自适应混合布谷鸟算法在水电站调度中的应用

针对布谷鸟算法局部搜索能力较弱,搜索质量不高的缺点,在标准布谷鸟算法中加入自适应步长策略、边界变异策略,并与模拟退火算法结合成自适应混合布谷鸟算法。经测试函数验证,自适应混合布谷鸟算法与标准布谷鸟算法相比有结果更优,收敛速度更快的优点。将自适应混合布谷鸟算法引入水电站的调度中,通过新疆玛纳斯一级电站验证了该算法的可行性,为求解水电厂优化调度模型提供了一种新思路。

基于混合布谷鸟算法的智能电网多业务组合投资决策优化

电网当前正处于加速电力市场化建设、拓展各类业务以及寻求效益点的关键时期。构建了基于价值链的智能电网重点业务评价模型与基于智能电网投资多目标的多业务决策优化模型,并利用混合布谷鸟算法求解多业务决策优化模型。通过算例分析验证了所提多业务投资决策模型的正确性以及混合布谷鸟算法的优越性,为电网企业组合发展电网业务提供借鉴。

混合布谷鸟算法求解绿色流水车间调度问题

为协同考虑经济因素和环境因素,求解了优化目标为最小化最长完工时间和碳排放总量的多目标置换流水线车间调度问题(MOPFSP)。提出了一种混合布谷鸟算法(HCS)求解2台机器以上的MOPFSP问题。采用LOV规则将HCS算法中的个体从实数向量转换成工件排序,使其可在MOPFSP的解空间中进行搜索;设计了一种自适应步长控制因子,用于控制算法进化阶段的搜索范围;提出一种多邻域局部搜索,用于对HCS算法全局搜索发现的优质解区域进行细致搜索。由于融合了基于布谷鸟算法的全局搜索和多邻域局部搜索,故HCS算法可有效求解MOPFSP。仿真实验和算法对比验证了HCS算法求解MOPFSP的有效性。

混合布谷鸟算法在高压断路器故障诊断上的应用

为了更准确、快速地对高压断路器故障进行分类、诊断,提出一种基于混合布谷鸟算法优化的最小二乘支持向量机(LSSVM)的故障诊断方法。首先提取分合闸线圈的时间和电流特征量得到特征向量,再利用模拟退火算法(SA)与布谷鸟算法(CS)结合形成的混合布谷鸟算法(CS-SA),对支持向量机进行寻优,旨在得到具有最优参数支持向量机分类模型,提高诊断结果的准确性。最后,利用收集到的数据对该算法进行诊断验证,结果表明利用混合布谷鸟算法优化后的LS-SVM得到的分类模型比常用的粒子群算法、遗传算法、标准布谷鸟算法优化得到的模型准确率更高。

混合自适应布谷鸟算法的物流配送路径优化

为了有效解决多仓库多配送点物流配送时间长和路径远等问题,提出一种多仓库多配送点物流配送路径优化算法。为了满足多仓库多配送点物流配送需求,将最少调用车辆数量和最短配送总距离为目标,确定目标函数及其约束条件,建立多仓库多配送点物流配送路径优化模型。改进布谷鸟算法和粒子群算法,将改进后的算法结合,利用混合自适应布谷鸟算法求解优化模型,同时对混合自适应布谷鸟算法离散化处理,获取最优物流配送路径。仿真实验结果表明,所提算法可以在较短的时间内完成物流配送,且物流运输路径较短,覆盖率更广,能够获取更加满意的物流配送方案。

基于局部搜索策略的混合自适应布谷鸟算法

为了提高布谷鸟算法的搜索精度和全局收敛速度,提出一种基于局部搜索策略的混合自适应布谷鸟算法。在该改进算法中,每个当前解的周围随机产生一个局部种群,利用正余弦算子的局部寻优能力得到局部最优解,并用局部最优解替换当前解,以提高局部搜索精度;同时采用自适应发现概率和搜索步长替代布谷鸟算法中的固定发现概率和搜索步长,以提高算法的全局收敛速度。对25个经典高维基准函数进行实验表明,所提算法在收敛速度和求解精度上优于布谷鸟算法,通过将其应用于拉压弹簧、三杆桁架设计和0-1背包问题,验证了算法的有效性。

基于模拟退火的自适应布谷鸟算法求解公交调度问题

根据实际应用中布谷鸟算法体现出的局部搜索能力差的问题,本文采用算法结合的方式把模拟退火算法结合其中,同时动态更改发现概率以及搜索步长,使之变成自适应混合布谷鸟算法。利用标准测试函数进行检验,发现此结合算法能够很好地提高算法运算质量,收敛速度较快。通过实际应用,将该算法引入到公交调度系统当中,效果较好,这为公交系统优化研究提供了一个新颖的方法。

基于混合PSO-CS算法的彩色图像多阈值分割

彩色图像分割是数字图像处理的一个难点。本文研究群体智能算法对彩色图像的分割,针对布谷鸟算法莱维飞行寻优的跳跃性带来的缺陷,在每次莱维飞行结束后引入一种改进的粒子群位置变异方程引导寻优,并对发现概率和步长因子分别提出新的自适应方程,在此基础上提出一种混合粒子群布谷鸟算法(HPCS),以此混合算法进行彩色图像多阈值分割。实验结果表明,本文提出的HPCS算法在彩色图像分割的效率和质量方面均比较理想。

