基于改进涡流搜索算法的外骨骼迭代学习控制

为提升康复外骨骼机器人的步态跟踪性能,提出一种基于改进涡流搜索算法的迭代学习控制方法。首先针对传统迭代学习控制抗扰性差和控制信息缺失问题,引入PD控制器、自适应遗忘因子、误差过渡曲线和控制信息搜索等策略,改进迭代学习控制律;其次,基于多种策略对涡流搜索算法进行改进,提出了一种改进涡流搜索算法,改进后的算法可优化迭代学习控制的PD参数;最后进行行走实验,将提出的迭代学习控制方法与现有的同类算法进行仿真和数值比较,并测试了扰动情况下的跟踪性能。实验结果表明,所提方法的误差更小,跟踪性能更强。该算法改进了迭代学习控制的不足,具有较强的抗扰性能,保证了使用时的稳定性。

一种面向大规模复杂全局优化的流场吸引动态涡流搜索算法

为了拓展涡流搜索算法的应用能力,提升其求解复杂优化尤其是大规模复杂优化问题的性能,本文提出了一种基于流场吸引流动、逐维半径试探更新和领导层决策机制的动态涡流搜索算法.首先,本文在算法中引入压强差的概念,使候选解依据压强差进一步向着较优解移动,提高算法整体的搜索质量;然后,算法通过逐维半径更新策略,有效避免了在某一维陷入局部极值的情况;最后,本文在中心点的更新中引入领导层决策机制,提高算法快速确定最佳区域的能力.在计算机仿真部分,本文将该改进算法与多组具有不同代表性的对比算法分别在CEC2017套件的100维和CEC2010套件的1000维上进行了极值优化分析,结果表明改进后的算法无论是在高维问题还是大规模复杂问题上的寻优结果都能领先其他代表性对比算法多个数量级,具有很好的收敛性能.

基于混沌理论的涡流搜索算法

基于混沌变量遍历性、随机性和规律性的特点,提出一种混沌涡流搜索算法。混沌涡流搜索算法应用混沌映射机制更新涡流搜索算法的备选解,增加了种群多样性,增强了算法的搜索能力,提高了算法的收敛速度。为了验证混沌涡流搜索算法的性能,采用9个著名的测试函数进行测试,并与粒子群算法、人工蜂群算法和萤火虫算法对比,实验结果表明混沌涡流搜索算法具有良好的收敛精度、收敛速度和搜索能力。

基于涡流搜索算法的过程支持向量回归机模型

针对传统支持向量回归机在机制上难以直接对时变信号进行处理的问题,提出了一种用于时间序列预测的过程支持向量回归模型,采用涡流搜索算法优化选择模型参数,采用UCI(University of California Irvine)数据库的空气质量数据集和比利时SIDC(Solar Influences Data Analysis Center)的太阳黑子数据进行仿真实验。实验结果表明,该模型预测结果均优于粒子群过程支持向量回归机和支持向量回归机的预测结果,具有较好的预测能力。

基于涡流搜索算法的支持向量机分类模型

提出一种将涡流搜索算法用于支持向量机参数选取的新算法,利用该算法不必遍历搜索空间内所有的参数点即可找到全局最优解。给出了具体的算法流程,并进行了仿真。仿真实验结果表明涡流搜索算法是选取SVM参数的有效方法。

基于改进涡流搜索算法的支持向量机分类模型

支持向量机(SVM:Support Vector Machine)是定义在特征空间上的间隔最大的线性分类器,参数的选择决定了其学习性能和泛化能力。针对此参数选择问题,采用改进的涡流搜索算法对支持向量机参数进行选择,寻找最优适应度函数。仿真实验表明,改进的涡流搜索算法是一种有效的SVM参数选择方法,有利于跳出局部最小值,其优化性能不低于涡流搜索算法。

融合涡流搜索和差分策略的教学优化算法

模拟课堂教学行为的教学优化算法,具有操作简单且搜索能力强的突出优点。尽管该算法为增强种群多样性采取了消除重复个体操作,然而在算法后期依然容易陷入早熟收敛。为提高教学优化算法的搜索能力,该文通过融合涡流搜索和差分进化这两种策略,提出了改进措施。改进后的算法包括:教师自学、向教师学、学生互学三种行为。首先,在每轮循环的开始,增加了基于涡流搜索的教师自学习行为,从而使作为最优个体的教师也获得一定的改进机会。其次,在教师阶段和学生阶段的个体更新式中,均增加了体现不同个体之间差异的差分算子,同时在学生阶段增加了轮盘赌选择策略,以便使优良个体获得更多更新的机会。10个标准测试函数的仿真结果表明,改进算法的寻优能力不仅比原算法有大幅度提升,而且对于部分复杂函数也优于同类其他对比算法,从而揭示出通过融合涡流搜索和差分策略提升教学优化算法性能的研究方案是可行的。

算法的优化:基于适应度方差的涡流搜索方法

研究了算法的优化方法。为克服涡流搜索(VS)方法在优化运行时可能会陷入局部最优的问题,提出了一种基于适应度方差(FV)的涡流搜索(VS)方法,简写为FVS算法。该方法每次迭代时计算一次全体备选解适应度值的方差大小,如果适应度方差小于某一设定阈值,则调整涡流搜索方法备选解产生的位置,使方法产生的备选解能够跳出局部最优的限制。将这种基于适应度方差的涡流搜索方法与原始涡流搜索方法和其他几种优化算法对8个测试函数进行了寻优对比,结果验证了这种FVS方法的有效性。

