混合多项自适应权重的混沌麻雀搜索算法

麻雀搜索算法具有原理简单、搜索能力强、快速寻优等优点,但是存在全局搜索不足、易陷入局部最优等缺点,针对其缺点提出了混合多项自适应权重的混沌麻雀搜索算法。增加改进Circle混沌映射提高种群多样性;在发现者引入自适应权重策略,提高发现者的全局搜索能力和搜索范围;在加入者引入改进鲸鱼优化算法的气泡网捕食策略,提高算法的局部搜索性能和跳出局部最优的能力;结合反向学习策略机制,对所有的个体进行最优选择,使每次迭代后的个体质量得到提升,以提高算法的寻优效率和寻优精度。将混合多项自适应权重的混沌麻雀搜索算法与4种经典基本算法和9种改进的麻雀搜索算法在12种测试函数和CEC2022测试函数上进行对比,改进算法有更好的寻优性能和收敛速度。

基于改进麻雀搜索算法的分数阶混沌系统参数辨识

混沌系统的参数辨识是非线性科学中的一个经典反问题。由于智能优化算法的高效率和鲁棒性,利用算法对混沌系统进行参数辨识已成为近年来兴起的热点话题。本文致力于针对分数阶定义下的混沌系统进行参数辨识研究,在经典麻雀搜索算法的基础上提出随机扰动和Lévy局部飞行搜索的改进方式,并对分数阶Chen混沌系统和分数阶Lorenz混沌系统进行了参数辨识。仿真实验在6种不同的智能优化算法中进行,其结果证明了所提出的改进麻雀搜索算法具有更快的收敛速率和更高的辨识精度,并能够保证所有的辨识参数与原始参数的误差在10^(-4)以下。研究成果可为非线性系统的智能同步控制提供新的解决办法。

一种混合多策略改进的麻雀搜索算法

针对麻雀搜索算法SSA求解目标函数最优解时具有过早收敛、在多峰条件下易陷入局部最优和在高维情况下求解精度不足等问题,提出了一种混合多策略改进的麻雀搜索算法MISSA。考虑到算法初始解的质量很大程度上会影响整个算法的收敛速度与精度,引入精英反向学习策略,扩大算法的搜索区域,提升初始种群的质量和多样性;对步长进行分阶段控制,以提高算法的求解精度;通过在跟随者的位置中加入Circle映射参数与余弦因子,提高算法的遍历性与搜索能力;采用自适应选择机制在麻雀个体位置更新中加入Lévy飞行,增强算法寻优和跳出局部最优的能力。将改进后的算法与麻雀搜索算法及其他算法在13个测试函数上进行对比,并进行Friedman检验。实验结果表明,改进后的麻雀搜索算法能够有效提高寻优精度与收敛速度,并在高维问题中也具备较高的稳定性。

基于多策略麻雀搜索算法的机器人路径规划

通过多种策略对基本麻雀搜索算法(SSA)进行改进,以解决麻雀搜索算法后期由于种群多样性丢失而导致的全局优化精度和速度问题。首先,改进无限折叠迭代映射(ICMIC)初始化种群,将自适应分段步长因子引入麻雀探测器的位置更新公式中,使麻雀搜索算法观察者的固定比例系数随迭代次数动态变化。然后,将观察者的位置与新公式和正弦余弦算法(SCA)相结合,并干扰先前的观察者步长。最后,在基准测试函数上比较了改进的麻雀搜索算法(ISSA)、麻雀搜索算法(SSA)、鲸鱼算法(WOA)、灰狼算法(GWO)、改进的灰狼算法(CGWO)、正弦余弦算法(SCA)和粒子群优化算法(PSO)的收敛性和准确性,并将其应用于路径规划。实验表明改进的麻雀搜索算法具有良好的优化性能。

矿井突水水源识别的主成分分析-混沌麻雀搜索-RF模型

为快速、准确地识别矿井突水水源,根据矿井不同含水层水化学成分的差异性,将Na^(+)+K^(+)、Ca^(2+)、Mg^(2+)、Cl^(-)、SO_(4)^(2-)、HCO_(3)^(-)及总硬度作为判别指标。利用主成分分析(Principal Component Analysis,PCA)对数据进行降维,并通过混沌麻雀搜索算法(Chaotic Sparrow Search Algorithm,CSSA)对随机森林(Random Forest,RF)模型中树深和树数目参数进行寻优,建立了基于PCA-CSSA-RF的矿井突水水源识别模型。选取新庄孜矿实测的45组样本数据进行预测分析,33组数据用于模型训练,12组数据用于识别测试,并将结果与其他模型识别结果进行对比。研究表明,利用PCA对数据进行降维可以减少原始数据中的冗余,利用CSSA优化的RF模型可提高全局搜索能力和预测能力,用该模型可提高突水水源识别的效率和准确率。

