基于精英思想自适应改进万有引力搜索算法

为了解决万有引力搜索算法容易出现局部最优的问题,提出了一种新型改进万有引力搜索算法。该算法在质量的计算中引入随机因子;结合精英思想,基于适应度值对力进行有选择的合成,并且对更优粒子对应的力赋予更大的随机数;引入控制参数,自适应地更新粒子的位置,减小某些粒子过于随意变化带来的影响。通过以上这些操作,增强了算法的随机性,同时保证了算法的收敛性。经对10个基准函数进行仿真实验,结果表明新算法有更好的收敛速度和寻优精度,全局和局部优化能力增强。

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。

嵌入翻筋斗策略的自适应秃鹰搜索算法及其应用

针对秃鹰搜索算法(BES)容易陷入局部最优与求解精度低等问题,本文提出一种改进的秃鹰搜索算法。首先,通过Circle混沌序列取代原始算法中随机产生的初始种群,提升了初始种群的多样性;其次,在算法搜索选择空间阶段中,结合自适应权重对秃鹰个体位置进行更新,平衡算法的搜索与开发能力;最后,利用翻筋斗觅食策略更新后续阶段秃鹰领导者个体位置,并融入精英差分变异增强算法跳出局部最优的能力。在多个标准测试函数进行对比仿真实验,并应用改进算法对随机森林分类参数进行优化,实验结果表明,改进后的算法在求解效率方面有较大提升,且求解精度与分类准确率也优于传统算法。

融合多策略改进的自适应乌鸦搜索算法

针对乌鸦搜索算法存在收敛精度低,寻优速度慢,位置更新存在盲目性等缺陷,提出了一种融合多策略改进的自适应乌鸦搜索算法(Adaptive Crow Search Algorithm with Multiple Strategy Improvements,ACSA)。首先,通过引入一种记忆遗忘机制,不仅提高了算法的收敛速度和精度,而且能够保持种群的多样性。当个体乌鸦发现存在跟随者时,引入了黄金正弦算法进行位置更新,克服了位置更新存在盲目性的不足,从而提高了算法的收敛精度。同时改进了自适应感知概率和飞行步长,以此提高算法的寻优速度和精度。将本算法运用于13个基准测试函数和三杆桁架的设计问题,并同其他的算法进行试验对比,并将实验结果进行Wilcoxon秩和检验以及Friedman检验。实验结果表明,改进后的算法在函数优化以及三杆桁架的工程优化问题上,均能够较好地寻优求解,算法的求解精度和收敛速度均得到了一定的提升。

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。

基于改进蝴蝶搜索算法的DGPS整周模糊度快速解算

为了快速准确地解算差分全球定位系统(DGPS)整周模糊度,提出了一种改进蝴蝶搜索算法(IBOA)求解整周模糊度。首先在蝴蝶优化算法(BOA)的香味系数中加入一个自适应权重,弥补BOA算法觅食行为中较弱的搜索能力;其次使用动态切换概率权衡BOA算法中全局搜索与局部搜索的比例;最后在全局搜索和局部搜索阶段引入新的迭代位置更新策略,提升了算法全局搜索能力和跳出局部最优能力。与最小二乘模糊度降相关平差算法(LAMBDA)算法进行1000个历元数据的解算对比实验,结果表明所提算法的平均搜索成功率比LAMBDA算法提高了5.07%。

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。

自适应混合策略麻雀搜索算法

针对麻雀搜索算法(sparrow search algorithm,SSA)求解精度低,稳定性不足,易陷入局部最优等问题,提出一种基于自适应混合策略的麻雀搜索算法(adaptive hybrid strategy sparrow search algorithm,AHSSSA)。引入Tent混沌映射初始化种群,增加种群数量,合并两个种群,再利用精英策略得到精英种群,以提高初始解质量;引入自适应周期收敛因子α,加强搜索能力与收敛速度;追随者与预警者位置更新方式调整,在一定程度上防止算法陷入局部最优;引入多项式变异扰动,以解决SSA陷入局部最优问题。利用12种测试函数进行测试,结果表明:AHSSSA比SSA有更好的寻优性能。

