滑、动态避障,降低船舶碰撞风险,研究基于群智能优化算法的船舶最优运输路线规划方法。利用正六边形网格划分方法构建船舶运输所处海洋环境模型;建立基于群智能优化算法的运输航线规划模型,在构建的正六边形网格海洋环境中,动态规划运输避障路径,规划目标为避障过程航行距离与复航路径长度最小化,使用蜘蛛猴算法,求解满足目标函数以及约束条件的本船航行至动态避障转向点的时间、动态避障航向变动量、动态避障转向行为至复航的时间、复航时航向变动量4个规划变量,作为船舶最优运输路线规划方案,实现船舶最优运输路线规划。经测试,所研究方法在存在静态障碍、动态障碍的海况中,规划运输路线后,船舶未出现碰撞风险,且路线平滑。

医疗保障任务风险评估:一项结合判断矩阵与群智能优化算法的研究

目的提出一种快速智能优化算法,使在通过层次分析法(AHP)对医疗保障分队任务进行风险评估时存在的判断矩阵不满足一致性的问题得到解决,同时最大程度保留专家原始信息。方法在原判断矩阵的基础上,充分结合各指标间两两重要性程度,通过特征向量法构造一个各指标之间重要性程度完全合理的矩阵作为过渡矩阵。进而以一定比例系数将两个矩阵结合,使结合成的新矩阵既满足指标间重要程度比较的合理性,又能最大程度保留原矩阵的信息。为了找到最优的比例系数,结合群智能优化算法,设置优化目标为新矩阵与原始矩阵的相似度,约束条件为矩阵满足一致性检验。最终找到最优的比例系数,并将在此系数下形成的新矩阵作为优化后的矩阵。结果该算法可以优化AHP在医疗保障任务风险评估应用中判断矩阵的一致性,有效解决原始矩阵不满足一致性检验的问题,并最大程度保留专家的原始意图。结论本算法实现了智能优化判断矩阵的一致性,使AHP在医疗保障任务风险评估、医疗安全风险评估等复杂系统的应用中更具科学性与合理性。

解WTA问题群智能优化算法的种群初始化问题研究

为提高解武器—目标分配问题(WTA)的群智能优化算法初始种群性能,从提高初始种群多样性的角度提出了基于密码筒的种群初始化方法,从提高初始种群解质量的角度分别提出了基于目标威胁—打击效果混合排序的种群初始化方法和装甲分队战术种群初始化方法。最后,通过一系列不同规模WTA算例的仿真实验对初始化方法进行评估,结果表明三种种群初始化方法均达到了设计要求,且各具优势。

群智能优化算法在水文频率曲线适线中的应用

根据不同适线准则,研究群智能优化算法在水文频率曲线适线中的计算问题,为水利工程规划、水资源优化配置等提供依据。以陕北地区12个主要测站的年径流系列为例,选取五大分布类共12种分布线型,根据我国现行水利水电工程设计洪水计算规范,按照离(残)差平方和最小准则(OLS)、离(残)差绝对值和最小准则(ABS)、相对离差平方和最小准则(WLS),以MATLAB7.6为计算平台,研究模拟退火算法、遗传算法、粒子群算法和蚁群算法进行水文频率参数的估计。在不同适线准则下,陕北地区年径流最优频率分布模型为广义Logistic分布(Generalized Logistic Distribution,GLO),粒子群算法进行参数估算偏差最小。与传统优化方法相比,群智能优化算法对优化目标函数要求低,是一种推求年径流频率曲线统计参数的新途径。

改进沙猫群优化算法的2D-OTSU多阈值图像分割

针对传统多级阈值图像分割方法精度低、收敛速度慢的问题,提出一种改进的沙猫群优化算法(Improved Sand Cat Swarm Optimization, ISCSO)用于全局优化,并应用于2D-OTSU多阈值图像分割任务。通过使用Henon混沌映射和反向折射机制初始化种群,使得种群的分布更加均匀,提高搜索的起始状态,从而增加算法的全局搜索能力;采用非线性灵敏度更新公式来平衡搜索多样性和收敛精度;引入可变螺旋搜索策略改进位置更新算法,以确保算法具有较好的搜索多样性和跳出局部最优解的能力。选取6张测试图像对ISCSO算法进行2DOTSU多阈值图像分割实验,采用峰值信噪比(PSNR)、特征相似性指数(FSIM)和结构相似性指数(SSIM)对实验结果进行评价。实验结果表明,基于ISCSO算法的2D-OSTU多阈值图像分割方法在图像分割任务中85.2%的结果优于对比算法,具有较强的搜索精度和收敛速度,这证明了ISCSO算法在图像分割领域的有效性和潜力。