融合多向学习的混沌麻雀搜索算法

对于原始麻雀搜索算法(SSA)在迭代过程中表现出的种群多样性减小,易陷入局部最优等问题,提出一种融合多向学习的混沌麻雀搜索算法(MSSA)。利用Hénon混沌映射初始化种群,增加麻雀种群的多样性,扩大可行解的搜索范围,为全局寻优奠定基础;采用多向学习策略增加麻雀跟随者探索未知领域的机会,平衡算法的局部开发性能和全局搜索能力;当算法陷入局部最优时,引用遗传算法中的变异策略依据动态的变异概率对当前最优个体进行扰动变异;将MSSA算法应用到无线传感器网络节点覆盖优化问题。数值实验结果与Wilcoxon秩和检验结果均表明MSSA算法在收敛精度与收敛速度等方面具有更明显的优势。

融合学习机制的多混沌麻雀搜索算法

针对麻雀搜索算法(SSA)易受初始解的影响陷入局部极值、迭代后期收敛速度慢等缺陷,提出了一种融合学习机制的多混沌麻雀搜索算法(MMCSSA)。首先,引入重心反向学习策略(COBL)生成精英种群增强对多源优质搜索区域的勘探能力,提升算法的局部极值逃逸能力和收敛性能。其次,提出一种动态调整的黄金正弦领导策略并嵌入SSA中以改善发现者的搜索方式,增强算法的全局搜索能力。然后,提出一种基于学习机制的多混沌映射策略,该机制利用多混沌多扰动模式的特性,通过动态调用不同混沌映射赋予算法不同类别的扰动特征。混沌扰动失败时,引入高斯变异策略对当前解进行深度开发,两种策略协同作用,相互促进,极大增强了算法逃逸局部最优的能力。最后,将所提算法应用于12个不同特征的基准函数进行实验,结果表明与其他算法相比,MMCSSA在收敛精度、寻优速度和鲁棒性方面有更好的表现。

融合麻雀搜索机制的改进混沌海鸥优化算法

针对海鸥优化算法收敛速度偏慢、易陷入局部最优解及求解精度低等问题,提出一种融合麻雀搜索机制的改进混沌海鸥优化算法(improved chaotic seagull optimization algorithm incorporating sparrow search mechanism,PSSOA)。使用分段线性混沌映射(piecewise linear chaotic map,PWLCM)对种群进行初始化,使海鸥个体更为均匀地分布在给定空间内;改进非线性搜索因子和随机因子,加快算法收敛速度,更好地平衡算法全局搜索和局部搜索;融合麻雀算法中的麻雀飞行机制,在后期局部搜索阶段扩大个体局部寻优范围,对海鸥位置进行二次更新,帮助个体跳出局部最优,提高寻优精度。使用16个基准测试函数进行仿真实验,将PSSOA与海鸥算法(seagull optimization algorithm,SOA)、粒子群算法(particle swarm optimization,PSO)、灰狼算法(grey wolf optimizer,GWO)和海洋捕食者算法(marine predators algorithm,MPA)4种元启发式算法及其他学者改进的SOA算法多角度进行比较,并通过Wilcoxon秩和检验来验证算法的有效性和稳定性。实验结果表明PSSOA和其他对比算法相比,在约80%的测试函数上有着更好的算法的收敛速度和求解精度,并且在Wilcoxon秩和检验中,PSSOA和其他对比算法存在显著性差异的比例达到了98%,证明了算法具有更显著的差异性。

基于混合策略麻雀搜索算法优化的DC-DC变换器自抗扰稳压策略

为抑制城轨列车频繁启停引起的牵引网电压剧烈波动,在车载储能DC-DC变换器中设计一种基于改进麻雀搜索算法的自抗扰控制器。首先,建立DC-DC变换器的一阶自抗扰控制器进行稳压控制;然后,为提高系统快速性和抗扰性,引入麻雀搜索算法进行控制器参数寻优;之后针对麻雀搜索算法易陷入局部最优的缺点,引入Tent混沌序列和多样化变异处理,并提出基于樽海鞘算法的新型改进算子对麻雀搜索算法进行改进;最后,根据列车的速度曲线进行仿真验证。通过实验对比,自抗扰控制器在启动加速阶段的电压调节时间相较于PI控制、传统自抗扰和麻雀搜索自抗扰分别减小0.012、0.006、0.003 s,在制动减速阶段分别减小0.0054、0.0025、0.0015 s,结果表明所设计的控制器的可行性和有效性。

