基于混合人工鱼群算法的输电网扩展规划

应用于输电网扩展规划的人工鱼群算法(artificial fish school algorithm,AFSA)依靠随机移动无条件接受劣解以摆脱局部极值,具有盲目性大的特点,且该算法一般在优化初期收敛较快而后期收敛速度减慢。针对AFSA的上述缺点,文章结合模拟退火算法,提出一种混合人工鱼群算法(HAFSA)。HAFSA利用模拟退火算法的概率性突跳搜索机制,使局部极值跳跃能力具有可控性,降低了算法的盲目性,提高了算法效率;引入基于分段自适应调整视野策略的反馈机制,兼顾了全局搜索与局部挖掘能力;加入拟遗传算法的变异算子加快了优化后期的收敛速度。通过IEEE6节点和巴西南部46节点算例证明了HAFSA的正确性和有效性。

人工鱼群与微粒群混合优化算法

针对人工鱼群算法局部搜索不精确、微粒群优化算法易发生过早收敛等问题,提出一种新的人工鱼群与微粒群混合优化算法。算法的主要思想是先利用人工鱼群的全局收敛性快速寻找到满意的解域,再利用粒子群算法进行快速的局部搜索,所得混合算法具有局部搜索速度快,而且具有全局收敛性能。最后,以五个标准函数和一个应用实例进行测试,测试结果表明,提出的算法在一定程度上避免了陷入局部极小,加快了收敛速度且提高了搜索精度。

人工鱼群——粒子群混合算法优化进港航班排序

针对空中交通管理中的进港航班排序问题,提出了人工鱼群—粒子群混合算法(AFPSO)这一航班排序算法来优化进港航班排序,使时段内进港航班队列总延误时间最少。算法结合了基本人工鱼群算法(AFSA)和基本粒子群算法(PSO)各自的优点,先以AFSA在全局寻找满意的解域,再以PSO算法在这些解域中进行快速的局部搜索获得精确解,最终使算法提高收敛速度和搜索精度。仿真结果表明,在单跑道和双跑道情况下,AFPSO算法使得航班队列总延误时间比FCFS调度方法减少了20.9%和34.4%,比基本AFSA减少了3.2%和3.5%。算法得到的满意解能够为自动化空中交通管理提供实时支持。

求解矩阵特征值的混合人工鱼群算法

根据矩阵特征值的分布理论,通过确定矩阵特征值的分布区域,用混合人工鱼群算法来求解任意数值矩阵特征值的近似值。实验结果表明,这种基于混合人工鱼群求解矩阵特征值的算法,可达到一定的精度,能够有效地获得任意矩阵的特征值。

一种基于人工鱼群和文化算法的新型混合全局优化算法

提出一种基于人工鱼群和文化算法的新型混合全局优化算法,该混合算法的思想是将人工鱼群嵌入文化算法框架中,作为种群空间的一个进化过程;通过从进化种群中获得的知识组成知识空间,两空间具有各自群体并独立并行演化,从而实现增加人工鱼群的群体多样性。最后通过数值实例仿真结果表明,本算法具有较高的计算精度和收敛速度。

基于混沌人工鱼群混合算法确定含水层参数

以泰斯公式为基础,将混沌人工鱼群混合算法应用于求解分析抽水试验资料,确定含水层参数的函数优化问题。人工鱼群算法是一种群智能全局随机优化算法,收敛速度快,但存在早熟收敛现象;混沌序列具有遍历性和随机性等特点。为此将混沌系统与人工鱼群算法结合,构造了混沌人工鱼群混合算法。数值实验结果表明:混沌人工鱼群混合算法能成功用于确定含水层参数的函数优化问题,且与人工鱼群算法相比较具有收敛快、效率高和结果精度高等优点,从而为确定含水层参数提供了一种新方法。

基于变异算子的人工鱼群混合算法

把Hooke-Jeeves模式搜索方法作为人工鱼群算法的一个局部搜索算子,嵌入到带变异算子的人工鱼群算法中,提出一种基于变异算子的人工鱼群混合算法。其中,Hooke-Jeeves的强局部搜索能力提高了人工鱼群混合算法的局部收敛速度,变异算子的引入增加了群体的多样性,避免人工鱼群混合算法陷入局部最优。通过基准函数和实例测试验证,表明了该算法是高效可行的。

