基于混沌自适应果蝇优化的PID参数优化

针对标准果蝇算法(FOA)收敛速度快慢依赖初始化且易陷入局部最优的缺陷,提出一种混沌自适应果蝇优化算法(GIFOA)的PID参数优化方案。GIFOA采用混沌映射初始化种群,增加种群的遍历性;自适应调节搜索步长平衡全局和局部搜索能力;以搜索方向作为浓度判定值,控制偏差绝对值和控制器输入平方项的时间积分作为适应度函数,并将此优化算法应用于二阶时滞系统的PID控制参数调节。

基于改进鲸鱼优化算法的工业CT图像增强方法

针对工业CT图像中存在着的前景遮挡,背景噪声干扰和对比度低等问题,提出了一种基于改进鲸鱼优化算法的图像增强方法。首先应用混沌映射对鲸鱼优化算法的种群进行初始化,通过让鲸鱼种群分布的更加广泛来提升全局搜索能力。然后使用莱维飞行对鲸鱼个体的位置进行更新,进一步提高算法的局部搜索能力。最后应用改进的鲸鱼优化方法来寻找CLAHE的最佳参数,实现对图像的自适应最优增强。实验结果显示,相比于几种流行的图像增强算法,本文提出的方法能够更好的对工业CT图像进行增强,能够显著提升图像质量,并保留更多的细节信息。

数字图像混沌序列抽样加权强置乱算法仿真

数字图像置乱关系到个人隐私和信息安全问题,为了保护图像中的敏感信息,提出一种基于位交换和混沌优化的数字图像置乱算法。使用散列函数获得数字图像明文的密钥流,采用与明文相关的子密钥推导像素初始值,通过非线性交叉生成位交换算子,增强明文信息敏感性;运用Logistic方程得到混沌序列,引入抽样加权方法提高图像置乱强度,采用混合蛙跳方法按照族群划分实施信息传输,将混沌序列内的实数从小到大排列,初始混沌抽样后构成的混沌序列用于图像中,显著提升图像置乱强度,完成数字图像置乱。仿真结果表明,上述方法拥有极高的安全性和优秀的加密性能,可以为数字图像在各领域的安全使用提供可靠借鉴。

自适应混沌果蝇优化算法

针对基本果蝇优化算法(FOA)寻优精度不高和易陷入局部最优的缺点,融入混沌算法对果蝇优化算法的进化机制进行优化,提出自适应混沌果蝇优化算法(ACFOA)。在算法处于收敛状态时,应用混沌算法进行全局寻优,从而跳出局部极值而继续优化。对几种经典测试函数的仿真结果表明,ACFOA具有更好的全局搜索能力,在收敛速度、收敛可靠性及收敛精度上均比基本FOA有较大的提高。

基于混沌扰动策略的果蝇优化算法

果蝇优化算法是模拟果蝇觅食的一种解决优化问题的智能算法,但是为了避免其在优化过程中容易陷入局部极值的缺陷,提出一种新的基于混沌扰动的果蝇优化算法.在迭代过程中,首先利用基本果蝇算法获得最优个体,然后对最优个体引入混沌扰动策略,增强获得全局最优解的可能性.同时通过动态变化系数η调整在迭代寻求过程中混沌扰动变量的值,提高算法跳出局部最优和寻找全局最优的能力.对6个经典测试函数的仿真结果表明,新算法的收敛速度、收敛精度和鲁棒性方面比基本果蝇优化算法具有明显优势.

混沌增强加速粒子群优化算法

针对最近提出的具有极强全局搜索能力的加速粒子群算法,为改善早熟收敛问题并提高收敛精度,提出一种融合混沌理论的混沌增强加速粒子群算法。该算法引入混沌序列来调节全局学习因子,使算法进一步增加全局搜索能力。算法性能通过测试四个典型多目标优化函数验证,并与经典的非劣分类多目标遗传算法、多目标粒子群优化算法和加速粒子群算法相比较,结果表明混沌增强加速粒子群算法具有较快的收敛速度和较强的跳出局部最优能力,性能优越,可供优化求解等许多领域借鉴。

应用混沌果蝇算法的路径覆盖测试用例优化技术研究

提出一种基于混沌果蝇的路径覆盖测试用例生成方法.鉴于果蝇优化算法与遗传算法等常用算法属于同一类型智能算法,且果蝇优化算法具有计算量小,复杂度低,寻优精度高等优点,故将果蝇优化算法运用到软件测试领域内,通过路径覆盖来实现测试数据的自动生成;并且针对果蝇优化算法表现出的易陷入局部最优问题,融入了一种新的混沌策略,对每次迭代过程中最优个体进行了改进,在保留优秀个体的同时,增加种群的多样性,优化全局搜索能力.最后,本文通过两组仿真实验,分别对比了在不同迭代次数下的覆盖率,及覆盖全部目标路径下的评价次数与运行时间,均取得较好的实验效果,验证了本文方法在路径覆盖测试领域内的有效性.