导水裂隙带高度的混沌麻雀搜索-BP神经网络预测模型

为了弥补传统神经网络预测时易陷入局部最优解的缺陷,实现对工作面导水裂隙带高度的精准预测,提出了一种基于混沌麻雀搜索-BP神经网络的导水裂隙带高度预测模型。选取工作面开采厚度、开采深度、倾向长度以及覆岩硬岩岩性比例系数等作为影响导水裂隙带高度的预测指标。对60组导水裂隙带高度实测数据进行标准化处理,利用Logistic混沌映射优化后的麻雀搜索算法对BP神经网络模型参数进行寻优,通过优化后的模型对导水裂隙带高度进行预测。将混沌麻雀搜索-BP神经网络模型与其他方法的预测结果进行分析比较,结果表明:混沌麻雀搜索模型能够明显提高模型全局搜索能力和预测精准性,混沌麻雀搜索-BP神经网络模型预测的导水裂隙带高度均方根误差仅为1.36 m,远远低于传统神经网络的7.86 m和经验公式方法的14.96 m,混沌麻雀搜索-BP神经网络模型比原始BP模型决定系数提高了0.143,拟合效果更好。混沌麻雀搜索-BP神经网络模型可以有效提高导水裂隙带高度的预测精准度,为矿井水害防治工作提供参考依据。

基于混沌麻雀搜索算法的PMSM直接转矩控制

永磁同步电机直接转矩控制系统中PI控制器的比例增益(Kp)和积分增益(Ki)直接影响了系统的控制性能,提出了混沌麻雀搜索算法(CSSA)来优化直接转矩系统PI控制器的参数。利用Sine混沌映射初始化种群,选出适应度排序靠前的麻雀个体作为初始种群,提高初始解的质量,解决了麻雀搜索算法(SSA)容易陷入局部最优的问题,进而使算法的全局搜索能力提升。基于MATLAB/Simulink仿真实验表明,将CSSA应用于直接转矩控制系统,相比于SSA,在搜索可靠性、迭代次数收敛速度得到改善,使得电机系统的动态响应速度和鲁棒性有着较大的提升,同时可以有效抑制电机的转矩、磁链的波动。

基于改进麻雀搜索算法优化SVM的恶意程序检测

在网络技术快速发展的同时,恶意程序也随之不断进化,其种类和数量不断增多,攻击目标和攻击领域越发广泛,成为当前互联网面临的主要安全威胁之一。犯罪分子利用恶意程序实施远程控制、窃取私密信息、攻击网络基础设施等犯罪行为,给网络安全带来了严峻挑战。本文基于Tent-Logistic混沌映射和线性微分递减策略改进麻雀搜索算法,提高算法的搜索速度和稳定性。再将改进麻雀搜索算法用于获取SVM最优参数c和g,建立TLCSSA-SVM恶意程序检测模型。最后采用CIC-InvesAndMal2019等数据集进行检测,实验结果表明与SSA、PSO相比,TLCSSA优化后SVM的恶意程序检测能力更强。

加入淘汰机制的改进麻雀搜索算法

传统麻雀算法(sparrow search algorithm,SSA)具有搜索精度高、寻优能力强等优点,但同时也存在早熟收敛、迭代过程中容易陷入局部最优值等问题。针对这些问题,提出了一种加入Tent混沌映射和末位淘汰机制的麻雀搜索算法(sparrow search algorithm with tent,TESSA)。采用2N分段Tent混沌映射初始化种群位置。同时在算法迭代后期引入非线性末位淘汰机制,提高其收敛速度和精度。经过与其他4种群智能算法在6个基准函数上求解性能相比,TESSA的收敛速度、寻优精度、标准误差等性能指标有明显的优势。

基于混沌二进制麻雀搜索的配电网故障恢复方法

为了解决分布式电源接入给主动配电网的安全可靠运行带来巨大挑战的问题,提出一种基于混沌二进制麻雀搜索算法的分布式电源配电网故障恢复方法。首先,提出了一种麻雀搜索算法,利用二进制离散化数据和混沌初始化种群的思想,极大地提高了算法的精度、收敛速度和稳定性;然后,综合考虑恢复重要负荷、开关动作次数、网络损失等因素建立多目标函数,构建有源配电网故障恢复模型,采用二进制麻雀搜索算法进行求解,输出含分布式电源的配电网最优故障恢复策略;最后,经过实验结果表明,所提的方法可以准确获得配电网故障恢复策略。