改进的人工鱼群混合算法在智能组卷中的应用

现有的智能组卷多采用单一算法,而每种算法都有其各自的缺点,针对此缺陷提出了结合人工鱼群算法和遗传算法的优点组成混合智能组卷算法.在智能组卷开始时,采用人工鱼群算法快速靠近组卷目标,在组卷过程中,当最优个体在连续多个迭代过程中无变化或变化极小时采用遗传算法对人工鱼个体进行跳变,提高收敛速度.通过模拟计算证明,该混合智能算法能有效地优化其中单一算法独自进行智能组卷的成效.

一种基于人工鱼群的混合聚类算法

聚类分析是数据挖掘的核心技术之一,它是一种无导师监督的模式识别方式。聚类分析就是按照数据间的相似程度,依据特定的准则将数据划分成不同子类。文中通过分析K-平均算法的优缺点,提出了一种基于人工鱼群算法的聚类分析算法,并把它与传统的K-平均算法结合得到一种新的混合聚类算法。仿真实验表明,该算法是有效的,具有聚类速度快、精度高特点。

基于人工鱼群和蛙跳混合算法的光伏阵列多场景参数辨识

光伏阵列模型的准确性对大规模光伏发电系统的并网运行与调度至关重要。在建立光伏阵列机理模型的基础上,采用人工鱼群和蛙跳混合算法对模型中的未知参数进行辨识,并将辨识结果与人工鱼群算法和蛙跳算法单独辨识的结果进行了对比分析,证明了混合算法兼具两种算法的优点,并能有效克服两种算法的不足,验证了其优越性和有效性。为使光伏阵列模型的输出与实际光伏电站任意1 d的实测曲线均能很好拟合,采用混合算法对不同场景下的参数进行了辨识,并采用任意2 d的实测数据对辨识结果进行了适应性验证,证明了辨识结果的准确性,进一步验证了混合算法的有效性和实用性。

基于混合人工鱼群算法的凸多面体碰撞检测研究

提出了一种基于最短距离计算的凸多面体碰撞检测算法。该算法利用凸多面体三维空间顶点坐标的凸包表示凸多面体,将两个凸多面体间碰撞检测问题归结为一个带约束条件的非线性规划问题,采用混合人工鱼群算法对该问题进行求解,寻优过程前期利用人工鱼群算法快速找到全局极值的邻域,后期切换到模式搜索法,准确找到全局极值。实验表明,无论在计算精度还是在计算速度方面,混合人工鱼群算法比惩罚函数法和遗传算法有更加明显的优势,能够满足碰撞检测的实时性和精确性的要求。

运用混合人工鱼群算法求解装箱问题

装箱问题在实际生产中应用非常广泛,本文在分析该问题特点的基础上,提出了使用类CF近似算法和人工鱼群算法相结合的混合人工鱼群算法求解装箱问题,并给出了具体的算法步骤。跟遗传算法对比,试验结果表明,该算法在求解装箱问题所得的结果优于遗传算法,具有良好的应用前景。

混合改进人工鱼群算法逆向回收车辆路径问题的研究

以电子废弃物回收为例,考虑车辆路径问题(VRP),以运输成本、时间窗下的惩罚成本和碳排放成本最小为目标,构建多目标VRP非线性规划模型,并提出用混合改进人工鱼群算法对该模型进行求解。在确定初始人工鱼群规模前引入ε-约束法,实现人工鱼群规模的自适应生成并加快算法收敛速度。通过对人工鱼群算法视野、步长及拥挤度因子的自适应改进以改善算法易陷入局部最优解的缺陷。利用算例仿真实验验证设计的混合改进人工鱼群算法在求解精度和收敛速度上的优越性。结果表明,该算法具有较强的全局寻优能力,能有效地解决逆向回收车辆路径优化问题,可为电子废弃物逆向回收车辆路径规划提供参考建议。

一种新的粒子群算法与人工鱼群算法的混合算法

通过分析粒子群算法和人工鱼群算法的优缺点,利用粒子群算法收敛速度快及人工鱼群算法能较好地收敛到全局最优解的特点,提出了一种新的混合算法.算法以粒子群为基础进行设计,根据人工鱼群的公告板、群聚和随行策略的模式对粒子群进行速度与位置变更,使原有的粒子群变成具有一定智能的粒子,从而达到提高搜索精度及效率的目的.通过Generalize-Schwefel等3个经典函数进行优化仿真后发现,该混合算法具有搜索精度更高及收敛速度更快的特点,同时该算法在求解高维问题时具有明显优势.