基于相对距离和历史成功率机制的增强麻雀搜索算法

针对麻雀搜索算法收敛精度低、易陷入局部最优等问题,提出了一种融合相对距离和历史成功率的增强麻雀搜索算法(RHSSA)。首先,RHSSA引入一种融合适应度值与相对距离的发现者选择方式,使选出的发现者既保持较高质量,又保持在搜索空间的分布广泛;其次,RHSSA在麻雀发现者搜索过程中,采用融合加权重心的反向学习策略,充分挖掘搜索空间的优质位置信息并减弱发现者向原点聚集的趋势;最后,RHSSA引入基于历史成功率的自适应选择算子动态地选择柯西变异与高斯变异对最优解做扰动,提高算法跳出局部最优的能力。选用CEC2017测试函数集中的12个函数作为性能基准函数,将RHSSA与其他五种改进的麻雀搜索算法(AMSSA、SCSSA、SHSSA、ISSA、CSSOA)进行性能评测。基于实验数据的Friedman检验表明,RHSSA能获取最优的结果。为验证提出的改进策略的有效性,还对改进策略进行了消融实验。实验结果表明在综合改进策略的共同作用下,RHSSA的综合优化性能排名为第一名。

改进麻雀搜索算法的飞行器航迹规划

针对传统麻雀搜索算法(SSA)在飞行器航迹规划求解问题中计算过程复杂、易陷入局部解等不足,提出了一种融合鲸鱼搜索因子和柯西-高斯变异的麻雀搜索算法(WSSA)。首先借助佳点集法对种群进行了初始化处理;其次借助鲸鱼算法中螺旋式搜索因子形成自适应权重迭代因子,提高算法全局搜索能力的同时保证局部的收敛性;随后在跟随者位置更新中加入柯西-高斯变异因子对原迭代进行扰动更新,提高算法的全局寻优能力;最后基于改进前后的算法进行了模型求解和适应度比较,验证了所提算法的有效性。

基于深度学习的无监督领域自适应语义分割算法综述

随着现代生活逐步智能化,越来越多的应用需要从图像中推断相应的语义信息再进行后续的处理,如虚拟现实、自动驾驶和视频监控等应用。目前的语义分割模型利用大量标注数据进行有监督训练能达到理想的性能,但模型对与训练数据不同分布的数据进行推理时,其性能严重下降。这意味着一旦应用场景发生变化,就需对新场景的数据进行标注。模型重新利用新数据进行训练,才能达到正常的性能。这无疑是耗时的、代价昂贵的。为此,领域自适应语义分割算法提供了解决模型在分布不一致数据上语义分割性能下降问题的思路。总结了领域自适应语义分割算法的前沿进展,并对未来研究方向进行展望。

基于改进麻雀搜索算法的无信号交叉路口车辆调度优化

本文将无信号交叉路口内部区域离散化为多个路权点,并将车辆右转弯与行人或非机动车发生碰撞造成交通事故时所占的路权点设为“故障点”,故障点有一个至多个,本文研究无信号交叉路口在发生车辆故障时的通行效率问题.选择麻雀搜索算法提高车辆调度的通行效率,但是该算法存在前期易陷入局部最优值而后期寻优精度不高等问题,为解决此问题,引入自适应学习参数和等级反向学习的改进策略,提出基于自适应参数和等级反向学习的麻雀算法(ALSSA).选取13个基准测试函数以及Wilcoxon秩和检验P值验证ALSSA的有效性,结果表明,改进的麻雀搜索算法与其他算法相比,全局搜索能力、寻优精度等都有较大提升.最后,计算双向两车道、双向四车道、双向八车道不同车流量下的最优通行时间.

基于自适应布谷鸟搜索算法的分数阶PID控制器设计

针对分数阶PID(fractional order PID,FOPID)控制器的设计问题,提出一种基于自适应布谷鸟搜索算法的分数阶PID控制器参数整定算法。为改进经典布谷鸟算法的收敛速度与计算精度,并充分发挥全局搜索和局部挖掘两者各自的优势,采用了基于系统误差的自适应步长策略。为保证布谷鸟搜索算法初始化种群的均匀性,采用佳点集法初始化种群替代经典算法中的随机初始化种群。最后对2类系统进行仿真实验,并将实验结果与现有结果进行对比,验证了基于自适应布谷鸟搜索算法的分数阶PID控制器的设计和参数整定方法的有效性和优良性。