群智能优化算法的船舶信息管理任务批量流水调度研究

针对传统的船舶信息管理任务调度模型的调度平均等待时间长的问题,研究群智能优化算法的船舶信息管理任务批量流水调度模型。根据群智能优化算法理论,将调度过程中的船舶看作粒子,根据实际调度需求设定调度模型的参数。为缩短船舶调度平均等待时间,规划船舶调度的目标函数以及约束条件。计算粒子适应度,将粒子与任务分配一一映射,根据船舶可信度计算得到局部粒子最优解,更新粒子位置直至出现最优调度解,完成船舶信息管理任务批量流水调度模型的构建。通过与传统调度模型的对比仿真实验,验证构建的基于群智能优化算法的船舶调度模型能够缩短传统调度模型2/3的平均调度等待时间,提高了调度效率。

基于混沌映射的改进金枪鱼群优化算法对比研究

Kubernetes作为当前云资源管理的标准平台,因其默认调度机制的局限性,目前普遍采用基于群智能优化算法的改进方法进行Pod的调度。而针对群智能优化算法存在的寻优性能易受初值影响、迭代后期容易早熟收敛等问题,选择金枪鱼群优化(Tuna Swarm Optimization,TSO)作为基础算法,根据混沌映射具有的遍历性、随机性等特点,提出了基于混沌映射的种群初始化优化方案。选择目前研究中普遍涉及的Tent、Logistic等多种混沌映射,分别对金枪鱼种群进行初始化,以提高初始种群的多样性。通过一系列基准测试函数进行仿真实验,对比基于不同混沌映射的改进金枪鱼群优化算法的实验结果,证明了基于混沌映射的优化方案可以有效提高原始TSO算法的收敛速度和寻优精度。

一类基于群智能优化算法的谐波估计方法

准确地估计谐波是抑制电网中谐波的先决条件,提出了基于群智能优化算法与最小二乘法相结合的谐波估计方法,该类方法首先应用群智能优化算法中的粒子群算法、差分进化算法、人工蜂群算法、遗传算法及细菌觅食算法分别对谐波的相位进行估计,然后由最小二乘法完成对谐波幅值的估计;最后将该类方法应用在测试信号谐波估计中,仿真结果表明了这些方法可以有效的对谐波进行估计;此外,还对比分析这五种群智能优化算法与FFT谐波估计的运算时间,收敛状况以及估计误差,比较的结果表明了该方法比传统的方法具有更好的效果。

若干新型群智能优化算法的对比研究

随着计算机技术的发展,算法技术也在不断交替更新。近年来,群体智能算法受到了广泛的关注和研究,并在诸如机器学习、过程控制、工程预测等领域取得了进展。群智能优化算法属于生物启发式方法,广泛应用在解决最优化问题上,传统的群智能算法为解决一些实际问题提供了新思路,但是也在一些实验中暴露出不足。近年来,许多学者相继提出了很多新型群智能优化算法,选取了最近几年国内外提出的比较典型的群智能算法,蝙蝠算法(Bat Algorithm,BA)、灰狼优化算法(Grey Wolf Optimization,GWO)、蜻蜓算法(Dragonfly Algorithm,DA)、鲸鱼优化算法(Whale Optimization Algorithm,WOA)、蝗虫优化算法(Grasshopper Optimization Algorithm,GOA)和麻雀搜索算法(Sparrow Search Algorithm,SSA),并进一步通过22个标准的CEC测试函数从收敛速度、精度和稳定性等方面对比了这些算法的实验性能,并对比分析了其相关的改进方法。最后总结了群智能优化算法的特点,探讨了其今后的发展潜力。

