多策略融合的改进狮群算法及其工程优化

狮群算法是近年提出的一种智能优化算法,已经应用于多个领域,然而该算法仍存在搜索效率不足、易落入局部最优等问题.因此,基于狮群算法,提出了多策略融合的改进狮群算法.首先,使用Tent混沌种群的初始化方法,增强种群分布的均匀性的历遍性,提高算法初始解的质量和搜索效率;其次,采用柯西变异机制,在狮群最优位置采用柯西扰动操作,提升算法逃离局部极值的能力;再次,改进母狮位置更新方式和步长公式,提高算法后期的收敛精度;最后,融合精英反向学习,提高解的质量.选取国际通用的13个基准函数和部分CEC2014函数进行实验仿真,结果表明所提算法寻优性能和搜索精度有明显提升;另外通过对两个工程实例进行优化,结果表明改进算法在工程应用中具有优势.

基于狮群优化算法的机床主轴热特性分析

热误差对于主轴的回转精度至关重要,而对流换热系数的精确计算是有限元稳态热分析获得精确结果的前提。通过利用狮群优化(Lion Swarm Optimization,LSO)算法对主轴的对流换热系数进行优化,LSO相对于遗传算法等其他优化算法有更快的收敛速度、更高的精度、更能较好地获得全局最优解。首先,通过使用Lion的热分析模块测量主轴系统的关键点温度和主轴的热伸长。其次,通过经验公式计算主轴不准确但接近真实的对流换热系数值,不准确的对流换热系数会导致不准确的有限元仿真温度结果,因此使用LSO对对流换热系数寻优,将对流换热系数被视为感兴趣的目标值,实验温度值与模拟温度值之间的均方根误差被视为适应度函数。在150代之后,搜索了误差最小的最佳对流换热系数。最后,通过对搜索到的最优对流换热系数进行主轴系统的有限元稳态热分析,并与实验结果进行比较,证明了所提方法的有效性。

基于改进狮群算法的管道传感器网络覆盖优化

监测输送石油、天然气和水的管道是必要的,以避免浪费这些自然资源,提出了一种基于改进狮群算法的管道传感器网络覆盖优化算法。该算法模拟狮群行为,通过节点的定位和路由方案来避免这些资源在运输到相应目的地的过程中发生的损失,引入了Logistic函数和Levy飞行进行部署优化。以最小时延和丢包率为优化目标,把传感器节点以最大步长放置在不同长度的管道上进行部署优化。为了评估改进狮群算法的性能,通过30个基准函数测试,与其他启发式算法在不同维度上进行了比较,并将改进狮群算法应用于管道传感器节点部署。仿真结果表明,改进狮群算法在管道的网络覆盖率、端到端时延、吞吐量和网络寿命方面具有明显的优势。该算法最大的特点是管道越长,端到端时延优化效果越突出。

一种群体智能算法——狮群算法

基于狮群中狮王、母狮及幼狮的自然分工,模拟狮王守护、母狮捕猎、幼狮跟随3种群智能行为,提出群体智能算法——狮群算法.算法中不同种类的狮子位置更新方式不同.遵循自然界生物"适者生存"的竞争法则,狮王守护领土,优先享用食物,母狮合作捕猎,幼狮分为学习捕猎、饥饿进食和成年被驱逐.狮子位置更新方式的多样化保证算法快速收敛,不易陷入局部最优.最后,将算法应用于6个标准测试函数优化问题,并对比粒子群算法、骨干粒子群算法,测试结果表明,文中算法收敛速度较快,精度较高,能较好地获得全局最优解.