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。

改进飞鼠搜索算法的自适应图像增强

为了实现灰度图像增强最佳参数的自动寻优,提出一种改进飞鼠搜索算法的自适应图像增强方法.在普通树上的飞鼠位置更新中引入双向搜索策略,提高获得最好解的可能性;利用螺旋觅食策略更新位于橡子树上的飞鼠位置,提升算法的收敛速度和搜索精度.在CEC 2017测试集上,将所提算法BCSSA与蝙蝠算法、鲸鱼优化算法、基本的SSA和2种改进的SSA进行对比分析,结果表明, BCSSA具有更高的稳定性和更快的收敛速度.最后,将所提出的BCSSA应用于灰度图像增强,与经典的直方图均衡化方法和SSA进行了4种评价指标的性能比较,证明了BCSSA的优越性.

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.

融合自适应惯性权重和柯西变异的秃鹰搜索算法

针对基本秃鹰搜索算法存在收敛速度慢、易陷入局部最优的缺点,提出了一种融合自适应惯性权重和柯西变异的秃鹰搜索算法(CBES).首先使用Tent混沌映射初始化种群,保留了种群的多样性;其次,引入自适应惯性权重,加快算法的收敛速度,增强算法的局部开发能力;最后将柯西变异算子整合到当前全局最优位置进行变异更新,提高算法陷入局部最优的能力.通过12个单模态、多模态基准测试函数对CBES、BES、FPA、MFO、PSO 5种算法进行实验对比,实验结果表明了改进后的算法在收敛速度和精度方面均得到了提升.同时将该算法应用到实际工程中,验证了算法的扩展性和适用性.

基于莱维飞行的自适应乌鸦搜索算法

针对乌鸦搜索算法易陷入局部最优和位置更新策略具有盲目性的不足,提出一种基于莱维飞行(levy flight)的自适应乌鸦搜索算法,对标准乌鸦搜索算法的感知概率和飞行距离进行动态调整,对乌鸦个体在第二种情况下的位置更新策略进行优化.所提算法引入莱维飞行、经验因子和自适应调整参数机制,动态增加算法前期的全局搜索能力和后期的局部寻优能力.在算法个体发现自己被其他个体跟踪的情况下,采取经验因子和莱维飞行相结合的更新策略来引导其他个体,增强算法个体位置更新的效率,避免个体在最优解附近来回振荡,使得算法快速准确的到达极值点,有效弥补了原始乌鸦搜索算法位置更新的盲目性和收敛速度较慢的不足.通过和其他新型智能优化算法在8个基准测试函数和1个工程应用问题的实验对比,来检验算法的有效性.仿真结果表明,所提算法的寻优平均结果、标准差、收敛性和鲁棒性均优于其他算法,有效避免了位置更新的盲目性,增强了算法的性能效率.

自适应乌鸦搜索算法改进深度置信网络的发动机故障诊断

在乌鸦搜索算法(Crow Search Algorithm,CSA)的基础上,自适应乌鸦搜索算法(Adaptive CSA,ACSA)设计了感知概率和飞行距离这两个参数的自适应取值策略,有效增强了算法的性能。针对深度置信网络(Deep Belief Network,DBN)模型参数的选取对发动机故障诊断结果影响较大的实际,利用ACSA对其模型参数进行优化选取,并提出了ACSA改进DBN的发动机故障诊断方法。发动机故障诊断实例结果表明,ACSA算法能够获得更优的DBN模型参数,相比于其他几种方法,在耗时更少的情况下,获得了更高的发动机故障诊断精度。

基于自适应大规模邻域搜索算法的多等级引航员排班问题

引航服务不仅是保障船舶和港口安全的必要手段,也直接影响船舶进出泊位的效率。本文聚焦引航服务日常运作管理中面临的引航员调度排班问题,考虑引航员等级、服务时间窗、航道宽度等现实因素,以服务延迟成本、引航员出工成本、引航员交通成本、单次服务成本和当日未服务惩罚成本的总加权成本最小为目标构建了一个混合整数规划模型。结合问题特征,本文选择采用自适应大邻域搜索算法对模型进行求解,并针对模型特点设计多种破坏算子和修复算子进一步提高算法的运行速度与精度。最后,本文通过一系列数值试验验证了算法的高效性和准确性,并通过参数进行敏感性分析给出相应的管理启示,为港口企业运营决策提供参考和建议,从而提高引航服务水平。