分群涡流搜索优化算法

涡流搜索优化算法的备选解主要集中在由搜索半径和迭代圆心圈定的大致范围内,在解空间备选解的分布比较单一。为增强涡流搜索优化算法的寻优效果,文章提出一种分群涡流搜索优化算法。将涡流搜索优化算法备选解分群,以历次迭代寻优的最优解位置和当前迭代最优解在解空间的反向位置为圆心产生两组备选解,以此来增加分群后备选解的多样性。将分群涡流搜索优化算法与原始涡流搜索优化算法对6个测试函数进行寻优对比,结果验证了改进算法具有较好的寻优效果。

量子衍生涡流搜索算法

涡流搜索是最近提出的新型优化算法,具有操作简单且搜索能力强的突出优点,但在后期容易陷入早熟收敛.对比,通过在该算法中引入量子计算,提出一种量子衍生涡流搜索算法.首先将涡流中心用量子比特编码;然后将其在Bloch球面上实施多次旋转得到多个个体,将最优个体作为新的涡流中心,完成一次迭代.对新的涡流中心再次实施旋转,直至满足终止条件.标准函数极值优化的实验结果表明,所提出的方法明显优于普通涡流搜索算法.

基于量子衍生涡流搜索的阿尔奇公式参数确定方法

阿尔奇公式是应用测井资料定量解释油水层的经典公式,然而传统的利用岩电实验确定阿尔奇公式参数的方法具有成本高、工作量大的缺点.针对这一问题,本文提出了基于量子衍生涡流搜索的阿尔奇公式参数确定方法.首先,根据阿尔奇公式参数的取值范围随机产生一个当前解,然后以当前解为中心,基于三维高斯分布随机产生若干候选解,并在这些候选解中寻找最优解,若最优解优于当前解,则用最优解替换当前解,再以当前解为中心,基于三维高斯分布继续产生候选解,如此循环直至收敛.收敛后的最优解即为最终确定的阿尔奇公式的参数.该方法的特色是候选解采用量子比特编码,候选解的产生采用量子比特的绕轴旋转实现,对于不同尺度空间的搜索具有较好的适应性.实验结果表明,在保证饱和度解释精度的前提下,量子衍生涡流算法可以替代复杂的岩电实验方法来确定阿尔奇公式的参数,使阿尔奇公式参数确定工作更为便捷.

云制造环境下的知识服务组合优化策略

针对云制造环境下知识服务组合优化问题,通过分析服务组合优化过程,采用服务质量感知的服务组合策略建立了以时间、成本、可用性、准确性、创新性、可信性为优化目标的服务组合优化模型;采用聚类分析及关联规则挖掘策略对搜索空间进行预处理,减小了搜索空间,实现了知识服务资源的快速精准定位与匹配,提高了知识服务组合的效率和成功率;针对标准涡流搜索算法易陷入局部最小的问题,引入多涡流中心搜索及涡流中心自适应更新策略,提出一种改进的多中心涡流搜索算法对服务组合问题进行全局优化。仿真实验表明,聚类分析及关联规则挖掘策略与多中心涡流搜索算法结合,能极大地缩短寻优时间并获得更优解,从而更有效地解决知识服务组合优化问题。

两端式自动化立体仓库布局堆垛机调度

针对两端式自动化立体仓库出/入库任务序列的分配方式和堆垛机的调度路径展开了研究。以堆垛机执行出/入库任务的时间为存储效率的评价标准,考虑货物出/入库台的分配问题,建立了单一命令与复合命令两种作业方式并存的堆垛机调度模型。运用涡流搜索算法优化堆垛机的调度路径,获得了堆垛机调度模型的最优解,实现了存储效率的最优化。仿真验证表明,该方法可以有效分配货物的出/入库台,优化堆垛机调度路径,提高仓库的存储效率。

计及模糊机会约束的电-气-热能源枢纽多目标优化调度

为提高系统运行的经济性和环保性,针对风电出力和负荷预测的不确定性,本文在综合能源系统优化调度中引入综合需求响应,以成本和碳排放指标为目标函数建立基于模糊机会约束的多目标优化调度模型,模型由电网、气网、热网和电-气-热能源枢纽构成。将模糊机会约束转化为清晰等价类,并结合分群涡流搜索算法求解,算法在一定程度上克服了局部最优限制,增强了备选解的多样性。通过实际算例仿真验证了所提模型和求解算法的有效性。

基于改进小波阈值的GPS观测数据降噪方法研究

GPS观测数据中混入的噪声会导致定位精度大大降低。针对传统的小波阈值降噪方法在阈值函数和阈值选取方面的不足,设计了一种新型半软阈值函数,利用涡流搜索算法和广义交叉验证实现了分层阈值的自适应确定。改进后的方法不需要先验知识,操作简单,鲁棒性好。数值仿真验证了该方法可以显著降低GPS定位误差。

基于过程支持向量回归机的油田开发指标预测模型

针对传统支持向量回归机在机制上难以直接对时变信号进行处理，提出了一种用于时间序列预测的过程支持向量回归模型，面向油田开发指标综合分析预测等问题，提出了一种过程支持向量回归机模型，建立了基于涡流搜索的优化学习算法，方法可综合历史数据和开发条件，实现对油田开发指标的预测。