求解0-1背包问题的二进制狮群算法

针对传统二进制群智能算法求解0-1背包问题易陷入局部最优、收敛速度慢的缺点,提出一种新的解决离散空间问题的二进制狮群算法BLSO。二进制狮群算法对狮王、母狮和幼狮的位置重新定义,引入反置运算、移动算子和学习算子建立全新的位置转移方式和局部搜索规则;加入贪心策略进行解的可行化处理和充分利用,增强局部搜索能力,进一步提高收敛速度。对9个典型的0-1背包算例进行仿真实验,实验结果表明,该算法不仅可以有效求解0-1背包问题,而且还能够以较快的速度搜索到精度较高的次优解甚至全局最优解,具有较好的稳定性;同时,对高维背包问题的求解与参考算法相比,在寻优时间和精度上更具优势。

贪心二进制狮群优化算法求解多维背包问题

针对经典的多约束组合优化问题——多维背包问题(MKP),提出了一种贪心二进制狮群优化(GBLSO)算法。首先,采用二进制代码转换公式将狮群个体位置离散化,得到二进制的狮群算法;其次,引入反置移动算子对狮王位置进行更新,同时对母狮和幼狮位置重新定义;然后,充分利用贪心算法进行解的可行化处理,增强搜索能力并进一步提高收敛速度;最后,对10个MKP典型算例进行仿真实验,并把GBLSO算法与离散二进制粒子群(DPSO)算法和二进制蝙蝠算法(BBA)进行对比。实验结果表明,GBLSO算法是一种有效的求解MKP的新方法,在求解MKP时具有相对良好的收敛效率、较高的寻优精度和很好的鲁棒性。

基于信息熵的改进狮群算法及其在组合优化中的应用

狮群算法是一种具有较强寻优能力的群智能算法.为了克服基本狮群算法中因狮王替换的长周期性导致收敛速度较慢,幼狮选择策略较盲目导致的前期遍历性不足,幼狮步长扰动因子受解空间影响过大和算法后期局部收敛速度慢等缺陷;本文在原始狮群算法的基础上改良了狮王的替换策略和幼狮选择的概率,引入信息熵分别控制不同幼狮的步长,引入狮王稳定因子解决幼狮后期选择的盲目性,并适当调整狮群整体构成方式.由信息熵的值来度量狮群算法中幼狮选择的不确定性,通过设置不同的扰动因子达到控制算法中不同幼狮的移动范围,实现算法的自适应调节并增大算法的鲁棒性.仿真实验、桁架优化算例和TSP问题求解对比验证了改进算法的有效性.该研究为组合优化问题的求解提供了一种新的思路和方法.

基于混沌搜索的改进狮群算法及其在光伏电池参数辨识中的应用

目前已有多种智能算法应用到光伏电池模型的参数辨识中,然而大都存在易陷入局部最优、收敛速度慢等问题,基于改进狮群算法,提出了一种有效的光伏电池参数辨识方法。首先,通过引入混沌初始化、自适应参数和混沌搜索,弥补了狮群算法收敛速度慢、寻优精度不高等不足;将改进狮群算法应用到光伏电池的单二极管模型和双二极管模型的参数辨识中,与5种优化算法的结果进行对比,证明了该算法在光伏电池参数辨识中的有效性和优越性;最后,通过在不同辐照度和不同天气类型下进行辨识,探究了外部环境变化对模型参数的影响,进一步验证了该算法的有效性和实用性。

基于狮群优化的FCM图像分割算法研究

为了解决模糊C均值聚类(FCM)算法进行图像分割时容易陷入局部最优和随机初始化聚类中心的问题,研究人员提出了基于改进的狮群优化和模糊C均值聚类的混合图像分割算法。该算法首先利用改进的狮群算法优化模糊C均值的目标函数,增强算法全局最佳值搜索能力,使其避免陷入局部最优,同时引入聚类有效性指标,通过迭代更新搜索到合理的分割类别数实现自动确定图像分割最佳类别数,并根据最佳类别数确定最优聚类中心的选取,最终实现图像的自适应分割。实验结果表明,该方法可自适应地确定图像分割最佳类别数,能快速准确地实现图像分割。