混合收敛因子与高斯混沌映射的麻雀搜索算法

针对原始麻雀搜索算法在ECE2020系列测试函数上表现的不足之处,本文引入高斯混沌映射与收敛因子α的方法,提出改进的麻雀搜索算法,以优化原算法初始化种群位置机制与更新麻雀位置时的缺陷,对麻雀算法的收敛精度与速度进行改善。实验结果表明,改进后的麻雀算法具有较好的性能。

一种改进麻雀搜索算法的研究

麻雀搜索算法目前广泛应用于工程领域,但是算法依然存在收敛速度缓慢以及容易陷入局部最优解等问题。为了解决这些问题,在麻雀搜索算法的初始化阶段、发现者和跟随者的比例阶段和侦察者位置更新方面进行了改进。使用基准测试函数验证改进麻雀搜索算法的性能并与其他优化算法进行对比,实验结果说明改进的麻雀搜索算法可以进行更快的收敛,具有更高的寻优精度。

基于改进麻雀搜索算法的多维复杂函数优化问题的求解

传统麻雀搜索算法在寻找最优解过程中,存在种群多样性不够高、易产生局部最优、收敛精度不稳定等问题.本文给出了一种改进的麻雀搜索算法,首先,用改进的Cubic和Bernoulli混合混沌映射初始化种群分布提高种群多样性;其次,在算法迭代过程中引入非线性自适应惯性权重和Levy飞行策略,调节算法的搜索范围和精度,改善算法的收敛速度和局部寻优能力;然后,引入鲸鱼优化算法的捕食策略进行扰动,避免陷入局部最优;最后,在12个基准测试函数上与传统麻雀搜索算法和其他算法进行评估,实验结果验证了改进的算法具有较好的收敛速度和求解精度,并提升了局部搜索能力.

基于改进麻雀搜索算法的照明控制优化

针对当前照明环境存在能耗浪费严重的问题,提出一种基于改进麻雀搜索算法(P-SSA)的照明控制优化方法。首先为增加初始种群的多样性、避免早熟收敛和增强寻优能力,对SSA引入Logistic混沌初始化、柯西变异及历史最优位置的记忆功能;然后综合考虑光环境中人员存在状态、天然光分布及多灯具之间的耦合作用建立适应度函数,并使用DIALux evo专业照明仿真软件获取人工光照度传递矩阵和天然光照度分布;最后对改进的SSA进行性能验证,并使用多个优化算法进行调光系数组合寻优的实验。实验结果表明,相较于粒子群优化算法(PSO)、算术优化算法(AOA)等,基于P-SSA的照明控制优化方法可以快速并精确地找到最优调光系数的组合,并实现满足舒适性为前提下的最大化节能性要求。

改进麻雀搜索算法求解物流配送中心选址问题

为提升物流配送效率,降低配送成本,提出一种改进麻雀搜索算法M-SSA求解物流配送中心选址问题。在基本麻雀搜索算法SSA中,设计均匀化Logistic映射机制提升初始种群的均匀性和随机性;利用正余弦优化和惯性权重机制改进发现者位置更新,提升全局搜索能力;引入柯西混沌变异机制增强种群多样性,避免局部最优解。利用M-SSA算法求解物流配送中心选址问题。实验结果表明,在解决配送中心选址问题上,M-SSA算法可以降低物流配送成本,提升配送效率。

基于改进麻雀搜索算法的最大指数熵分割方法

为了解决基本麻雀搜索算法(sparrow search algorithm,SSA)依赖初始种群和求解精度不高的问题,提出一种基于Circle混沌映射和随机游走的改进的麻雀优化算法(improved sparrow optimization algorithm,CRSSA)。该算法为了增强麻雀种群的多样性,在麻雀初始阶段引入混沌Circle映射;采用随机游走对最优麻雀进行扰动,使其在麻雀寻优后期,增强算法全局搜索能力,跳出局部最优。同时选取15个测试函数对其算法进行性能测试。结果表明:与原始的SSA、蜉蝣算法(mayfly algorithm,MA)、粒子群优化算法(particle swarm optimization algorithm,PSO)、鲸鱼优化算法(whale optimization algorithm,WOA)和灰狼优化算法(gray wolf optimization algorithm,GWO)相比,改进的麻雀搜索算法具有寻优速度快、求解准确度高和鲁棒性强等优点。将该方法应用在多阈值图像分割中,通过对比不同算法的峰值信噪比(peak-to-signal ratio,PSNR)、结构相似性(structural similarity index,SSIM)、适应度函数值和运行时间性能指标,可有效解决多阈值分割问题,具有一定的工程应用价值。