具有工件相关学习效应的一般多机器流水车间调度问题研究

针对目前具有学习效应调度的研究范围局限在单机或双机流水车间调度方面且学习模型过于简单的问题,建立了一般情况下具有工件相关学习因子、以最大完工时间为目标的多机流水线调度模型。在对模型有效求解方面,针对多项式算法和启发式算法的不足,提出引入智能算法进行求解的思想,将新颖的布谷鸟智能算法用于模型求解,设计了IMM编码用于编码转换,用An混沌映射进行种群初始和启发式算法随机替换策略以提高种群的质量和分散度,再结合迭代贪婪算法和Metropolis准则以提高局部搜索能力和避免早熟,建立了一种混合布谷鸟算法。仿真验证了该混合算法的有效性和优越性。

应急车辆动态路径选择的两阶段优化模型

为研究突发事件情境下交通路网动态变化时的应急车辆路径选择问题,提出应急车辆动态路径选择的两阶段调度优化模型。通过结合路网动态状况和应急救援特征,建立基于最大路径可靠度和最短行程时间的两阶段优化模型;通过混沌搜索改进布谷鸟算法初始种群,并加入蛙跳算法改进局部搜索操作,设计混合布谷鸟算法,改善全局寻优能力;以某市某区部分区域路网为例,将该区域路网实时交通数据应用于模型和求解算法中。实验表明,利用两阶段优化模型和算法编码方案能成功获得出发点到救援点的动态可靠路径,相同行驶路径情况下模型与算法求解的最短行程时间与实地驾车获得的最短行程时间最大误差不超过8%,说明优化模型可行。3种不同算法求解K最短路径的结果发现,混合布谷鸟算法得到的最短行程时间比粒子群算法和经典布谷鸟算法得到的结果都要小,且计算时间最短,表明混合布谷鸟算法求解的结果最优,性能最好。

机械传动电机轴承故障信号诊断仿真研究

传统经验模态分解(EMD)存在模态混叠,难以充分提取故障特征,原始支持向量机(SVM)、相关向量机(RVM)诊断方法核函数存在选取不灵活、结构复杂导致识别效率低的问题,提出了一种结合变分模态分解(VMD)样本熵和混合布谷鸟改进M-RVM的机械传动电机轴承故障诊断新方法。首先,对故障信号进行VMD分解得到多个子序列;然后,筛选其中的有效分量提取样本熵组成故障特征向量;最后,将特征向量输入基于混合布谷鸟算法优化的M-RVM故障诊断模型,达到对电机运行状态准确识别的目的。仿真结果表明,所提方法实现了电机轴承故障状态的准确诊断。与传统分析诊断方法相比,该方法轴承故障识别诊断性能得到提高,对实际工程应用具有重大意义。

基于HCS-GNN模型的ORP传感器故障诊断

针对生物氧化预处理过程中氧化还原电位(ORP)传感器常见故障,通过详细分析该工艺中影响ORP的因素,提出一种混合布谷鸟搜索(HCS)算法与灰色神经网络(GNN)相结合的传感器故障诊断方法。即采用HCS算法对GNN模型参数进行优化,建立ORP非线性预测模型,将ORP预测结果与实际测量值相比较得到残差,分析残差的变化趋势,最终实现对ORP传感器的故障诊断。仿真结果表明,HCS-GNN模型具有较高的预测精度,能够有效地完成对ORP传感器的故障诊断。

不确定环境下U型自动化码头绿色集成调度

为了提高U型自动化码头的装卸效率,促进绿色港口的发展。针对U型自动化码头“双小车岸桥+自动导引车(AGV)+双悬臂轨道吊+外集卡”的装卸工艺,考虑外集卡到达的不确定性,运用混合流水车间调度相关理论,提出一种绿色等待策略,建立了以所有任务的完工时间最小和装卸设备碳排放量最少的多目标绿色集成调度模型,设计了一种改进的混合遗传布谷鸟算法对模型进行求解。通过小、中、大规模的集装箱作业任务实验,将混合遗传布谷鸟算法与遗传算法、自适应遗传算法、灰狼优化算法进行对比,验证了提出的模型与算法的有效性。结果表明,当任务规模较小时,不等待策略的结果较好,并且随着任务量的增多,两者的差值逐渐减小;当任务规模较大时,等待策略结果较好。

考虑碳限额的制造/再制造混合系统生产优化决策

针对碳限额交易机制下制造/再制造混合系统生产决策问题,以最大化总利润和最小化碳排放量为目标,考虑客户需求差异以及碳减排技术投入成本和收益的影响,建立多周期产品制造/再制造混合系统生产决策优化模型.根据模型特点,结合多种群协同进化思想,设计一个多种群混合布谷鸟算法(multi-population hybrid cuckoo search,MPHCS)进行求解.提出一种自定义偏好随机游走策略,增加优秀个体对全局搜索的影响,以优秀个体指导种群进化,实现各子种群信息共享;采用自适应公式更新步长,防止陷入局部最优;同时引入基于Logistic映射的混沌搜索,用于对MPHCS算法全局搜索发现的优质解区域进行精细搜索,提高局部搜索能力.最后通过实例仿真验证了所提出模型和算法的合理性和有效性.