改进麻雀搜索算法在分布式电源配置中的应用

针对麻雀搜索算法(Sparrow Search Algorithm,SSA)在解决高维、非线性的分布式电源(Distributed Generation,DG)优化配置问题中求解精度与稳定性不足的问题,提出一种改进麻雀搜索算法进行求解。通过引入Tent混沌提高初始解的质量,利用Levy飞行策略和柯西高斯变异,增强算法搜索方向的多元性以及跳出局部最优的能力,针对算法在工程应用中产生大量无效麻雀的问题,优化了麻雀位置更新公式,以提高SSA的工程实用性。分别用标准SSA、ISSA、蝴蝶优化算法(Butterfly Optimization Algorithm,BOA)、鲸鱼优化算法(Whale Optimization Algorithm,WOA)测试基准函数,对比验证ISSA的有效性,并将ISSA应用于IEEE33节点系统的DG化配置模型求解,所求的DG配置方案能更大程度地降低配电网有功损耗与电压偏差。

基于改进麻雀算法的图像自适应增强方法

针对非完全Beta函数在图像增强过程中需手动调整参数、算法效率较低的问题,本文提出了一种基于改进麻雀搜索算法(LKSSA)的图像自适应增强方法(LKSSA Beta)。首先,采用Logtistic混沌映射优化麻雀搜索算法(SSA)初始种群;其次,使用鸟群算法飞行行为思想及柯西高斯扰动提高SSA寻优能力;然后,利用LKSSA优化Beta函数的参数,构建灰度变换曲线,达到图像增强效果;最后,将本文算法与基于PSO图像增强法、基于人工蜂群图像增强法及基于传统Beta函数图像增强法实验结果进行对比。对比结果表明,LKSSA将具有更优的灰度图像全局搜索能力,本文算法可以保留图像更多细节信息,使图像整体对比度明显提高。