基于概率精英差分和自适应黄金正弦的鲸鱼优化算法

针对鲸鱼优化算法收敛速度慢和寻优精度低的缺点,提出一种基于概率精英差分和自适应黄金正弦的鲸鱼优化算法。基于最大最小思想优化拉丁超立方体抽样来初始化鲸鱼种群,使初始种群分布更加均匀,拥有更好的全局搜索能力;提出融合余弦自适应算子的黄金正弦算法改进鲸鱼的螺旋更新,加快收敛速度,提高收敛精度;设计概率精英差分变异方法并进行贪婪选择,优化算法流程,增强算法跳出陷入局部最优的能力。选取4个单峰测试函数、4个多峰测试函数和5个多最优解的多模态测试函数与主流优化算法进行对比实验,实验结果表明,该算法具有更高的寻优精度、更快的收敛速度以及更优的全局搜索能力,通过消融实验验证了该算法改进策略的有效性。

融合正弦余弦算法的蝴蝶优化算法

针对蝴蝶优化算法存在收敛速度慢、求解精度差和易陷入局部最优等缺陷,提出一种融合正弦余弦算法的蝴蝶优化算法。首先在蝴蝶自身认知部分引入非线性自适应因子,其次重新定义香味浓度计算公式,最后在局部搜索阶段引入改进的正弦余弦算法。通过19个基准函数的测试,实验结果表明,本算法在收敛速度、寻优精度和鲁棒性方面均优于蝴蝶优化算法(Butterfly Optimization Algorithm,BOA)、正弦余弦算法(Sine Cosine Algorithm,SCA)、樽海鞘群算法(Salp Swarm Algorithm,SSA)、狼群算法(Grey Wolf Optimizer,GWO)和布谷鸟搜索算法(Cuckoo Search Algorithm,CS),与其他改进蝴蝶优化算法相比,在寻优精度方面也具有一定优势。

基于正弦与余弦优化算法的配电网故障区间定位

快速准确地定位配电网故障区间对缩短故障停电时间和恢复电网运行具有重要的意义。提出了基于正弦与余弦优化算法(Sine Cosine Algorithm,SCA)的配电网故障区间定位方法。SCA算法通过简单的正弦与余弦函数模型即可实现优化问题的全局快速搜索,具有原理简单,容易实现,搜索能力强等特点。算例对比分析了SCA算法定位结果的快速性与准确性,探讨了算法参数对定位结果的影响。仿真结果表明,SCA算法在单点与多点故障并伴有信息丢失畸变等情况下均表现出了良好的优化性能。

基于采蜜机制的正弦余弦算法及其在机械优化设计中的应用

针对标准正弦余弦算法(SCA)在求解函数优化问题时存在局部开发能力差、收敛速度慢和求解精度低等问题,提出了一种基于采蜜机制的正弦余弦算法(SCAHGM)。首先,更改参数r_(2)、r_(3)、r_(4)的位置,使每个个体采用相同的参数r_(1)、r_(2)、r_(3)和r_(4),按幂递减函数自适应调整参数r_(1),并动态调整参数r_(3),减少随机性,提高算法搜索效率;其次,利用贪婪选择策略、采蜜蜂算子、侦察蜂算子,加快算法收敛速度,提高算法优化精度,增加种群多样性,防止算法陷入局部最优;然后,在算法迭代过程中,以一定概率交替执行正余弦算子或采蜜蜂算子,更好地平衡算法的全局探索与局部开发能力。最后,选取23个标准测试函数进行仿真实验,结果表明SCAHGM算法较标准SCA、改进SCA和其他元启发式算法具有更佳的寻优性能,并通过优化2个机械设计实例,验证了SCAHGM算法的可行性和适用性。

