基于混沌人工鱼群算法的输电网规划方法

人工鱼群算法收敛速度快,但存在早熟收敛现象;混沌优化算法具有遍历性、随机性和对初值敏感的特点,虽然全局搜索能力强,但收敛速度慢。大规模输电网规划方法对求解速度的要求越来越高,为此结合人工鱼群算法和混沌优化算法,提出了适用于输电网规划的混沌人工鱼群算法,该算法继承了混沌优化算法特点,使人工鱼群在搜索过程中避免陷入局部极值,同时改进了人工鱼的视野和游动步长,加快了寻优效率。算例结果验证了该算法的可行性。

混沌人工鱼群算法及其在灌区优化配水中的应用

对人工鱼群算法进行了改进,结合灌区优化配水问题,建立了灌区优化配水的混沌人工鱼群算法模型。通过对山东省威海市节水灌溉示范区进行优化计算,算法能有效地搜索到灌区净效益最高点,优化后与现状种植结构相比,粮食作物面积减少,经济效益较高的果树面积增大,灌区净效益提高56%。优化结果表明,混沌人工鱼群算法应用于灌区优化配水计算切实可行,为复杂的灌区优化配水问题提供了新的思路和方法。

基于混沌人工蜂群算法优化的SVM齿轮故障诊断

为克服支持向量机中模型参数的随意选择对分类性能造成的不利影响,提出了基于混沌人工蜂群算法的支持向量机(CABC-SVM:Chaotic Artificial Bee Colony algorithm of Support Vector Machine)参数优化方法。该方法采用Logistic混沌映射初始化种群和锦标赛选择策略,对支持向量机的惩罚因子和核函数参数进行优化时以分类准确率作为适应度函数。通过UCI标准数据集实验证明,CABC具有较强的局部和全局搜索能力,其优化的支持向量机可在很大程度上克服局部极值点,从而获取更高的分类准确率,并有效缩短了搜索时间。将该方法应用于实际齿轮故障诊断中,采用小波相对能量作为特征输入支持向量机,分类准确率达到99.4%,验证了该方法的可行性和有效性。

基于混沌人工蜂群的云计算任务调度算法

任务调度是云计算研究的核心问题之一。为提高云计算资源调度的效率,提出一种基于混沌人工蜂群思想的云计算任务调度算法ICABC。在雇佣蜂阶段、观察蜂阶段和侦察蜂阶段,ICABC算法充分利用混沌思想的遍历性产生新解,使邻域搜索过程具有避免陷入局部极小的能力,并最终获得全局最优解。同时,在观察蜂阶段,引入了基于混沌搜索的锦标赛选择方法,增加了种群的多样性,在一定程度上避免"早熟"现象的产生。最后,在Cloud Sim仿真平台上进行了实验。实验结果表明,改进后的ICABC算法能够改善算法的收敛速度和精度,是一种有效的云计算调度算法。

多混沌人工蜂群和杜鹃搜索的最大二维熵图像分割算法

针对数字图像分割常见算法存在计算量大、分割精度低等问题,在此提出一种基于多混沌系统与人工蜂群、杜鹃搜索算法结合最大二维熵进行图像分割的算法。结合杜鹃搜索算法避免局部最优、控制参数少、收敛快等优点在图像分割时得到初始位置,后期在人工蜂群优化阶段使用多混沌系统对其进行随机干扰,实现基于多混沌人工蜂群和杜鹃搜索算法的最大二维熵图像分割。实验结果表明:改进后的算法在实现图像分割时表现出分割目标效果好、收敛快等特性。

一种混沌人工鱼群算法对SVM参数的优化及应用

通过结合混沌模型实现对人工鱼群算法中各行为的改进,提出了一种混沌人工鱼群算法(CAFSA)优化SVM参数的方法,并采用测试函数进行测试和比较,再将寻优的参数运用到一个非特定人、孤立词的语音识别系统中.实验结果表明,在不同低信噪比和不同词汇量的条件下,基于混沌人工鱼群算法的SVM模型与基于基本人工鱼群算法的SVM模型相比,收敛速度明显加快,语音识别率也有不同程度的提高.

