基于惯性权重调整的果蝇优化算法在WSN中的应用

目的:针对无线传感器网络随机部署节点的区域覆盖和传感器节点能量消耗问题,提出一种基于惯性权重余弦自适应调整策略的改进果蝇优化算法。方法:该算法在果蝇优化算法基础上,通过引入惯性权重的学习因子调整策略,在线调整算法的搜索步长。结果:增强了果蝇个体的自适应性及全局搜索能力,从而实现全局最优。结论:仿真实验表明,提出的改进果蝇优化算法不仅提高了收敛速度和全局搜索能力,还显著提升了WSN的覆盖率。

基于策略权重的模糊多属性决策方法

在实际的多属性决策问题中,决策者可以策略性地设置属性权重来获得期望的可选方案排名,这就是策略权重操控问题.决策者的不诚实性在现实中是普遍存在的,对于该问题的研究具有实际价值,而对该问题的研究目前主要针对于确定数.鉴于此,将策略权重操控问题的研究拓展到模糊多属性决策.首先,定义模糊多属性决策的策略权重操控问题和排名范围概念;然后,提出基于可能度和贴近度公式的混合线性规划模型来得出排名范围,并建立决策者策略权重向量最优模型;最后,以决策评价信息为区间数和三角模糊数的多属性决策问题为例,验证所提出模型的可行性和实用性,结果表明, OWA (ordered weighted averaging)算子对策略权重操控抵御能力更强,拓展模型能够保持原有确定数评价信息可选方案排名模型的优越性和准确性.

粒子群算法惯性权重策略对参数反分析优化性能的影响

以某混凝土重力坝挡水坝段为例,针对惯性权重为粒子群算法中平衡全局搜索能力和局部搜索能力的关键参数,分析了不同的惯性权重策略影响粒子群算法在材料参数反分析领域的优化性能,并比较了四种惯性权重策略。结果表明,线性微分递减惯性权重策略最优,可使材料参数反分析过程收敛速度更快、稳定性更强。

基于A-SA-WOA算法的直流微电网全钒液流电池储能系统功率分配策略

全钒液流储能系统能够平抑直流微电网中光伏、风力发电引起的功率波动,该系统中功率的合理分配问题可以通过有效的控制策略去解决,进而实现提高储能系统运行效率的目的。首先,在荷电状态和功率平衡的约束条件下,建立以储能系统总成本及平均损耗率最低,荷电状态均衡度最好的优化目标函数;然后,提出基于自适应权重和模拟退火策略的鲸鱼优化算法(A-SA-WOA)功率分配策略;最后,将分配策略应用在场景1和场景2算例下运行仿真,并与传统策略进行对比分析。结果表明,该优化分配策略有效地降低了储能电池单元的运行成本和折损率,电池充放电次数明显减少,且荷电状态一致性较好。A-SA-WOA分配策略比传统策略下的目标值收敛速度快,验证了所提优化方法的准确性和模型的适用性。

基于惯性权重矩阵的自适应粒子群算法

为得到一种简单易实现、寻优能力强的粒子群算法,以便满足实际工程优化问题的需求,提出一种基于惯性权重矩阵的自适应粒子群算法（RDR-PSO）。首先,定义了算法稳定运行概念并从离散状态空间方程角度分析了粒子群算法,在该概念下得到算法稳定运行时参数限制条件和粒子的运动规律;然后,定义了粒子活跃度,引入使算法每一步较大概率收敛较小概率发散的参数组合选择策略、惯性权重矩阵策略、根据粒子活跃度速度重置和历史最优值扰动策略,得到一种改进的粒子群算法（RDR-PSO）;最后,对RDR-PSO算法性能进行仿真测试,结果表明,该算法具有收敛精度高、全局寻优能力强和简单易实现的优点,具有广泛的应用前景。

基于级别权重XML的自动化测试框架

文章针对当前自动化测试工具/框架存在的问题,提出了一种基于级别权重XML的自动化测试框架。框架采用XML的自动化测试过程数据流模型,用XML语言来描述GUI层次结构、测试类、测试信息、配置文件、测试数据及测试结果等信息;根据测试信息中的级别与权重属性,测试用例生成模块利用级别权重策略自动生成测试脚本与测试数据,测试驱动模块采用级别权重调度算法动态执行测试脚本并生成测试结果;最后给出了简单的测试实例。

基于改进自适应权重多目标粒子群算法的分布式电源优化配置

根据配电网和分布式电源相关特性,建立考虑多种约束条件下配电网网损最小、分布式电源成本最低、电网电压稳定性最好的多目标优化数学模型。该文提出一种改进自适应权重多目标粒子群算法对配电网进行分布式电源优化配置,相较于传统的多目标粒子群算法容易陷入局部最优,以及单目标算法只能给出单一配置方案,该方法在保证得到更接近全局最优解的同时提供一系列可供选择的方案(一组Pareto解集)。采用不同算法对IEEE 69节点算例进行求解计算,仿真结果充分证明了算法的优越性,为配电网中分布式电源配置提供了更为灵活的可行性方案。