解决高维优化和特征选择的多策略改进正弦余弦算法

针对基本正弦余弦算法(sine cosine algorithm,SCA)求解高维复杂优化问题时存在精度低、收敛慢和易陷入局部最优等缺点,提出一种改进的SCA(improved sine cosine algorithm,iSCA)。首先,该算法设计出一种基于倒S形函数的非线性转换参数规则替代原有线性策略,从而实现从全局搜索到局部搜索的良好过渡;其次,嵌入个体历史最佳信息修改位置搜索方程以指导寻优过程,进一步改善算法的解精度和加快收敛;最后,引入翻筋斗觅食机制生成新的位置以增加群体多样性,从而降低算法陷入局部最优的概率。选取10个高维基准测试函数、10个UCI高维数据集和2个风电机组故障数据集进行仿真实验,并与基本SCA、MSCA(memoryguided SCA)和I-GWO(improved grey wolf optimizer)算法比较,结果表明,iSCA算法在精度和收敛指标上均优于其他比较方法。

求解大规模优化问题的改进正弦余弦算法

针对正弦余弦算法(sine cosine algorithm,SCA)在求解大规模优化问题时收敛精度低、收敛速度慢和易陷入“维数灾难”的不足,提出一种带Lévy飞行的正弦余弦算法(sine cosine algorithm with Lévy flight,SCAL).SCAL算法通过将Lévy飞行分布与正弦余弦种群个体位置向量进行对应元素相乘运算,使Lévy飞行分布的特征和信息融入正弦余弦种群个体信息中,使其拥有Lévy飞行随机游走的特性,增强了个体局部开发和逃离局部极值的能力;采用基于空间距离的非线性参数调整方法,平衡算法的局部开发和全局搜索,提高了算法的收敛速度.在14个经典测试函数上,维度分别为100、1 000和5 000维时,与SCA、花授粉算法(flower pollination algorithm,FPA)、粒子群优化(particle swarm optimization,PSO)算法、麻雀搜索算法(sparrow search algorithm,SSA)和鲸鱼优化算法(whale optimization algorithm,WOA)5种群体智能算法进行仿真对比实验.结果表明,SCAL算法在收敛精度、收敛速度和鲁棒性上较5种群体智能算法优势明显.与解决大规模优化问题的改进狼群算法(improved wolf pack algorithm,IWPA)、改进花授粉算法(improved flower pollination algorithm,IFPA)、鲸鱼算法的两种改进版本IWOA(improved whale optimization algorithm)和MWOA(modified whale optimization algorithm)进行比较,发现SCAL的整体寻优结果优于对比算法,在求解大规模优化问题上具有显著优势和竞争力.

基于折射反向学习的改进正弦余弦探路者算法

针对探路者算法(Pathfinder Algorithm,PFA)在寻优时收敛速度慢、求解精度低与极易陷入局部最优等问题,提出一种基于折射反向学习的改进正弦余弦探路者算法运用于函数优化问题当中。首先,通过折射反向学习策略初始化种群,利用折射与反向原理相结合使初始解更加靠近最优解位置,优质的种群定位能为迭代期的策略执行提供良好基础;其次,在探路者位置更新阶段引入改进的正弦余弦个体位置更新方式,该方式将原更新式中的线性步长搜索因子进行替换,以非规律的模式产生新代探路者个体,从而降低个体忽略最优解的概率,同时提出一种自适应权重添加至原更新式当中,配合正、余弦函数对算法的全局搜索与局部开发能力进行平衡;最后,将本文算法运用于12个经典的基准测试函数与10个具有复杂特征的CEC2014基准测试函数上进行寻优求解,并将其运用于压力容器设计与三杆桁设计问题,同时选取了合适的评价指标对算法性能进行评估。实验结果表明:本文算法在收敛速度、寻优精度与局部最优规避性方面均有较大提升,出色的工程优化性能也证明了本文算法的鲁棒性。

一种螺旋更新的正弦余弦算法

针对基本正弦余弦算法在处理函数优化问题时优化精度低、易陷入局部最优、收敛速度慢等问题,提出一种螺旋更新的正弦余弦算法。首先,非线性调整参数,平衡全局勘探和局部开发能力;其次,利用螺旋更新策略,改进原算法搜索方式,提高优化精度,增强全局搜索能力,防止陷入局部最优;最后,采用贪婪选择与高斯变异策略,提高收敛速度和优化精度。采用23个基本测试函数进行仿真实验,并与其它几种算法进行比较,实验结果表明改进算法具有较高的优化性能。