基于生成时间序列均匀优化的混沌人工蜂群算法

为了优化与初始蜜源和搜索方式相关的时间序列分布,从而提高算法全局开拓性和遍历寻优效率,提出一种基于生成时间序列均匀优化的混沌人工蜂群算法。针对混沌时间序列生成的初始蜜源的分布过于集中的问题,首先依据最大熵原理,对Logistic混沌映射进行均匀化优化,并运用熵谱分析以及NIST随机性测试的方法验证其随机程度,使得由其生成的初始蜜源可以随机且均匀地分布在整个解空间,为算法的全局寻优奠定基础;其次,依据由近及远的搜索策略,改进邻域搜索方式,利用均匀化时间序列查找蜜源最优位置,提高算法的遍历速度和收敛精度;最后,所提算法对9个标准测试函数进行了实验仿真,并与其他改进人工蜂群算法和优化算法从收敛曲线和寻优结果上进行了综合比较,进而将6种算法合理引入到物流配送问题中以寻找最短路径。实验结果表明,所提优化算法不仅加强了初始蜜源的均匀性,而且优化效果更为显著,能跳出局部最优且能准确快速地找到全局最优解。

混沌人工鱼群算法在重力坝材料参数反演中的应用

首先介绍了一种随机搜索优化方法—人工鱼群算法(AFSA),同时根据混沌(CHAOS)的遍历性和随机性等特点,将混沌系统和人工鱼群算法相结合形成了一种新的融合优化算法—混沌人工鱼群算法(CAFSA)。将混沌人工鱼群算法应用到混凝土大坝材料参数反演中。经算例分析表明,与人工鱼群算法相比较,混沌人工鱼群算法具有收敛快、效率高和结果精度高等优点。从而为解决类似的系统优化和参数识别问题提供了一种新的方法。

基于Memetic框架的混沌人工蜂群算法

针对无约束优化问题,提出一种新颖的混沌人工蜂群算法。新算法在Memetic算法框架的基础上,采用人工蜂群算法作为全局搜索算法,采用混沌搜索算子作为局部搜索算法。为了进一步提升算法的开采能力,新算法的侦察蜂抛弃了随机生成新食物源的方法,采用针对陷入局部极值食物源进行混沌局部搜索生成候选食物源的方式。针对五个标准Benchmark函数的仿真实验结果显示,与标准人工蜂群算法相比,新算法求解精度具有一定优势。

一种混沌人工鱼群优化算法

人工鱼群算法是一种群智能全局随机优化算法,存在陷入局部极值和效率低的不足,结合混沌搜索的特点,提出一种混沌人工鱼群优化算法,该算法是用混沌初始化来初始化鱼群,在聚群和追尾行为后进行混沌的遍历性和随机性扰动来使鱼群局部搜索同时摆脱局部极值点。仿真实验结果表明,该算法比基本人工鱼群算法全局能力更强,搜索效率更高。

自适应视野和步长的混沌人工鱼群算法

针对基本人工鱼群在搜索过程中易陷入局部最优问题,提出一种混沌行为的人工鱼群改进算法.首先,引入服从均匀分布的Logistic混沌序列,使鱼群的种群初始化和搜索过程具有混沌行为的随机性和遍历性特点,提高全局搜索能力;其次,将个体鱼之间的平均点距作为鱼群种群多样性的衡量指标,使人工鱼的视野和步长根据种群多样性的变化进行自适应调节,避免由于视野和步长为定值而导致的前期收敛速度快,而后期收敛缓慢且易在搜索位置点附近产生震荡的问题.实验结果表明,改进后人工鱼群算法,能克服局部极值,搜索结果更接近测试函数的理论值.

