考虑精英混沌搜索策略的室内行人疏散模型

为解决传统场域模型在模拟密集人群疏散时容易陷入排队等待的问题,基于精英混沌搜索策略建立了一种改进的室内行人疏散模型。结合场域值、通行能力和平均速度计算每时刻行人的移动收益,构建了行人流疏散的场域模型。在此基础上,给出了系统最小疏散时间和出口最小排队长度的目标优化函数,并利用精英混沌搜索策略来实现上述目标函数求解,以此增强局部搜索能力。最后,利用搭建的仿真平台比较了传统场域模型与改进模型之间的性能状况,结果发现,在相同环境和人员数量下,改进模型能够有效模拟行人在可见视线范围内的选路行为。

混沌精英池协同教与学改进的ChOA及其应用

针对黑猩猩优化算法存在全局搜索能力弱、寻优精度低、收敛速度慢等问题,提出一种混沌精英池协同教与学改进的黑猩猩优化算法(chimp optimization algorithm improved by the elite chaos pool collaborative teaching-learning,ECTChOA)。采用混沌精英池策略生成初始种群,增强初始解的质量和种群的多样性,为算法全局寻优奠定基础;引入自适应振荡因子平衡ChOA的全局探索和局部开发能力;结合教与学优化算法的教学阶段和粒子群优化算法的个体记忆思想优化种群位置更新过程,提高算法的寻优精度和收敛速度。仿真实验将ECTChOA与标准ChOA、其他元启发式优化算法和最新改进ChOA在12个基准测试函数下进行寻优对比,实验结果与Wilcoxon秩和检验p值结果均表明所提改进算法具有更高搜索精度、更快的收敛速度和更好的鲁棒性。另外,将ECTChOA应用于机械工程设计案例中,进一步验证ECTChOA在实际工程问题中的可行性和适用性。

基于改进蝴蝶优化算法的结构损伤识别

针对传统的蝴蝶优化算法(butterfly optimization algorithm,简称BOA)全局搜索能力差、收敛速度慢、结构频率对损伤不敏感等问题,提出基于改进蝴蝶优化算法(improved butterfly optimization algorithm,简称IBOA)与小波包能量曲率的结构损伤识别方法。首先,在传统蝴蝶优化算法基础上引入聚类竞争学习机制和混沌精英学习机制,得到改进蝴蝶优化算法,此算法可以更好地实现局部搜索和全局搜索间的平衡,收敛速度更快、计算精度更高;其次,利用小波包能量曲率建立目标函数进一步提高识别结果精度;最后,分别以简支梁数值算例和8自由度弹簧-质量块实验验证了该方法的有效性。研究结果表明,即使考虑环境噪声和模型误差等不利因素,所提出的方法仍可以有效识别结构的损伤位置和程度。

基于含水率补偿模型的柔性温度传感器设计

文中针对柔性温度传感器的测量精度受含水率影响较大的问题,提出一种带有含水率补偿模型的柔性温度传感器设计方案。首先,以石墨烯为导热填料,以聚乙烯醇和丙烯酰胺为基体制备了柔性温度传感器。其次,根据多组含水率条件下柔性温度传感器的实测数据,采用一种改进鹰栖息优化BP神经网络模型对含水率变化引起的误差进行补偿,以提高传感器测量精度。最后,基于STM32单片机及LabVIEW给出测量系统的设计方案,并对整个系统进行调试。结果表明:所提方案可以较显著地降低柔性温度传感器的测量误差,具有准确、可靠、可持续监控等优点。

自主多决策粒子群的无线传感器网络覆盖优化

网络节点覆盖是无线传感器应用的重要一环,为提高网络节点覆盖率,提出一种基于自主多决策粒子群的无线传感器网络覆盖算法。该算法首先引入Bernoulli混沌与Logistic混沌映射耦合成为一种新的精英混沌映射来初始化种群,提高初始解质量,为全局寻优奠定基础。其次,引入一种多决策方法,通过随机赋予粒子不同学习方式,使它们获得不同于其他群体的自主决策能力,增强算法的局部寻优性能。然后,利用一种融合柯西变异与反向学习的交替扰动策略对最优粒子进行扰动变异,提高算法跳出局部最优的能力。在典型测试函数的实验结果表明,自主粒子群所提算法收敛速度更快、寻优精度更高、稳定性更强,且用其优化的无线传感器网络节点分布更均匀、覆盖率更高,验证了该算法的有效性和可行性。

多策略融合算术优化算法及其工程优化

针对算术优化算法(AOA)在搜索过程中容易陷入局部极值点、收敛速度慢以及求解精度低等缺陷,提出一种多策略集成的算术优化算法(MFAOA)。首先,采用Sobol序列初始化AOA种群,增加初始个体的多样性,为算法全局寻优奠定基础;然后,重构数学优化器加速函数(MOA),权衡全局搜索与局部开发过程的比重;最后,利用混沌精英突变策略,改善算法过于依赖当前最优解的问题,增强算法跳出局部极值的能力。选用12个基准函数和部分CEC2014测试函数进行实验仿真,结果表明MFAOA在求解精度和收敛速度上均有明显的提升;另外,通过对两个工程实例进行优化,验证了MFAOA在工程优化问题上的可行性。

基于改进黏菌算法的无线传感器网络覆盖

为了解决无线传感器网络覆盖中节点部署成本高和有效覆盖率低等问题,提出了一种基于改进黏菌算法(Improved Slime Mould Algorithm,ISMA)的无线传感器网络覆盖方法。通过改进参数p更好地平衡了开发和探索能力,通过引入混沌精英突变策略和贪婪选择更新了最优位置,避免了算法对最优解的过度依赖,提高了算法跳出局部最优的能力。仿真实验证明:ISMA具有更好的寻优能力,能有效减少节点冗余,提高无线传感器网络的覆盖率。