一种改进的基于混沌搜索策略的小波神经网络遗传学习算法

讨论了遗传算法的优点及存在的局限性.通过引进混沌搜索策略,对遗传算法的初始种群进行混沌搜索,筛选出优化种群.并将遗传算法作为小波神经网络的学习算法,再次运用混沌搜索策略,对学习过程进行优化.改进后的遗传学习算法结合小波神经网络应用于混沌时间序列预测,实验取得了较好的效果.

基于混沌搜索策略进行空洞探测的进化算法

结合混沌搜索策略和进化算法提出了一种混合优化方法 ,解决了平板内的空洞探测问题。该算法相较于此前提出的各种方法具有更好的拟合精度和更灵活的计算尺度 ,且能够有效地避免常规进化算法中容易出现的早熟现象。另外 ,在解空间的搜索过程中不受初值的影响 ,从任意点出发均能收敛到全局最优解。仿真结果证明了该算法的有效性。

混沌搜索策略的改进人工蜂群算法

针对人工蜂群算法的蜂群缺乏多样性、全局和局部搜索能力差及收敛速度较慢,提出一种基于混沌搜索策略的改进人工蜂群算法。该算法通过载波映射,由混沌-决策变量的变换,产生新的邻域点,为采蜜蜂和被招募的观察蜂提供了更广阔的搜索空间和更优质的位置蜜源,增强蜂群多样性;同时,引进侦查蜂局部蜜源搜索较好地解决了算法易陷入局部极小的问题,改善了人工蜂群算法的收敛性能。最后由6个标准测试函数的仿真验证,得到基于混沌搜索策略的人工蜂群算法性能明显优于标准人工蜂群算法。

基于混沌搜索策略的二进制蝙蝠算法的配电网故障定位

配电网故障的快速定位对减少停电区域和缩短停电时间意义重大,同时也起到了改善供电质量的作用。在基本蝙蝠算法中加入了混沌搜索策略,提高了搜索能力。为了适应故障定位的二进制数学模型,对蝙蝠算法进行了二进制处理。仿真算例结果表明,在馈线终端装置上传信息正常或者发生畸变时,算法均能快速、准确地定位配电网故障,证明了算法的容错性和实时性。

具有混沌局部搜索策略的差分进化全局优化算法

提出了一种具有混沌局部搜索策略的差分进化全局优化算法(CLSDE),它是在每一代中通过DE/best/1/bin形式的差分进化算法找到最佳个体,然后在最佳个体的附近用混沌的方法进行局部搜索。8个基本的测试函数优化结果表明:若误差函数精度为10-10,CLSDE寻优成功率比DE和SACDE都要高,而且收敛速度比DE和SACDE都要快。

解决混合整数非线性规划问题的混沌局部搜索差分进化算法

为提高差分进化算法的局部搜索能力和避开罚函数方法中罚参数选择问题,提出一种混沌局部搜索策略的差分进化算法(CLSDE)用于解决非线性混合整数规划问题.CLSDE中,只对目标函数中的变量进行编码,约束条件函数中的变量随机产生,每代进化完毕后,对最优个体进行混沌局部搜索.6个基本的测试函数实验结果证明CLSDE比MIHDE具有较好的寻优能力.

基于粗糙集理论与CLSDE算法的环境经济调度优化模型

针对环境经济发电调度优化问题,提出了一种应用粗糙集理论构建评价函数的多目标优化方法,并提出了基于混沌局部搜索策略的差分进化算法(chaotic local search strategy differential evolution algorithm,CLSDE)的求解算法。应用粗糙集理论确定经济调度和环境调度函数的约束度,以确定各目标函数在优化模型中的权值。采用CLSDE算法求解环境经济调度(environmental economic dispatch,EED)多目标优化模型,该算法只对目标函数中的变量进行编码,约束条件函数中的变量随机产生,每代进化完毕后,对最优个体进行混沌局部搜索,克服了差分进化算法局部搜索能力较弱和惩罚函数方法中惩罚参数选择较难的问题。对IEEE30节点的标准测试系统进行了仿真计算,结果表明CLSDE算法在解决环境经济调度问题时具有可行性和有效性,在不增加污染气体排放量的同时降低燃料费用,使环境经济调度更能兼顾发电调度的经济利益与环境利益。

改进鲸群优化算法及其应用

针对传统WOA算法在迭代寻优前期因种群存在适应度相对较差个体并通过代间信息继承途径而影响新种群优良性与算法寻优性能的问题,提出一种将WOA算法与混沌搜索策略相融合的改进鲸群优化算法(MWOA).该算法在每代寻优过程中以个体适应度值的优劣作为判定准则以识别当前种群的最差个体,通过混沌映射对该最差个体进行位置更新以改善种群的优良性并提高算法的优化性能与寻优效率.实验结果表明,改进算法在基准测试函数实验表现出较强的探索寻优性能、在最小二乘支持向量机的参数优化实验中验证了其较高的寻优效率等.

基于烟花优化的WSN数据融合算法

为减少无线传感器网络(WSN)中的数据冗余,延长网络生命周期,克服基于BP(反向传播)神经网络的数据融合算法收敛慢、数据精度低和易陷入局部最优的不足,提出一种基于烟花算法优化的无线传感器网络融合算法(IFWABP).首先在烟花算法中使用Tent混沌图改进烟花种群的初始位置分布,使初始烟花分布更加均匀;然后利用改进的烟花算法优化BP神经网络的权重矩阵和阈值矩阵等参数进行数据融合;最后通过仿真对算法的性能进行测试和分析.仿真结果表明:对比其他算法,IFWABP算法提升了WSN数据融合的精度,降低了网络能耗,延长了网络生命周期.