基于改进混沌蚁群算法的大凌河水质模型参数反演优化

为提高大凌河水质模型的预测精度,采用改进的混沌蚁群算法对水质模型进行参数反演优化,对比分析参数优化前后水质模型预测精度。结果表明,相比于参数优化前,水质模型收敛率平均提高15.9%,COD浓度预测误差平均降低10.2%,过程拟合系数平均提高0.24,模型预测精度得到有效提升。研究成果对于河流水质模型预测精度的改善具有参考价值。

基于自适应混沌精英变异差分进化算法的中长期水资源优化调度

中长期水资源优化调度问题是一类具有非线性、多阶段、高维度和多重约束特性的复杂优化问题。针对经典智能算法在求解此类问题时容易陷入局部最优或者收敛效率较低等问题,应用混沌搜索策略增强算法的探索能力,同时改进传统算法的变异方式,向精英个体学习以提升收敛速度,提出自适应混沌精英变异差分进化(ACEDE)算法。将所提出的算法应用于珠江三角洲水资源配置工程中长期调度进行实例研究,并与经典智能算法进行对比分析。结果表明:①ACEDE算法在全局探索能力、收敛精度与速度上实现了全面提升,并且表现出良好的适应性。相较于传统差分进化(DE)算法,2030年水平年6月份和2040年水平年6月份调度中ACEDE算法所计算的电费成本分别节省了74.23万元和23.55万元,降低了6.68%和1.52%。②在珠江三角洲水资源配置工程中长期调度中,充分利用调蓄水库库容满足高分水量需求,同时放缓月末补水充库过程,能够有效控制泵站的平稳运行,达到降低电费成本的目的。

基于混沌改进灰狼优化的WSNs分簇路由算法

针对无线传感器网络(WSNs)节点能耗负载不均衡的问题,提出一种基于混沌改进灰狼优化(CIGWO)的分簇路由算法。通过混沌化原GWO算法的参数,并在迭代中添加混沌映射种群,改进灰狼种群位置更新策略,提高GWO算法全局搜索能力;根据节点的平均剩余能量设计适应度函数,选择全局最优的簇首,降低网络的能量消耗。仿真结果表明:所提出的算法与LEACH,HEED和基于适应度改进的GWO(FIGWO)算法相比,能够有效地均衡节点负载,降低网络能耗,延长网络寿命。

融合T-分布小波变异的混沌鲸鱼优化算法

针对鲸鱼优化算法难以跳出局部最优导致收敛精度不足的问题,提出一种融合了T-分布小波变异和多项式差分学习策略的鲸鱼优化算法.该算法首先引入Circle混沌扩大搜索范围,提高收敛速度;然后采用T-分布小波变异策略平衡全局和局部搜索能力;最后采用多项式差分学习策略改进算法的优化精度.对3种改进策略作单一引入的仿真对比分析,并将改进的鲸鱼优化算法在12个可变维度的基准测试函数上进行仿真,对本文改进的鲸鱼优化算法与其他改进策略的鲸鱼优化算法以及其他几种智能算法进行比较.结果表明,基于T-分布小波变异和多项式差分学习策略的改进鲸鱼优化算法具有较好的稳定性,收敛速度和精度更好.

融合混沌映射和自适应T分布的蜣螂优化算法

针对原始蜣螂优化算法(DBO)存在的收敛精度低、易陷入局部最优等问题,提出一种改进的蜣螂优化算法。该算法采用混沌映射初始化蜣螂种群以提高种群的多样性,引入北方苍鹰优化算法的勘探策略以增强算法的全局勘探能力,并改进一种非线性边界收敛因子以平衡其收敛速度和收敛精度。同时,采用自适应T分布扰动策略以增强算法跳出局部最优的能力。实验结果表明,改进后的DBO算法在15个基准测试函数的求解寻优中,有13个测试函数的求解结果优于原始蜣螂优化算法、麻雀搜索算法、灰狼优化算法、鲸鱼优化算法和哈里斯鹰优化算法的求解结果,表现出更高的收敛精度、更快的收敛速度及更高的稳定性。

基于Tent混沌映射和随机游走策略的改进平衡优化器算法

由于平衡优化器算法存在易陷入局部最优解,鲁棒性不足的问题,为此提出一个基于Tent混沌映射和随机游走策略改进的平衡优化器算法.在改进算法中,首先利用Tent混沌映射来初始化种群,增加初始种群的多样性.其次,引入随机游走策略提高算法的全局搜索能力,避免陷入局部最优解.通过对7个标准测试函数的仿真实验表明,改进的平衡优化器算法具有较高的寻优精度和更强的稳定性.