一种改进的鲸鱼优化算法在工程上的应用

针对鲸鱼优化算法存在收敛速度慢、易于陷入局部最优、收敛精度不高等问题,提出一种混合策略的改进鲸鱼优化算法(LWWOA).首先在全局搜索阶段引入莱维飞行,然后在螺旋更新阶段加入一个随机调整的惯性权重,最后将改进的鲸鱼优化算法应用于实际工程的优化设计问题,应用场景包括三杆桁架设计和压力弹簧的设计.仿真结果表明,LWWOA具有较快的收敛速度和较优的收敛精度,对实际工程的设计具有指导意义,并能拓展到其他领域.

基于模拟退火和樽海鞘群优化的DV-Hop定位算法

针对无线传感器网络(WSNs)中传统DV-Hop算法定位误差较大等问题,提出基于模拟退火和樽海鞘群优化的DV-Hop定位算法。该算法分别引入RSSI和修正因子来量化最小跳数以及校正平均跳距,在未知节点估计过程中,采用改进的樽海鞘群优化算法代替最小二乘法,并且与模拟退火算法相结合,缓解了樽海鞘群优化算法在寻优过程中容易陷入局部最优的缺点。仿真结果表明:改进后的DV-Hop算法相比于传统DV-Hop定位算法以及其他智能优化算法,定位精度得到明显改善。

基于非线性权重的离散粒子群空战目标分配算法设计

面向多机多目标协同空战目标分配算法研究,以及现有离散粒子群算法在求解大规模决策问题时迭代次数多、收敛速度慢和精度不足的问题,提出一种基于非线性权重的启发式离散粒子群优化算法(NW-HMDPSO)。在典型空战想定条件下,仿真验证了基于NW-HMDPSO的空战目标分配算法。仿真结果表明,该算法能够快速收敛,实现有效的空战目标分配,具有较高的全局搜索能力和局部求解精度。最后,通过算法性能的分析与比较试验,进一步证明了该算法的优越性。

基于GWO与PSO融合优化算法的雾计算资源分配研究

针对雾计算资源分配问题,文章通过结合灰狼优化算法(GWO)较好的全局搜索能力以及粒子群优化算法(PSO)良好的算法收敛能力而提出了一种新的资源分配思路。此外优化算法权重取值对算法性能的影响较大,文章引入一种自适应权重策略来调节算法的权重,以优化算法对于节点资源分配准确度和效率。实验结果表明,该文提出的算法在雾计算资源分配问题上具有更好的性能,为任务提供更为高效、快速的资源调度策略。

基于改进粒子群算法的云计算调度策略

云计算调度策略是一种将海量计算任务分配到各个计算资源上的模型。粒子群优化算法作为一种随机全局搜索算法在云计算中广泛应用,然而其仍存在参数依赖人为设定、前期全局搜索能力不足、后期收敛速度缓慢等问题。针对上述问题,提出了基于模拟退火策略与自适应权重策略的优化方法,旨在提高粒子群调度算法的自我优化能力。通过引入上述策略,对粒子群算法中的学习因子、速度增长等参数进行实时控制,完成算法迭代优化。实验表明,在CloudSim平台中该优化策略增强粒子群中每个粒子的学习能力,与优化前相比执行速度更快,精确度更高。

复杂背景下遥感图像密集目标检测

遥感图像中的目标排列密集,常见的检测算法难以较好地区分密集目标,同时目标所处背景复杂,导致在模型生成的特征图中,存在高响应的背景噪声,容易带来错误的检测结果。针对上述问题,在CenterNet算法基础上,提出一种改进权重分配的目标检测算法。在计算热力图损失的过程中,设计一种改进权重分配策略,加大目标边缘区域回传的损失,促进网络对密集目标边缘的学习,减少算法将密集目标认定为单个目标的概率;在CenterNet网络结构中,添加语义分割模块,让网络模型学习每一个目标的分割图,通过分割图抑制特征图中高响应的背景噪声。在DOTA数据集上进行实验,改进算法均值平均精度(mAP)达到68.56%,优于其他方法,和原CenterNet算法相比,mAP提升了6.53个百分点。实验结果表明,改进的CenterNet算法能更好地适应复杂背景下的密集目标检测。

