一种基于混合搜索策略的人工蜂群算法研究

研究了一种基于混合搜索策略的人工蜂群算法,可以解决人工蜂群算法的搜索策略在求解复杂函数时收敛速度的问题.新算法中混合使用两种不同的搜索策略,优化了引领蜂和跟随蜂在食物源附近的邻域搜索能力.8个基准函数的仿真实验结果表明,与基本人工蜂群算法及一些改进算法相比,新算法有效提高了收敛速度和求解精度.

基于混合搜索策略的蝴蝶优化算法

蝴蝶优化算法一种模仿蝴蝶觅食行为群智能优化算法,充分利用蝴蝶的嗅觉来确定食物源的位置上,但是该算法与其他智能算法一样,也存在一些缺点和不足如收敛速度和求解精度等方面的问题,本文提出一种混合搜索策略蝴蝶优化算法,在搜索的过程引进柯西搜索算子项使算法的局部搜索能力有所改进,最后通过标准函数测试,结果表明收敛速度和求解精度都有所提高。

混合搜索策略及其在VLSI冗余最优分配中的应用

容错技术对于提高VLSI电路的可靠性和成品率十分重要。为实现容错,系统必须提供冗余。本文利用模拟退火、禁忌搜索等现代优化算法求解VLSI系统中基于全局冗余的最优分配问题,并在此基础上提出结合两者优势的混合搜索策略TS2A。实验结果表明,该方法在搜索质量上优于单一的优化方法。

基于混合策略麻雀搜索算法优化的DC-DC变换器自抗扰稳压策略

为抑制城轨列车频繁启停引起的牵引网电压剧烈波动,在车载储能DC-DC变换器中设计一种基于改进麻雀搜索算法的自抗扰控制器。首先,建立DC-DC变换器的一阶自抗扰控制器进行稳压控制;然后,为提高系统快速性和抗扰性,引入麻雀搜索算法进行控制器参数寻优;之后针对麻雀搜索算法易陷入局部最优的缺点,引入Tent混沌序列和多样化变异处理,并提出基于樽海鞘算法的新型改进算子对麻雀搜索算法进行改进;最后,根据列车的速度曲线进行仿真验证。通过实验对比,自抗扰控制器在启动加速阶段的电压调节时间相较于PI控制、传统自抗扰和麻雀搜索自抗扰分别减小0.012、0.006、0.003 s,在制动减速阶段分别减小0.0054、0.0025、0.0015 s,结果表明所设计的控制器的可行性和有效性。

一种用于DGPS整周模糊度解算的混合策略麻雀搜索算法

针对麻雀搜索算法(SSA)在计算差分全球定位系统(DGPS)整周模糊度过程中出现的全局搜索能力弱、易陷入局部最优等问题,提出了混合策略麻雀搜索算法(HSSSA)。首先,通过引入Circle混沌映射初始化种群,提高初始种群的多样性,增强算法的全局寻优能力;其次,将粒子群算法中各个粒子的速度策略引入发现者位置更新公式中,提升算法寻优能力;最后,使用高斯变异策略对最优麻雀位置进行扰动,增强了跳出局部最优的能力。将所提算法应用于9个不同特征的基准函数进行实验,结果表明,HSSSA算法有着良好的寻优精度和收敛速度。在GPS/BDS实测数据的3000个历元的解算中,相比传统LAMBDA算法和SSA算法,HSSSA算法有着更高的解算成功率,可达99.2%。

基于混合搜索的匹配跟踪位分配

提出了一种基于混合搜索的匹配跟踪位分配策略,该方法依据人眼高级视觉特性在编码过程中动态确定编码质量优先的区域,并以此作为依据调整原有原子搜索策略,使得原子函数分布集中在感兴趣区域附近,从而改善整个匹配跟踪视频编码器的图像恢复质量.实验结果表明,利用该法所获得的图像恢复质量基本符合人眼的主观判断,而且算法复杂度较低,具有较高实用价值.