一种多策略改进鲸鱼优化算法的混沌系统参数辨识

针对混沌系统参数辨识精度不高的问题,以鲸鱼优化算法(whale optimization algorithm,WOA)为基础,提出一种多策略改进鲸鱼优化算法(multi-strategy improved whale optimization algorithm,MIWOA)。采用Chebyshev混沌映射选取高质量初始种群,采用非线性收敛因子和自适应权重,提高算法收敛速度,为了避免算法陷入局部最优,动态选择自适应t分布或蚁狮优化算法更新后期位置,提高处理局部极值的能力。通过对10个基准函数和高维测试函数进行仿真试验,表明MIWOA具有良好的稳定性和收敛精度。将MIWOA应用于辨识Rossler和Lu混沌系统参数,仿真结果优于现有成果,表明本文MIWOA辨识混沌系统参数的高效性和实用性。

基于S型生长曲线的蝗虫优化算法求解机器人路径规划问题

针对启发式算法在求解机器人路径规划问题上存在收敛精度低、搜索路径效率低且容易陷入局部最优等问题,提出一种基于S型生长曲线的蝗虫优化算法(SGCIGOA)。首先,引入Logistic混沌序列优化蝗虫初始种群,增强蝗虫种群在迭代初期的多样性;其次,引入S型生长曲线特征的非线性惯性权重,对递减参数递减的方式进行了调整,从而提高算法的收敛速度和寻优精度;最后,在迭代过程中引入基于t分布的位置扰动机制,使算法能充分利用当前种群的有效信息,以更好地平衡全局搜索和局部开发,并降低算法陷入局部最优的概率。实验结果表明,相较于MOGOA (Multi-Objective Grasshopper Optimization Algorithm)、IGOA (Improved Grasshopper Optimization Algorithm)和IAACO (Improvement Adaptive Ant Colony Optimization)等10种对比算法,所提算法在简单环境下的最优路径长度平均缩短0~14.78%,平均迭代次数减少56.60%~90.00%;在复杂环境下的最优路径长度平均缩短0~11.58%,平均迭代次数减少45.00%~92.76%。可见,所提SGCIGOA是用于求解移动机器人路径规划的一种高效算法。

基于混沌万有引力算法对APSIM模型中旱地春小麦产量形成参数的优化

为了解决APSIM模型中春小麦产量形成参数本土化率定过程中所面临的耗时长、精度差、效率低等问题,采用混沌万有引力(chaotic gravitational search algorithm, CGSA)算法,基于1971-2014和2018-2021年甘肃省定西市统计年鉴中的产量数据以及2015-2017年定西市安定区凤翔镇安家沟村的大田试验数据、1971-2021年定西市安定区的产量和气象资料,对春小麦产量形成参数进行优化。结果表明,采用CGSA优化参数后,均方根误差(RMSE)、归一化均方根误差(NRMSE)和模型有效性指数(ME)的平均值分别为22.98 kg·hm^(-2)、1.393%和0.995,说明模型在甘肃省定西市春小麦产量的评估中表现出较好的适应性。此外,CGSA具有较好的全局寻优性能和较快的收敛性,为APSIM模型的参数优化提供了一种高效、精准的方法。

基于混沌反向学习和水波算法改进的白鲸优化算法

针对原始的白鲸算法(beluga whale optimization,BWO)在某些情况下,中后期的探索和开发能力不足、多样性和求解精度降低、容易陷入局部最优等问题,提出一种基于混沌反向学习和水波算法改进的白鲸优化算法(TWBWO),进一步提高白鲸算法的计算精度和收敛速度,增强全局搜索和跳出局部最优能力。结合混沌映射和反向学习策略提高种群的质量和多样性,加快收敛速度。引入水波算法(water wave optimization,WWO)的折射操作,避免寻优时轻易陷入局部最优,提高计算精度。实验结果表明,TWBWO算法较之原始算法和其他经典算法在收敛速度和求解精度以及稳定性方面更为优秀,性能和寻优能力更强。