改进拉格朗日松弛算法的机组组合研究

为提高计算效率,并针对传统拉格朗日松弛算法(LR)在优化过程中存在对偶间隙不能收敛的问题,提出了一种改进的拉格朗日松弛算法(LR CMSCA)以优化大规模机组组合问题。首先通过正弦余弦算法(SCA)优化拉格朗日乘子的更新路径,以缓解振荡现象;然后在SCA中引入柯西变异算子对当前粒子进行干扰,尽可能避免陷入局部最优,并引入自适应权重更新策略,使粒子更快逼近最优解;最后利用不同机组规模的电力系统进行仿真计算,并将计算结果与其他算法进行比较。结果表明,该方法在计算结果上具有优势,且有实际应用价值。

秃鹰搜索算法的优化及图像分类应用

针对秃鹰搜索算法(BES)存在求解的稳定性差且准确性低,鲁棒性差等缺点,提出了一种基于秃鹰搜索算法的新型算法(NBES).首先,在BES算法的选择搜索空间阶段融合正余弦优化机制算法,构建融合后的位置更新公式.其次,在BES算法的搜索空间猎物阶段加入惯性权重自适应位置更新策略.最后,在BES算法俯冲阶段融合萤火虫优化机制算法,重新定义位置更新公式.通过11个标准测试函数验证NBES算法性能,实验表明,NBES算法寻优准确性、收敛速度、鲁棒性都优于BES算法.为了验证新算法的实际应用价值,利用NBES算法优化卷积神经网络(CNN)中的超参数学习率,并将优化后的图像分类模型用于医学影像病理性分类预测,实验表明,经过优化的CNN模型分类精度提高9%.

基于多策略改进麻雀搜索算法的WSN覆盖优化

为了解决无线传感器网络节点分布不均匀、无线传感器网络覆盖率不高的问题,本文通过采用多策略改进麻雀搜索算法(DSSA)实现网络覆盖优化。利用Delaunay三角划分策略在目标区域构建三角网络,以此部署静态节点;其次引入了惯性权重余弦动态调整策略和步长速度自适应调整策略完成对网络节点的二次部署,提高算法全局搜索能力。仿真实验表明DSSA算法可以有效提高覆盖率,避免陷入局部最优,覆盖率比其他4种算法分别提高了4.31%、6.26%、3.16%、13.21%,结果验证了DSSA算法在无线传感器网络覆盖方面具有可行性与优越性。

1种基于浮动车数据的多车车速融合算法

在浮动车处理技术中,多浮动车样本车速的融合是整个计算的最后1个环节,算法的好坏直接影响到动态交通信息的准确性。从多权重系数和多种路况状态的角度构建了1种新的基于浮动车数据的多车车速融合算法,该算法从浮动车行驶特征等角度,综合考量在表征实时路况时浮动车多车样本间的共性与个性差异去融合多车车速,提高了实时路况的准确性,并且可根据实际交通环境快速调整相关参数。最后通过实证分析对其准确性进行了评估验证,结果表明能有效提高动态交通信息的准确性,具有良好的实用性。

基于改进粒子群算法的支持向量机

对求解含线性约束优化问题的粒子群算法(LPSO)进行了改进,给出了应用其训练支持向量机(SVM)的方法。改进后的算法在基本PSO惯性权重策略的基础上加入了基于种群收敛速度的自适应扰动,能够较好地调整算法的全局与局部搜索能力之间的平衡。对双螺旋问题的分类实验表明本文提出的方法稳定性好,训练出的SVM具有较高的分类正确率。

基于混合主动轮廓模型和区域间差别最大化的细胞弱边界分割

准确分割是图像处理与分析的关键。然而显微细胞图像的目标轮廓模糊、存在弱边界等问题,使得分割结果往往不尽人意。针对这一问题,提出基于混合主动轮廓模型和区域间差别最大化的细胞弱边界分割方法。该模型根据区域最大化的原则,并采用局部和全局灰度信息作模型的驱动力,在确保检测出全局差异的同时,捕捉到局部差异性。模型的能量泛函是由局部和全局拟合项组成的,并引入策略权重参数,这个参数利用梯度信息来解释局部拟合项和全局拟合项是如何组成混合拟合项的。实验结果表明,这种基于混合主动轮廓模型和区域间差别最大化的细胞分割方法能有效地捕获弱边界并分割出细胞核。

水翼剖面多目标粒子群算法优化

船舶螺旋桨及舵均由水翼剖面组成,为了提高桨、舵的水动力性能,需要对水翼进行优化设计,以便得到水动力性能更好的桨及舵。提出一种基于线性权重处理的多目标优化算法,以降低阻升比和改善水翼表面压力分布为优化目标,将其应用到多目标水翼优化中。分别选取不同的攻角、不同翼型和不同的翼型表达函数进行优化设计。优化后得到的新翼型相对于原始翼型,具有低阻生比和较低的最小负压力系数,提高了翼型的升力效率和空泡性能。因此,验证了提出的多目标粒子群算法能够应用到多目标翼型优化设计的可行性。