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。

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.

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。

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%。

基于改进果蝇优化的密度峰值聚类算法

密度峰值聚类算法(Clustering by fast search and find of density peaks,DPC)的截断距离参数需人工干预,且参数选取对聚类结果产生较大的影响.为解决这一问题,提出了一种基于改进果蝇优化的密度峰值聚类算法.通过Tent混沌映射初始化果蝇种群,利用Tent混沌序列随机性、遍历性和规律性的特点来提高初始种群的多样性,增强算法的全局探索能力;并引入动态步长因子与柯西变异策略对基本果蝇优化算法(Fruit Fly Optimization Algorithm,FOA)的更新机制进行改进,加强局部勘探能力,帮助算法跳出局部最优;利用随机算法收敛准则从理论上对改进FOA算法的收敛性进行分析;在6个基准测试函数上进行实验仿真,结果表明改进的FOA算法具有更快的收敛速度及更高的求解精度;将改进FOA算法与DPC算法融合成新算法,利用改进FOA算法较强的寻优能力找到最佳截断距离并实现最终的聚类.实验结果表明,新算法在UCI数据集及人工数据集上的聚类性能均有改善,相较于DPC算法、FOA-DPC算法、FADPC算法及ACS-FSDP算法具有更优的性能指标,有效抑制了手动选取截断距离参数带来的影响问题.

一种多策略的变异果蝇优化算法

针对基本果蝇优化算法(Fruit fly Optimization Algorithm,FOA)收敛速度慢、寻优精度低的问题,提出一种多策略的变异果蝇优化算法(A Mutant Fruit fly Optimization Algorithm with multi-strategy,MFOA)。首先通过混沌映射对初始种群位置进行初始化,以此来增加种群个体的多样性;然后引入对数递减策略的非线性动态收敛因子,以均衡全局搜索与局部开发能力;最后对果蝇最优个体位置进行柯西变异,利用柯西变异的随机扰动特征避免陷入局部最优。仿真结果表明,提出的改进算法相比与其它算法在寻优过程中能够保持种群多样性,具有更好寻优精度和更快的收敛速度。

一种基于改进果蝇优化的K-mediods聚类算法

经典的果蝇优化算法存在收敛精度不高、易陷入早熟收敛和局部最优的缺点,对此,提出一种新的果蝇优化算法。该算法在初始位置选取时利用混沌思想使初始值均匀分布在解空间中,算法后期收敛时,使用禁忌搜索跳出局部最优,避免早熟收敛。针对K-mediods聚类算法易陷入局部最优的缺点,将改进的果蝇优化算法与K-mediods聚类算法融合形成一种新的K-mediods算法,利用改进果蝇优化算法的全局寻优特点优化K-mediods,使得算法可达到更好的聚类效果。在对比性实验中,采用标准优化测试函数验证改进的果蝇算法性能,结果表明改进的果蝇优化算法在寻优速度和精度上效果更优。在人工数据集与UCI数据集上对新的K-mediods算法与其他算法聚类效果进行比较,结果表明新的K-mediods算法在聚类准确率和效率上均有所提高,同时适用于高维数据的聚类。

修正型果蝇优化算法优化SVM的油浸式变压器故障诊断

主要研究对象为油浸式变压器,通过采集SVM的油浸式变压器的运行样本数据进行分析,选取修正型FOA优化方法对变压器的故障进行诊断,计算的参数分别为惩罚因子C和核函数参数g,提高了油浸式变压器的故障诊断效率。为了验证所提算法的有效性和可靠性,将IFOA-SVM和Grid Search-SVM、FOA-SVM、SVM等算法进行比较。仿真实验结果表明,IFOA-SVM比Grid Search-SVM、FOA-SVM和SVM具有更高的准确率,更加适合油浸式变压器的故障诊断。

基于混沌果蝇支持向量机回归的产品销售预测

针对制造业产品销售时序具有多维、小样本、非线性、多峰等特征,提出一种混沌果蝇支持向量机回归的产品销售预测方法。将混沌理论引入到果蝇优化算法中,从而提高果蝇种群多样性和搜索的遍历性,并在寻优过程中加入混沌扰动,避免搜索过程陷入局部最优,增加持续搜索可行解的能力。并用算例验证了混沌果蝇优化算法(Chaos Fruit Fly Optimization Algorithm,CFOA)的优化性能,通过优化支持向量机回归(Support Vector Regression,SVR)的参数构建销售预测模型,进行了汽车零部件销售预测。结果表明基于混沌果蝇支持向量机回归的产品销售预测方法是有效可行的。

基于CFOA的混合核SVM参数优化

针对混合核函数支持向量机(SVM)的多参数选择问题,利用具有较强全局搜索能力的混沌果蝇优化算法(CFOA)对混合核函数SVM中的重要参数进行优化调整。引入基于Lozi’s映射的混沌算法,提高果蝇种群的多样性和搜索的遍历性,有效避免局部最优;在果蝇优化算法中使用负线性搜索距离,提高算法精度。利用UCI数据库进行测试,测试结果表明,CFOA算法能够快速有效地提取混合核SVM的最佳参数组合,分类效果更好。