基于混沌映射的改进金枪鱼群优化算法对比研究

Kubernetes作为当前云资源管理的标准平台,因其默认调度机制的局限性,目前普遍采用基于群智能优化算法的改进方法进行Pod的调度。而针对群智能优化算法存在的寻优性能易受初值影响、迭代后期容易早熟收敛等问题,选择金枪鱼群优化(Tuna Swarm Optimization,TSO)作为基础算法,根据混沌映射具有的遍历性、随机性等特点,提出了基于混沌映射的种群初始化优化方案。选择目前研究中普遍涉及的Tent、Logistic等多种混沌映射,分别对金枪鱼种群进行初始化,以提高初始种群的多样性。通过一系列基准测试函数进行仿真实验,对比基于不同混沌映射的改进金枪鱼群优化算法的实验结果,证明了基于混沌映射的优化方案可以有效提高原始TSO算法的收敛速度和寻优精度。

基于混沌理论与蜉蝣优化K-means算法的变压器绕组松动故障特征分析方法

为了更加准确有效地对变压器绕组状态进行分析,提出了一种基于混沌理论与蜉蝣优化K-means算法的变压器绕组松动故障特征分析方法。首先,运用C-C法重构变压器振动信号的相空间,分析变压器振动信号的混沌特性,得到关联维数、Kolmogorov熵作为混沌特征。然后,将蜉蝣优化算法引入K-means聚类分析中,对高维相空间轨迹的簇中心选取进行优化,得到相轨迹的簇中心矩之和、矢径偏移,并作为几何特征。实验结果表明:变压器振动信号的最大Lyapunov指数均大于0,适用于混沌特性分析;由变压器振动信号计算出的混沌特征能够表征变压器绕组的松紧程度;同时,经蜉蝣优化的K-means算法得到的簇中心能够作为特征点提取整个相空间轨迹的几何特征,也能够区分绕组的松动故障;将两种特征结合能够实现变压器绕组状态的准确监测,从而为变压器绕组在线检修提供了一种理论依据。

基于混沌精英和Lévy飞行策略的鲸鱼优化算法

针对鲸鱼优化算法(Whale Optimization Algorithm,WOA)存在的收敛速度慢、精度低的问题,提出了基于Tent混沌精英和Lévy飞行策略的鲸鱼优化算法(TELWOA)。使用Tent混沌映射初始化鲸鱼种群,保持种群的多样性,并通过引入精英反向学习策略,对初始种群的精英个体生成反向解,选取适应度高的种群作为下一代鲸鱼种群,加快算法收敛速度。其次,通过使用非线性收敛因子,缓解算法全局搜索和局部搜索能力不平衡的现象。最后,在鲸鱼位置寻优过程中使用Lévy飞行策略,避免算法陷入局部最优,提升算法的全局搜索能力。通过对不同改进策略的有效性分析、与其他智能算法的对比分析,证明了TELWOA算法在收敛精度、算法稳定性和全局寻优能力上与对比算法有显著提升,具有一定的实际工程应用能力。

基于混沌映射和莱维飞行扰动的蛇形优化算法

为解决蛇形优化算法收敛速度慢和寻优能力差的问题,提出一种基于改进的Tent混沌映射和莱维飞行扰动的先进蛇形优化算法(ASO)。引入改进Tent混沌映射,提高初始种群的多样性;在蛇群勘探和开发过程中引入自适应概率阈值,平衡算法全局搜索和局部开发的能力;为保证种群进化方向,将莱维飞行扰动和贪心算法相结合,对劣势蛇个体生成更大扰动。通过在9个复杂测试函数上与其它4种元启发式算法进行对比,实验结果表明,先进蛇形优化算法在收敛速度、求解精度以及稳定性方面有较大提高,通过Wilcoxon秩和检验证明ASO与其它算法有明显不同。将ASO算法用于求解弹簧设计优化问题。

基于混沌理论与麻雀优化K-means算法的变压器铁心松动缺陷分析方法

为了更加有效地对变压器铁心状态进行分析,提出一种基于混沌理论与麻雀优化K-means算法的变压器铁心松动缺陷特征分析方法。首先,运用C-C法求解重构相空间的嵌入维数与延迟时间,重构变压器振动信号的相空间。其次,计算变压器振动信号的最大Lyapunov指数来判断系统是否具有混沌特性,选取关联维数、Kolmogorov熵作为一组混沌特征以识别铁心的松动程度。再次,将麻雀搜索算法引入K-means聚类算法优化初始中心簇的选取并使用簇中心与簇类点的位移平均值作为描述变压器铁心松动状态的定量特征。最后,将两组特征结合起来形成变压器铁心松动故障的诊断指标,为变压器铁心的松动故障诊断提供理论依据,并投入分类器进行故障诊断,验证两组特征结合的优越性。