一种新型的混沌步长果蝇优化算法

针对果蝇优化算法存在算法易早熟、收敛不足的问题,将Hénon混沌映射引用为步长因子,提出了一种混沌步长果蝇优化算法。利用Hénon映射所产生的混沌现象具有良好的遍历性、多样性的特点来改进果蝇算法的固定步长,并增加放大系数以提高算法的全局和局部搜索能力以及跳出局部最优解的能力。对10个经典测试函数进行测试,并与多个算法进行了对比分析,研究结果表明,该算法具有较高的全局搜索和跳出局部最优解的能力。

果蝇算法与改进蚁群算法优化模糊集的自适应图像增强

计算机视觉图像在采集和传输过程中,容易受到噪声的干扰而变得模糊不清,传统的模糊集图像增强算法具有计算量大、参数手动设置和适应性差的缺点,使得图像处理效率低下和增强质量较差,无法满足现实需求。本文将改进的蚁群算法引入计算机视觉图像模糊增强,以模糊熵为图像增强效果的评价指标,并对模糊图像增加参数进行自适应选择。结果表明,本算法可以提高图像的模糊熵、改善图像视觉效果和清晰度,同时可以较好地突出某些特征。

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。

基于混沌映射与差分进化自适应教与学优化算法的太赫兹图像增强模型

为消除功率起伏效应引起的太赫兹(THz)图像局部伪影,构建了基于同态滤波的THz图像增强模型。然而,模型各参数取值差异大且耦合性强,给其参数确定带来了困难。为此,本文提出了混沌映射与差分进化自适应教与学优化算法以求解增强模型最优参数。首先,改进了标准Logistic混沌映射,提高了种群多样性。其次,引入适应度更新率,构造了自适应惯性权重调节函数,平衡了全局与局部寻优能力,利于种群向最优解逼近。然后,基于差分变异思想构建了教改阶段,避免算法陷入局部最优。最后,制备了缺陷样品,开展了太赫兹无损检测实验,结果表明:较其他3种方法,本文方法消除伪影效果最佳,THz图像二维熵分别提升了16%、5%、10%,平均梯度分别提升了39%、8%、19%。

基于混沌果蝇优化的覆盖网弹性路由层选择算法

为实现覆盖网多故障快速恢复,提出一种基于混沌果蝇优化的覆盖网弹性路由层选择算法。改进覆盖网弹性路由层生成方法,建立以平均最短重路由路径为优化目标的覆盖网弹性路由层选择模型,给出混沌果蝇优化算法对该模型求解的具体步骤。仿真结果表明,该算法在备份层数较少以减少额外状态信息的同时,可获得较短的恢复路径。

基于混沌果蝇算法的SRM多目标协同优化研究

开关磁阻电机(SRM)因传统设计方法过程繁琐、专业性要求高且难以获得最优方案,提出一种基于混沌果蝇算法的SRM多目标协同优化设计方法。利用传统设计方法得到SRM的初始方案,有限元分析对其性能核算并获得样本数据集,采用极限学习机(ELM)对样本数据进行训练得到SRM的非参数模型和混沌果蝇算法对其进行优化,对其优化效果进行了仿真验证。结果表明:采用混沌果蝇算法优化能有效提高转矩波动系数与效率指标,且具有参数设置少、收敛速度快且不易陷入局部最优解等优点,具有较好的应用价值。

混沌果蝇优化算法研究

针对基本果蝇优化算法寻优精度低和收敛速度慢的缺点,提出一种基于Sinusoidal混沌映射的果蝇优化算法。首先,在寻优过程中引入混沌优化参数更新果蝇群位置,优化全局搜索能力;其次,将其它4种混沌映射与FOA算法相结合,在7个基准测试函数上进行性能对比分析,得到性能最优的一种混沌果蝇优化算法SFOA。仿真结果表明,提出的改进算法与基本FOA算法及其它改进果蝇算法相比,测试指标高出3~5个数量级,其收敛精度和速度有较大提升。