基于混沌优化与人工鱼群算法的混合算法研究

针对人工鱼群算法和混沌优化算法的特点,将人工鱼群算法与混沌优化算法相结合提出一种混合算法。此混合算法是利用混沌变量敏感性来提高人工鱼群初始群体解的质量;然后利用混沌的遍历性和随机性扰动使鱼群算法摆脱局部极值点,提高全局收敛性。仿真实验结果表明了混合算法的有效性。最后,给出了在一定条件下提出的混合算法的收敛性证明。

基于混合人工鱼群算法的机器人路径规划研究

在基本人工鱼群算法流程中融合了天牛须算法寻优的因素,使混合算法具有较高的全局收敛能力。提出了动态视野范围和动态拥挤度因子,使算法能平衡全局和局部的搜索。建立邻接矩阵存储栅格之间的通行关系,定义人工鱼的步长为1,使算法能够适用于栅格地图环境。在不同规模的栅格地图中分别进行了仿真实验,结果表明,与基本人工鱼群算法相比,混合算法规划出的路径在长度和路径折点数方面有明显下降,且随着地图规模的增大优势更加突出。

基于优化人工鱼群算法的混合聚类研究

为了提高混合聚类算法的准确率,提出基于优化人工鱼群算法的混合聚类算法。引入人工鱼群算法,辅以鲁棒性更强的K中心点算法优化了混合聚类方法的聚集效果。通过对人工鱼的行为和参数进行改善,避免了聚类效果易受离群点影响的问题,对理噪声数据的处理更好。结合K-中心点算法与人工鱼群算法的优势,解决了聚类算法初值依赖性,克服了鱼群算法后期迭代速度慢问题。仿真结果表明,该算法全局优化性能稳定,收敛速度加快,聚类效果明显提高,获得了较优的中心点与清晰地聚类划分。

基于粒子群与人工鱼群混合算法的TSP求解模型

传统的群智能算法不断被优化和改进,但由于传统单纯算法的固有缺陷和局限性很难从根本上去除,因此衍生出许多群智能混合算法。针对人工鱼群算法(AFSA)收敛速度慢及粒子群算法(PSO)全局收敛性差的缺陷,提出了一种新的粒子群与人工鱼群的混合算法。算法以人工鱼群算法为基础,将粒子群算法的线性递减惯性权重策略引入到人工鱼群算法中,对人工鱼进行编码处理以及动态改变人工鱼个体的视野,使之形成新的粒子群人工鱼群混合算法(PSO-AFSA)。完成算法融合并将混合算法应用于旅行商(TSP)问题。仿真结果表明:与传统的人工鱼群算法和粒子群算法相比,该混合算法全局收敛性效果更好,收敛速度更快。

一种人工鱼群混合智能优化算法

针对人工鱼群算法一般在初期拥有较快的收敛性，后期收敛较慢的特性，笔者提出一种改进的人工鱼群算法——GPAFSA．该算法将杂交PSO算法引入到人工鱼群算法中，在人工鱼群算法陷入局部最优时，通过使用杂交PSO算法，克服陷入局部最优的缺陷，实现全局最优．仿真实验表明，该算法在收敛性、全局寻优方面比原始算法有很大提高．

基于人工鱼群和粒子群优化混合算法的侧铣刀轴轨迹规划

针对圆锥刀侧铣加工非可展直纹面的刀轴轨迹规划问题,采用两点偏置法确定初始刀轴矢量,为评价单个刀位,提出了单刀位下的误差度量函数,即刀轴上各点到非可展直纹面的距离与对应各点到圆锥面的距离差值的平方和最小。为解决每个刀位下的位姿寻优问题,提出了基于人工鱼群(AFS)和粒子群优化(PSO)混合算法的优化方案。仿真结果表明,所提方法在单刀位下的优化过程简单,结果精度高,优化后位姿集合形成的刀具包络误差小。