基于排名映射概率的混沌人工蜂群算法

针对人工蜂群算法(Artificial Bee Colony algorithm,ABC)因直接采用函数值映射的概率选择食物源而引起过早收敛和陷入局部最优以及优化精度不高的问题,提出一种基于排名映射概率的混沌人工蜂群算法(Chaotic Artificial Bee Colony algorithm based on Rank mapping probability,CABC-R)。首先利用目标函数值的排名映射获取选择食物源的概率,然后构建基于排名映射概率的人工蜂群算法以便能够维持种群的多样性,获得较好的全局最优解,最后创建较高寻优精度的新型局部混沌优化算法精确寻找最优解。对10个标准测试函数进行了仿真,结果表明,CABC-R算法不仅优化效果更准确而且更能跳出局部最优,有效地找到全局最优解,优于标准的ABC、JADE、MSEP和RABC算法。

带交尾行为的混沌人工萤火虫优化算法

针对基本萤火虫优化(GSO)算法在求解全局优化问题存在易陷入局部极小值、收敛速度慢和求解精度不高等缺陷,首先对基本萤火虫优化算法采用混沌搜索技术进行初始化,使算法获得质量较高且分布较均匀的初始解,在此基础上再引入交尾行为,提出了一种带交尾行为的混沌萤火虫优化算法(MCGSO)。该算法在一定程度上防止了基本GSO算法易陷入局部最优,且能够获得精度更高的解甚至可达到理论最优解。最后,通过对8个标准测试函数进行测试,测试结果表明,带交尾行为的混沌萤火虫优化算法比基本萤火虫优化算法有更高的收敛速度和求解精度。

基于混沌人工鱼群算法的水库发电优化调度研究

针对人工鱼群算法后期搜索盲目性较大,容易陷入局部最优值的缺点,结合混沌优化算法的遍历性优势,提出了适用于水库中长期发电优化调度的混沌人工鱼群算法。实例仿真结果表明该混合算法能有效应用于水库中长期发电优化调度中,具有收敛速度快和寻优质量高等特点,为该模型求解提供了一种新思路。

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。

基于混沌人工蜂群算法的无线传感器网络覆盖优化

针对无线传感器网络随机播撒的节点严重冗余并且导致网络寿命短、覆盖效率不高等缺陷,提出了一种混沌人工蜂群算法的无线传感器网络覆盖优化算法;将节点的利用率和覆盖率作为优化目标函数,建立与之对应的数学模型,之后用混沌人工蜂群算法改善人工蜂群算法陷入局部最优、收敛慢等问题,提高算法收敛速度和精度,对节点覆盖模型进行求解,得出网络最优覆盖方案;通过实验仿真,提出的算法提高了无线传感器网络的覆盖率,覆盖率可达93.48%以上,减少了网络节点冗余,提高了网络寿命,降低了网络成本。

基于伪动态的混沌人工鱼群算法在多阶段输电网络规划中的应用

与传统输电网络规划不同,多阶段输电网络规划需要考虑时段因素,在何阶段搭建何种路线使全局规划方案最优。多阶段规划的难点是阶段之间的过渡,后面阶段的决策要根据前面阶段的决策来定,对于大规模输电网规划经典的动态规划方法无法解决。利用伪动态规划的思想处理多阶段问题,这样减少了算法的迭代次数和运算时间。将混沌优化算法和人工鱼群算法相结合,摆脱了混沌搜索的盲目性和人工鱼搜索的局限性,使该混合算法效率高、收敛速度快。对巴西南部46节点系统的计算结果表明,该混合算法具有可行性和高效性。

基于混沌人工势场法的机器人路径规划

以人工势场法为基础,提出了一种基于混沌人工势场法的机器人路径规划方法,该方法解决了传统人工势场法存在局部最优点问题、在相近障碍物间不能发现路径、在障碍物前震荡、在狭窄通道中摆动等缺陷。仿真试验表明,该方法能有效地实现机器人路径规划。

利用混沌人工神经元网络进行布局优化计算

将混沌人工神经元网络引用到布局的优化求解计算中。讨论了混沌人工神经元网络的模型 ,以及布局问题到混沌神经网络的映射 ,并结合 2维规则物体的布局问题通过软件模拟计算对所讨论的算法进行了验证。

基于混沌人工蜂群优化的声源定位算法

针对传统可控响应功率和相位变换(SRP-PHAT)的声源定位算法计算量大、实时性差等问题,提出了一种基于混沌人工蜂群优化的SRP-PHAT声源定位算法。该算法将阵列的波束输出功率作为目标代价函数,建立声源定位数学模型,利用混沌的全局覆盖性和人工蜂群算法的收敛速度快、鲁棒性强等特点,实现了声源的三维精确定位。实验结果表明,该算法计算量小、定位精度高,能满足实际系统的定位需求。