基于混沌的正余弦果蝇优化算法

针对果蝇优化算法(FOA)存在收敛速度慢和易陷入局部最优等问题,提出一种基于混沌的正余弦果蝇优化算法(CSC-FOA)。通过混沌logistic映射生成算法的初始种群位置,使果蝇位置更接近最优值,降低随机初始化对算法性能的影响;果蝇个体位置更新时采用正余弦搜索策略,利用正余弦的波动搜索避免局部最优,提高收敛速度。实验结果表明,与同类算法相比,CSC-FOA算法在收敛精度、稳定性以及收敛速度等方面的性能更好。

混沌动态步长果蝇优化算法

为了进一步提高标准果蝇优化算法的收敛速度和寻优精度,将混沌优化与迭代步长动态调节策略相结合,提出一种混沌动态步长果蝇优化算法。算法在寻优过程中引入动态步长调节因子对基本果蝇优化算法的步长实现持续动态更新,利用混沌优化方法对混沌变量与优化变量进行映射操作,同时引入混沌扰动使得果蝇个体能够快速跳出局部最优。实验结果表明:该算法在收敛速度和寻优精度上大幅提高。

融合禁忌搜索的混合果蝇优化算法

基本果蝇优化算法(FOA)种群初始位置分布不均匀,搜索后期常跳入局部最优,导致寻优速度慢、寻优精度低,为此融合禁忌搜索的"禁忌"与"特赦"思想进行搜索更新,提出融合禁忌搜索算法(TS)的果蝇优化算法(TSFOA)。将Kent混沌映射的序列作为果蝇种群初始位置,保证果蝇群体在搜索空间中的均匀性、多样性;利用果蝇优化算法进行前期寻优,定义群体适应度方差判断其局部收敛状态;达到局部收敛状态时,引入禁忌搜索,继续深度寻优,提高寻优精度和寻优速度。设计仿真实验测试5个经典标准函数的寻优性能,实验结果表明,TSFOA在寻优精度、寻优速度上均优于基本FOA算法。

参数修正与收敛策略融合的果蝇优化算法

传统的果蝇优化算法(Fruit Fly Optimization Algorithm,FOA)容易陷入局部最优,而且传统果蝇个体味道浓度判定值S是非负数,不能解决最优解是负数的优化问题。针对以上问题,多重改进策略被应用到果蝇优化算法中。为了解决味道浓度判定值不能是负数的问题,对味道浓度公式进行了修正;为了避免高维函数维间互扰问题,迭代优化的过程中对果蝇个体在最优值附近寻优采取逐维扰动的方法;为了避免陷入局部最优,迭代过程中加入了收敛判断因子,如果多次迭代没有改善,说明陷入了局部最优。此时,一部分果蝇个体继续在最优解附近寻优,另外一部分个体在解空间混沌扰动寻找全局最优解。收敛判断因子阈值的取值会影响优化的速度和精度,通过实验确定了收敛判断阈值。通过对测试函数结果验证表明,改进的果蝇算法比FOA算法具有更高的搜索精度和更快的收敛速度。

改进果蝇优化算法的工程项目信息数据处理

为解决现有工程项目信息管理系统信息搜索效率低和算法优化效果差等问题,提出了一种基于线性递减步骤和逻辑混沌映射的改进果蝇优化算法。将果蝇优化算法的固定步骤更改为线性递减步骤,提高果蝇优化算法的准确性。同时,采用逻辑混沌映射可以削弱优化解决方案初始条件的敏感性,提高果蝇优化算法的稳定性。试验结果表明,平均数据搜索效率达到95%。

面向大型客机翼身对接的增强现实跟踪注册方法研究

飞机大部件的装配质量往往对整机的装配质量起决定性作用。随着增强现实技术的发展,可对大部件装配对接过程涉及的多源异构数据以图形或数字形式进行直观展示,辅助工艺人员更好地完成复杂装配任务。为了将虚拟信息叠加到现实世界中,需要对大部件的位姿进行准确定位。然而在实际翼身对接过程中,大部件本身的复杂性以及装配环境的限制导致传统的跟踪注册方法在应对这些挑战时出现定位精度不高、计算效率较低的问题。因此,文中提出了新的跟踪注册方法。首先,基于Unity Perception构建了图像数据集;然后,基于Harris和尺度不变特征变换法(Scale Invariant Feature Transform,SIFT)实现了特征点识别和模板匹配;最后,基于果蝇优化算法优化了匹配阈值,并通过翼身对接模拟实验平台验证了该方法的有效性,新方法的总误差百分比平均值仅为2.0069%。该方法解决了大部件跟踪注册定位中的关键问题,为增强现实技术在飞机装配领域的进一步应用提供了更为可靠的支持。