一种基于混沌动态权重粒子群优化算法

粒子群优化算法(PSO)是一种自然启发式的全局优化算法,它受到鸟群中个体社会行为的启发.PSO算法很容易实现并且对许多现实世界的优化问题表现出良好的性能.然而,PSO算法存在过早收敛并且容易陷入局部极值点,为了克服这些缺陷,提出了一种基于混沌动态权重粒子群优化算法(CPSO).在CPSO算法中,引入混沌映射和动态权重来修改搜索过程,动态权重被定义为适应度值的函数.通过选取10个著名的经典基准测试函数来验证CPSO算法的搜索精度和性能.实验结果表明,CPSO算法的性能优于其它自然启发的优化算法和标准的PSO算法,所以提出的CPSO算法具有较好的搜索性能.

基于混沌权重和精英引导的鲸鱼优化算法

针对鲸鱼优化算法(WOA)存在收敛精度低和收敛速度慢的问题,提出基于混沌权重和精英引导的先进鲸鱼优化算法(AWOA)。考虑算法前期搜索的随机性对收敛速度的影响,引入精英个体引导机制,利用精英个体的进化反馈信息及时调整种群的搜索方向,加强算法的全局搜索能力。在算法后期引入混沌动态权重因子加强算法的局部搜索能力,提高算法的收敛精度,对多个基准测试函数进行对比仿真实验,结果表明:改进的鲸鱼算法具有更高的寻优性能。

基于改进果蝇优化算法的BP神经网络在组合梁钢构件定位中的应用

为提高桥梁钢构件的安装精度,建立了基于改进果蝇优化算法的BP神经网络,实现了对钢构件空间坐标的精确预测。在果蝇算法中,引入Logistic映射以优化果蝇种群初始位置,增加混沌动态权重和多种群协同搜索用于加强算法的全局搜索和局部探索能力,有效改进了BP神经网络在处理复杂工程问题时训练时间长和精度低等问题。改进后的BP神经网络可对影响钢构件定位的多个变量进行识别,并筛选出其中的关键变量。结合某波形钢腹板-预应力混凝土组合梁矮塔斜拉桥的工程实例,利用优化后的神经网络对即将施工节段的钢腹板和钢锚箱的空间坐标进行预测。研究表明:经过施工过程验证,该桥钢锚箱与波形钢腹板开孔连接件的孔轴误差、钢锚箱拉索套管误差等问题得到了大幅改善,体现了改进的BP网络在准确预测钢构件的空间坐标。

基于改进粒子群优化神经网络的电机故障诊断

为了更加准确快速地诊断出三相异步电动机运行过程中发生的各类故障,在采用小波包分析提取异步电机故障特征向量的基础上,提出了一种混沌动态权重粒子群算法(CDW-PSO)优化BP神经网络的故障诊断方法,构建电机的神经网络故障诊断模型,采用混沌动态权重粒子群算法优化神经网络的结构参数。实验分析表明,采用该方法用于电机故障诊断,诊断速度快、准确性高、可靠性好。