群智能优化算法反演概率积分参数的性能比较与分析

目前,各种群智能优化算法涌现且各有特色、性能各异、普适性不强、在开采沉陷领域应用较少,更为重要的是,众多学者面对该类算法,无法有效选择最优算法进行开采沉陷研究。常见的群智能优化算法中狮群算法(Lion Swarm Optimization,LSO)、蝙蝠算法(Bat Algorithm,BA)、人工鱼群算法(Artificial Fish School Algorithm,AFSA)具有不同的特征,且在概率积分参数反演中鲜有应用。为此,将上述3种群智能优化算法引入概率积分参数反演中,并从抗随机误差性能、抗粗差干扰性能、观测点缺失的抗干扰性能、参数波动性和全局搜索性能等几个角度对群智能优化算法进行研究分析。模拟试验及工程实例分析表明,上述3种群智能优化算法均满足应用精度要求。LSO算法在抗随机误差干扰影响、观测点缺失的抗干扰能力方面以及参数结果总体波动性方面相对于BA、AFSA算法有一定优势;BA算法在抗粗差干扰能力方面优于LSO、AFSA算法;在全局搜索性能方面,随着反演参数解空间范围扩大为原来的2倍后,用AFSA算法反演概率积分参数的精度优于LSO、BA算法。通过详细比较分析,总结了上述3种算法在开采沉陷中的性能表现,可为有效选择合适的群智能优化算法进行概率积分参数反演提供参考。

量子群智能优化算法综述

随着科学技术的不断发展,最优化理论及其衍生出的算法已经广泛应用于人们的日常工作与生活当中,现实世界中的很多问题都可以被描述为组合优化问题。群智能优化算法这些年来被证明在解决组合优化问题方面效果显著,将当下处于研究热点的量子计算概念引入群智能优化算法形成的量子群智能优化算法,为更好地解决组合优化问题提出了一个新的研究方向。在过去的二十多年里,许多量子群智能优化算法被不断开发出来,同时在此基础上进行了大量改进与应用。综述了量子蚁群算法、量子粒子群算法、量子人工鱼群算法、量子人工蜂群算法、量子布谷鸟搜索算法、量子混合蛙跳算法、量子萤火虫算法、量子蝙蝠算法等量子群智能优化算法,并对量子群智能优化算法面临的问题以及未来研究方向进行了深入探讨。

应用新型量子粒子群优化算法求解PFSP问题

为了提高粒子群算法在求解调度问题时的搜索能力和优化效率以及避免早熟收敛。通过采用了一种新颖的量子粒子群算法,用量子位的概率幅对粒子位置编码,用量子旋转门实现粒子移动,完成粒子搜索;并采用量子非门来实现变异,从而提高种群多样性。由于每个量子都有两个概率幅,因此每个粒子实际占据两个粒子位置,所以在粒子数目相等的情况下,能加速粒子的搜索进程。仿真实验结果表明,在求解置换流水线生产调度问题时优于基本粒子群算法。

基于智能算法的铁路选线设计优化

随着铁路运输的快速发展,铁路选线设计优化成为了重要研究领域。本文以智能算法为基础,探讨铁路选线设计的优化方法。通过对比分析传统选线方法与智能选线方法的优劣,提出一种结合地理信息系统(GIS)与群智能优化算法的铁路选线设计优化方案。实验结果表明,该方法能有效提高选线效率,降低工程成本,为铁路选线设计提供有力支持。

求解虚拟企业资源结盟博弈的启发式群智能优化算法

通过对求解虚拟企业资源结盟博弈问题与求解经典SAT问题相似性的分析,提出了一种求解虚拟企业资源结盟博弈的启发式群智能优化算法.算法融合萤火虫优化算法与布谷鸟优化算法部分原理,并设计可行的交叉算子以及变异优化算子,能够修复不可行解并保持种群多样性.实验结果表明本文算法的迭代次数与搜索到的稳定联盟数成线性增长,较启发式遗传算法有着更好的爬山性能和搜索能力.

基于改进正交优化群智能算法的分布式电源规划

分布式电源(DG)的选址和定容是微电网的重要组成部分,通过建立以有功网损、电压偏移量、DG投资与运行成本为目标的多目标优化模型,提出了一种改进正交优化群智能算法对分布式电源进行规划.将分布式电源规划应用于正交试验中,并且在正交试验的DG容量方差分析中加入方差比例分析,为DG的规划提供搜索方向和搜索范围,寻求最优解.最后通过实际算例仿真计算并与遗传算法相比较,验证了该算法的有效性和优异性,为分布式电源的规划提供了新的思路.

群智能优化算法在路径规划中的应用

本文对群智能的理论内涵进行分析,然后从人工鱼群算法、蚁群算法以及粒子群算法三个角度分析群智能优化算法在移动机器人规划中的应用现状,然后对以上三种算法的性能做比较。