函数优化的量子正弦余弦算法

正弦余弦算法利用正弦和余弦函数对个体位置进行更新与搜索。为避免正弦余弦算法早熟收敛,根据量子进化算法的相关理论和正弦余弦算法原理,设计了一种求解函数优化问题的新型智能算法——量子正弦余弦算法。量子正弦余弦算法利用量子位对个体位置进行编码,以量子旋转门实现对个体最优位置的搜索,并以量子门实现个体的变异,从而避免早熟收敛。通过一系列典型函数优化问题的求解实验并与其他算法作比较进行检验,实验结果表明该算法具有良好的性能。

改进的正弦余弦算法在函数优化问题中的研究

正弦余弦算法(SCA)是2015年提出的一种新型的群智能算法。针对标准正弦余弦算法局部搜索能力差、精度低的缺点,提出改进的正弦余弦算法(简称ISCA)。首先,引入动态惯性权重平衡算法的局部与全局搜索能力;然后,为更进一步加强迭代后期局部搜索能力,将参数r1由线性递减函数变成了指数型递减函数;最后,引入自适应变异因子,增强种群的多样性;最后,将改进的SCA算法对10个经典的单峰、多峰函数进行测试,并同标准SCA算法、粒子群算法(PSO)、遗传算法(GA)进行比较。实验结果表明:ISCA算法优于其他几种算法。

求解高维优化问题的改进正弦余弦算法

提出一种改进的正弦余弦算法(简记为ISCA)。受粒子群优化(PSO)算法的启发,引入惯性权重以提高正弦余弦算法的收敛精度和加快收敛速度。此外,采取反向学习策略产生初始个体以提高种群的多样性和解的质量。采用八个高维基准测试函数进行仿真实验:在相同的最大适应度函数评价次数下,ISCA总体性能上均优于基本SCA和HGWO算法;当维数较高(D=1 000)时,ISCA所用计算量远小于HDEOO算法。实验结果表明ISCA在收敛精度和收敛速度指标上均优于对比算法。

自学习策略和Lévy飞行的正弦余弦优化算法

针对正弦余弦算法(SCA,sine cosine algorithm)局部搜索能力差的缺陷,提出自学习策略和Lévy飞行的正弦余弦优化算法(SCASL,sine cosine optimization algorithm with selflearning strategy and Lévy flight)。首先,提出正弦余弦算法自学习策略和非线性权重因子,使搜索个体记忆自身历史最优位置,在寻优过程中指导搜索个体更新位置,提高SCA的局部搜索能力;算法寻优后期,当搜索陷入局部最优时,采用基于Lévy飞行的停滞扰动策略使算法跳出局部最优,提高SCA的局部最优规避能力。基于13个经典基准测试函数对算法性能进行测试的实验结果表明,SCASL相比标准SCA和较新的优化算法SSA,VCS,WOA,GSA,具有更高的计算效率,收敛精度以及更强的局部最优规避能力。求解无人作战飞机航迹规划的仿真结果表明,在有6个敌方威胁源的战场环境中,相比SCA,SCASL求解得到的飞行航迹具有更小的航迹代价。综上,所提出的SCASL具有较强的寻优能力。

融合正弦余弦和无限折叠迭代混沌映射的蝴蝶优化算法

针对蝴蝶优化算法求解精度不高、收敛速度较慢等问题,提出融合正弦余弦和无限折叠迭代混沌映射(ICMIC)的蝴蝶优化算法.首先,采用ICMIC映射对蝴蝶个体状态进行初始化,避免算法陷入局部最优.然后,在自身认知飞行部分引入正弦余弦算子,平衡算法的局部搜索能力与全局搜索能力.最后,通过改进依赖香味大小的幂指数调整吸收程度,获取更好的最优解.在8个基准函数上的实验表明,文中算法具有较优的全局搜索能力和求解鲁棒性,寻优精度较高,收敛速度较快.