基于狮群优化算法的自适应图像去噪技术

针对现有技术不能同时处理多种噪声的问题,提出一种基于狮群优化算法的自适应图像去噪技术。利用不同空间滤波器组合,在保留图像更多边缘纹理细节的同时,消除图像中的高斯、斑点和椒盐等多类噪声。为了提高线性滤波器组合的效率,采用狮群优化算法在无人为干预的情况下寻找最佳滤波器组合,使得算法在最少的时间消耗内实现最优的图像噪声消除效果。实验结果表明,该算法在多个指标方面的性能表现明显优于其他算法。

基于狮群优化的改进K-Means聚类算法研究

针对K-Means聚类算法对初始聚类中心选择依赖性强的问题,利用狮群优化算法的快速收敛性及易于获取全局最优解的优势,提出了一种基于狮群优化的改进K-Means聚类算法。通过狮群优化算法对狮王不断迭代更新,优化狮王位置,将算法停止执行时的狮王最优解作为聚类中心,替代传统算法经过随机初始化得到具有不确定因素的聚类中心。选择UCI数据集进行验证,实验结果表明,改进算法的聚类效果较好,有效降低了K-Means对初始聚类中心的依赖。将改进的K-Means聚类算法应用于点云精简过程,获得了较好的点云精简效果。

基于改进狮群算法的最大功率跟踪控制研究

针对直驱式波浪发电系统在实际海域中输出功率低的问题,设计了基于改进狮群算法的最大功率跟踪控制方案。该算法引入Tent混沌映射、差分进化算法的变异机制和灰狼优化算法的捕猎机制对基础狮群算法(Lion Swarm Optimization,LSO)进行改进。仿真结果表明,在规则海浪的情况下,改进狮群算法的能量捕获率比基础狮群算法的能量捕获率高约17.46%,比遗传算法的能量捕获率高约5.99%。在非规则海浪的情况下,改进狮群算法的能量捕获率比基础狮群算法的能量捕获率提升了约23.16%,比遗传算法的能量捕获率提升了约18.15%。仿真结果证明该算法能够有效提高直驱式波浪发电系统的输出功率。

循环型产业集群的实证研究——以狮岭循环型皮革皮具产业集群为例

循环型产业集群是区域可持续发展的必然选择,但目前大多数相关研究成果,或者基于社会经济网络但忽视循环经济,或者基于循环经济但忽视社会网络,因此,本文以狮岭循环型皮革皮具产业集群为例,探讨基于循环经济和社会、经济网络的产业集群问题与对策。

基于狮群优化二维Otsu算法的输送带撕裂检测方法

基于传统二维Otsu分割算法的输送带撕裂检测方法采用穷尽搜索式的阈值选取方式,图像分割时间长、实时性差,不能同时满足撕裂检测精度与速度要求。针对上述问题,提出了一种基于狮群优化二维Otsu算法的输送带撕裂检测方法。首先通过输送带撕裂检测装置采集输送带图像,采用中值滤波和直方图均衡化对采集到的图像进行去噪和增强处理,突出撕裂部位;然后采用狮群优化二维Otsu算法对预处理过的图像求取接近实际的分割阈值,用该阈值对输送带图像进行分割处理;最后通过计算分割后图像中黑色像素点的数量进行撕裂诊断。仿真结果表明,该方法比基于传统二维Otsu算法的检测方法寻优能力更强,输送带分割效果更好,可以准确地从输送带图像中分割出裂痕,撕裂识别的正确率为98.2%,提高效率的同时缩短了运行时间,可以满足输送带撕裂检测的准确性和实时性要求。

基于改进狮群优化的三维DV-Hop定位算法

针对三维DV-Hop(distance vector-hop)定位算法存在的定位误差较大精度不高的问题,提出一种基于改进狮群优化的三维DV-Hop定位算法。先使用狼群算法中的狼群捕食游猎行为以及羊群算法中的羊群受到攻击时的聚集互动行为对狮群算法进行改进,再把改进后的狮群算法用于优化三维DV-Hop定位算法中未知节点坐标的计算。实验结果表明,所提算法从三个方面与不同算法进行比较都具有最佳定位性能,有效减小定位误差、提高定位精度。

