改进正余弦优化算法及在公交排班模型中应用

针对正余弦算法在搜索过程中存在收敛精度低、易陷入局部最优等缺点,提出一种基于正态变异自适应的改进正余弦算法(MSCA)。首先,将变异操作引入SCA算法,进行种群初始化;其次,引入惯性权重来修正位置更新方程,保留更多的信息和产生有前途的候选解;提出一种平衡勘探开发的非线性转换参数递减策略,在搜索过程中跳出局部最优解状态;最后,改进基于正态变异算子的位置更新策略,增加局部搜索空间。再选取26个国际标准测试函数对改进的算法进行测试,结果表明,MSCA算法在收敛精度、收敛速度和收敛稳定性上,更优于其他改进算法。除此之外,还将改进后的MSCA应用在城市公交排班中,通过实验仿真得到改进的MSCA的最优目标函数值优于原有算法SCA,以及公交排班符合客流的实际分布。

基于阈值控制的一种改进鲸鱼算法

针对鲸鱼算法在迭代后期种群多样性减少问题,本文提出一种基于阈值控制的改进鲸鱼优化算法(简记为TIWOA),将均匀分布空间与伪反向学习策略相结合,对原始种群位置进行初始化,为全局搜索奠定基础;改进了基于正态变异算子的选择种群方案,增加了局部搜索速度;设计了非线性收敛因子,配合改进的基于正弦函数的螺旋位置更新,使算法在迭代后期有更好的全局搜索能力。文中选取了25个国际标准测试函数对改进算法进行测试,结果表明,TIWOA算法在收敛精度与收敛速度上,更明显优于其它算法,经过Fricdman检验与Wilcoxon检验,TIWOA算法与其它改进的WOA有显著性差异,说明TIWOA算法改进有明显效果。