基于正弦余弦算法的NoC测试规划研究

如何实现多约束条件下测试时间优化是目前片上网络(NoC)测试中亟待解决的问题。提出一种基于正弦余弦算法(SCA)的NoC测试规划优化方法。采用专用TAM的并行测试方法,在满足功耗、引脚约束的条件下,建立测试规划模型,对NoC进行测试。通过群体围绕最优解进行正弦、余弦的波动,以及多个随机算子和自适应变量进行寻优,达到最小化测试时间的目的。在ITC’02 test benchmarks测试集上进行对比实验,结果表明相比粒子群优化(PSO)算法,提出的算法能够获得更短的测试时间。

正弦余弦算法的研究及应用综述

正弦余弦算法(SCA)是一种新颖的随机优化算法,主要利用正弦函数和余弦函数的波动性与周期性来搜索和迭代,从而达到寻优目的。给出了正弦余弦算法的基本原理,讨论了影响正弦余弦算法性能的主要参数,分析了正弦余弦算法的搜索机制。综述了算法的改进策略,并列举了正弦余弦算法在调度问题、控制器优化、电力系统优化、数据挖掘、图像处理、目标跟踪等方面的应用。最后结合正弦余弦算法的特点和研究现状,对正弦余弦算法未来的研究发展方向进行了展望。

转换参数非线性递减的正弦余弦算法

正弦余弦算法是一种新型智能优化算法,利用正弦函数和余弦函数值的变化来实现优化搜索。转换参数直接影响算法全局探索和局部开发的平衡,对算法的性能有着重要影响。为提高该算法的优化性能,首先对转换参数的设置进行分析,然后设计出转换参数抛物线函数递减和指数函数递减两种正弦余弦算法,并采用标准测试函数进行数值实验,和转换参数线性递减的基本正弦余弦算法进行比较。结果表明指数函数递减的正弦余弦算法具有更高的计算精度和更快的收敛速度。最后以协同过滤推荐算法中相似度函数的计算为应用对象,进一步验证新算法的可行性和有效性。

融合正弦余弦算法的花授粉算法

针对基本花授粉算法存在容易陷入局部最优、求解精度粗糙等问题,提出一种融合正弦余弦算法的花授粉算法.将正弦余弦算法作为一种局部算法嵌入到花授粉中,对花粉个体分别进行正弦和余弦优化.并用六种标准函数测试算法的性能,结果表明SCA-FPA寻优性能优于基本花授粉算法和基于差分进化的花授粉算法.

融合正余弦策略的算术优化算法

针对算术优化算法存在的求解精度低、收敛速度慢和容易陷入局部最优等缺陷,提出一种融合正弦余弦策略的算术优化算法。根据个体适应度的变化信息自适应调整数学优化器加速函数MOA,平衡算法的全局探索和局部开发能力;将改进后的正弦余弦算法引入算法的局部开发阶段,增加迭代后期种群多样性,避免算法陷入局部最优,有效提升算法的求解精度和收敛速度。在14个基准测试函数上的仿真实验结果表明,改进算法在求解精度、收敛速度和鲁棒性方面均有明显提升。最后将改进算法用于支持向量机SVM参数优化,并建立学生知识水平预测模型,进一步验证了算法的实用性和优越性。

引入正弦余弦算子和新自花授粉的花授粉算法

针对花授粉算法在处理高维优化问题时,收敛精度较低,易陷入局部极值的缺陷,提出了一种花授粉算法的改进算法。在异花授粉阶段,改进算法使用正弦余弦算子对花粉个体进行逐维扰动,以增强花粉个体的多样性;在自花授粉阶段,基于自然界优胜劣汰的生存法则思想,提出了一种新的自花授粉策略。与7种算法对比,在9个基准函数上进行性能对比实验,结果表明:改进算法在收敛精度和收敛速度上较对比算法有显著优势;在函数维度达到5000维时,改进算法没有陷入“维数灾难”,收敛的精度较高。在悬臂梁设计和压力容器设计2个工程实例上进行应用实验,验证了改进算法的性能和实用性。

基于正弦余弦算法的非线性方程组求根

给出了一种求解非线性方程组的方法,通过把非线性方程组转化为一个无约束优化,采用正弦余弦算法求解。针对唯一根的非线性方程组,该方法能够收敛到其唯一根;针对具有多个根的非线性方程组,该方法能够找到尽可能多的根。该方法的优点是无需计算非线性方程组的雅克比矩阵,适用范围广。