基于混沌优化自适应萤火虫算法的室内机器人路径规划方法

针对标准萤火虫(glowworm swarm optimization,GSO)算法进行全局路径规划易陷入局部最优、收敛速度过慢和搜索路径过长等生物智能算法的一般性问题,提出一种混沌优化自适应萤火虫(chaos-optimized adaptive glowworm swarm optimization,CAGSO)路径规划方法算法。该方法中,首先采用立方映射产生的混沌序列对萤火虫的初始位置进行初始化,提高全局路径规划的全局搜索能力;其次,在混沌优化策略的基础上,通过调节萤火虫搜索步长,提高算法的运行速度和搜索精度。最后,在MATLAB上模拟室内复杂多变的工作环境,对CAGSO算法、GSO算法和粒子群(particle swarm optimization,PSO)算法进行对比验证与算法性能分析,实验结果表明改进的算法缩短了全局路径的长度,减少了收敛时间,解决了标准萤火虫算法易陷于局部最优问题。

融合混沌和差分变异的正余弦算术优化算法

针对算术优化算法初始种群质量差、收敛速度较慢以及后期容易陷入局部极值点等问题,提出一种融合混沌和差分变异的正余弦算术优化算法。引入混沌映射初始化种群,提高初始种群质量,加快算法收敛;结合算术优化算法和正余弦算法的优势,改进算法的个体迭代方式,平衡算法探索和开发能力;引入差分变异策略,提高算法跳出局部最优能力。使用12个测试函数对改进算法的性能进行对比分析,实验结果表明,改进算法的求解精度和收敛速度都优于对比算法,且具有更好的稳定性。最后,通过2个工程设计优化问题的仿真,进一步验证了改进算法在处理现实优化问题上的优越性。

基于改进混沌算法的供热机组热电负荷优化分配系统

热电负荷拟合效果不佳会导致供热机组实际耗能量大幅增加,为此,该文设计基于改进混沌算法的供热机组热电负荷优化分配系统。按照主供热单元连接形式,实现热电负荷循环模式规划,确定热电负荷优化布置标准。根据混沌指数计算结果,求解改进罚函数,完成对混沌算法的改进,构建供热机组热电负荷分配的数学模型,并设计负荷分配模型的约束条件,完成供热机组热电负荷优化分配系统设计。实验结果表明,热电负荷参量与标准拟合曲线之间的误差不会超过30%,可以解决因热电负荷拟合效果不佳导致的供热机组实际耗能量增加的问题。

融合混沌灰狼优化算法的K-均值聚类算法

针对K-均值聚类(K-means)算法对初始聚类中心位置敏感、容易陷入局部最优的缺点,提出一种融合混沌灰狼优化算法的K-means算法。算法利用混沌系统的随机性和遍历性产生分布较均匀的Tent混沌序列来初始化灰狼种群,获得分布较均匀且多样性较高的初始解,提高了算法的全局搜索能力;在搜索全局最优聚类中心的过程中引入基于精英个体的变异操作,维持种群的多样性,提高了算法的的局部搜索能力,避免算法陷入局部最优。实验结果表明,与基本K-means、基于粒子群算法(PSO)改进的K-means、传统灰狼优化算法(GWO)改进的K-means相比,以上算法具有更优的聚类效果,更强的寻优能力。

基于混沌优化算法的列车动力学模型参数辨识

针对列车动力学参数未知问题,设计基于混沌优化算法的非线性列车模型参数辨识方法。将高速列车参数估计问题转化为优化问题,给出混沌优化参数估计框架,采用变尺度优化方法,在搜索进程中不断缩小优化变量的搜索空间及二次搜索调节系数,提高搜索精度。计算机仿真验证算法的有效性和可行性,基本混沌优化算法的参数辨识相对误差较遗传算法提高26.8%,基于变尺度混沌优化算法的参数辨识相对误差较基本算法提高了48.7%。