基于深度学习与狮群SVM算法的遥感场景分类

针对高分辨遥感图像样本量小,以及传统优化支持向量机(SVM)算法易陷入局部最优解、寻优速度慢等问题,提出一种基于深度迁移学习与狮群优化SVM(LSO-SVM)算法对遥感图像场景进行分类.首先,通过自适应对比度增强图像后利用颜色聚合向量提取图像颜色特征;其次,利用3种预训练网络分别提取图像的迁移学习深度特征;最后,将手工提取的图像特征与用3种预训练网络获取的特征使用系列特征融合方法进行融合,并将其输入LSO-SVM进行图像场景分类.结果表明,该算法解决了小样本情况下深度学习较难训练及传统优化SVM算法易陷入局部最优解、寻优速度慢的问题.在80%的训练条件下,数据集UCM Land-Use和RSSCN7的分类精度分别达到99.52%和98.57%.

基于改进狮群进化算法的面向空间众包平台的多工作者多任务路径规划方法

针对面向空间众包平台的多工作者多任务路径规划问题,以求解时间成本和路程成本最小的全局最优路径规划方案为目标,提出了基于改进狮群进化算法的路径规划方法。首先,结合现实问题场景,提出带有任务开始点和结束点的路径规划模型;其次,借鉴狮群进化算法的思想,改进狮群智能行为,引入驱逐行为,针对求解问题设计染色体编码方式、交叉、变异操作等,提出了面向空间众包平台的多工作者多任务路径规划的改进狮群进化算法;最后,运用改进狮群进化算法求解面向空间众包平台的多工作者多任务路径规划模型,并根据真实数据集制作问题算例进行测试。实验结果表明了算法的可用性和有效性。

一种新的群智能算法:狮群算法

随着优化对象变得非线性化、高维化、多目标化,传统的优化方法越来越难以得到理想的优化结果。群智能算法能够很好地弥补传统优化方法的缺陷。文中提出了一种新的群智能算法——狮群算法。狮群算法对初值的要求不高,算法的寻优速度较快,有较强的全局寻优能力。给出了狮群算法的原理和详细描述,对算法的收敛性能进行了分析,并将其与人工蜂群算法做了对比。最后,将所提算法应用到光伏最大功率跟踪中,通过实验和仿真验证了其实际寻优能力。

基于狮群优化的FastSLAM算法

针对传统FastSLAM算法存在的粒子退化和粒子多样性缺失,从而导致精度方面退化的问题,提出一种基于狮群优化的FastSLAM算法。利用狮群优化方法对FastSLAM中预测粒子进行更新,调整粒子的建议分布,对粒子群进行分工合作扩大搜索范围,增加粒子多样性;通过"适者生存"的竞争法则促使粒子更快地朝着真实的机器人位姿状态逼近,减缓粒子退化。利用MATLAB平台进行仿真实验,实验结果表明,该算法具有可行性和优越性,有效提高了SLAM精度。

基于遗传-狮群算法优化的独立分量分析算法

针对传统独立分量分析算法存在过度依赖梯度信息、容易陷入局部最优等缺陷,提出一种基于遗传-狮群算法(GA_LSO)优化的独立分量分析算法。以信号的峭度绝对值之和作为目标函数,结合遗传算法较强的全局搜索能力和狮群算法良好的进化机制,对目标函数进行求解,提高了独立分量分析算法的精度,实现了对混叠信号的盲分离。仿真实验结果表明,该算法在收敛精度和速度上均较其他智能算法有较大提升,在解决盲源信号分离问题时,具有更高的收敛精度和更好的全局搜索能力,能有效地分离出各个源信号。