基于改进麻雀搜索算法的微电网优化调度

针对微电网优化调度问题,提出一种混合策略改进的麻雀搜索算法。首先,将微电网优化调度问题变成多维函数优化问题,并建立约束条件。其次,利用Sin混沌序列初始化种群;然后在位置更新阶段引入学习系数和变异算子;最后引入自适应t分布和动态选择概率,来改善麻雀搜索算法的搜索能力。通过标准测试函数仿真实验和对微电网优化调度模型求解,验证了所提算法具有更高的精度和更快的收敛速度。

引入群体发现和加入行为的随机搜索算法

针对自由搜索算法以及自适应随机搜索(ASS)算法效率低和寻优能力不足的问题,提出了一种基于群体发现和加入行为的随机搜索(HASS)算法。HASS算法采用搜索半径的自适应调整策略提高搜索效率,利用区域混合搜索策略引导群体中的不同个体分别进行全局和局部搜索,通过状态评估方法引入变异策略避免陷入局部最优。HASS算法与ASS算法的主要区别体现在解的选择机制和搜索策略上,HASS算法同时接受较优个体和较差个体,分别为两类个体设计不同的寻优策略来指明搜索方向,增强了算法跳出局部最优的能力和寻优效率。对12个标准测试函数的实验结果表明,该算法的寻优成功率可达100%,较之其他4种算法具有更快的收敛速度和更强的全局搜索能力,特别适于处理复杂的函数优化问题。

基于GCC-MSSA的变压器局放超声内部定位方法

变压器绕组因绝缘故障引发的局部放电危害着电力系统的安全运行,而目前针对局部放电的超声波外置检测方法受噪声干扰、传播介质等因素影响较大,故本文在变压器绕组中内置8个传感器内部检测局放产生的超声波信号。由于检测到的信号直接测量法不能反应实际的时延信息,以及传统智能算法定位精度低稳定性差,本文提出了一种广义互相关法(GCC)和混合策略麻雀算法(MSSA)相结合的超声定位方法。在COMSOL中搭建变压器绕组模型并仿真局放现象,通过GCC算法提取出精确的时延信息。根据时差信息建立超声定位的最优化约束方程,用MSSA算法求解得到局放源的位置信息。仿真结果显示,MSSA算法相较于其他传统智能算法定位误差更小。最后使用一种新型EFPI超声传感器进行变压器绕组局放实验,结果显示本文提出的方法定位平均误差为4 cm,比仿真的局放点大2.9 cm,具有工程应用实际价值。

挖掘最大频繁模式的新方法

由于其内在的计算复杂性 ,挖掘密集型数据集的频繁模式完全集非常困难 ,解决方案之一是挖掘最大频繁模式集 .该文在频繁模式完全集挖掘算法OpportuneProject基础上 ,提出了挖掘最大频繁模式的新算法MOP .它采用宽度与深度优先相结合的混合搜索策略 ,能恰当地选择不同的支持集表示和投影方法 ,将闭合性剪裁和一般性剪裁相结合 ,并适时前窥 ,实现搜索与剪裁效率最优化 .实验表明 ,MOP效率是MaxMiner的 2～ 8倍 ,比MAFIA高 2个数量级以上 .

基于差异节点集的加权频繁项集挖掘算法

针对基于WN-list的加权频繁项集挖掘算法NFWI挖掘效率低的问题,提出一种基于WDiffNodeset的加权频繁项集挖掘算法DiffNFWI。对DiffNodeset数据结构进行扩展得到WDiffNodeset,采用集合枚举树和混合搜索策略相结合的方法查找加权频繁项集,以避免大量的交集运算并实现高效查找。使用差集策略计算项集的加权支持度,从而降低计算量。在mushroom、pumsb等数据集上的实验结果表明,DiffNFWI算法的运行效率优于NFWI算法。