一种基于折射反向学习机制与自适应控制因子的改进樽海鞘群算法

为克服基本樽海鞘群算法(SSA)存在的收敛速度慢、易陷入局部最优等不足,提出了一种基于折射反向学习和自适应控制因子的新型改进樽海鞘群算法(RCSSA).首先,采用折射反向学习机制在每一次个体的求解中计算折射反向解,极大地提高了算法收敛精度和速度.然后,将原SSA算法中引导者的自适应控制因子引入跟随者的位置更新中,有效地控制整个搜索过程并增加了算法的局部开发能力.为验证所提RCSSA算法的优化性能,采用了7个单峰、16个多峰基准测试函数以及1个工程设计问题对其进行测试.试验中,先引入两种单策略改进的SSA算法来验证所提算法的有效性,再加入鲸鱼优化算法等5个先进的智能优化算法与之进行对比,进一步验证所提算法的优越性.研究结果表明:无论对于低维度还是高维度基准优化问题,所提算法都能有效地增强原SSA算法的开发和探索能力;并且RCSSA算法在整体优化性能方面要优于其他大多数群智能算法.

农机装备电控液压提升系统变权重因子自适应控制研究

针对传统大马力拖拉机电液提升系统控制精度不足的问题,提出利用多个反馈参数进行综合调节的控制方案,通过对不同的反馈控制方式进行权重划分,可综合各反馈控制的优势以实现多性能平衡的目的。另外,考虑到常规控制的权重因子固定不可变的问题,提出权重因子基于反馈信号的自适应变化控制方案,利用3种反馈信号与设定值的偏差进行权重因子的增量调节,使得权重因子能更好地满足性能参数的变动,分别设计了3个权重因子的自适应控制规则和对应控制器的输入输出参数。选用犁耕深度、牵引力、滑转率作为控制性能的评价指标对无反馈控制、力位综合控制以及所提自适应控制进行对比,结果表明:所提控制方法的犁耕深度均匀性较高,牵引力和滑转率数值较小,且变化范围明显小于其他2种控制方式;在提高犁耕均匀性的同时也提高了燃油经济性,并降低了悬挂系统的冲击效应。

基于全局搜索策略的自适应樽海鞘群算法

针对基本樽海鞘群算法(SSA)存在全局搜索能力弱、易陷入局部极值等问题,提出一种基于自适应全局最优引导机制和自适应控制因子的改进型樽海鞘群算法。首先,在领导者位置更新阶段引入自适应全局最优引导机制,有效地改善了算法的全局搜索能力。其次,在跟随者位置更新阶段引入自适应控制因子,极大地改善了算法的局部搜索能力。为验证所提算法的优化性能,采用6个单峰、7个多峰标准测试函数和29个CEC 2017测试函数进行实验,在相同的迭代次数条件下,所提算法的整体性能优于基本SSA算法、多种SSA变体和其它前沿对比算法。

融合多策略的改进秃鹰搜索算法

针对秃鹰搜索算法(BES)存在全局搜索性能与局部开发能力不协调、易陷入局部最优等缺陷,提出一种融合多策略的改进秃鹰搜索算法(IBES).采用凸型自适应控制因子使算法在迭代寻优过程中可根据搜索进程动态调整位置更新方程以修正模型,实现自适应寻优,有效平衡算法的全局搜索性能和局部开发能力;引入折射反向学习机制可对问题当前解在其解空间内进行折射反向学习找到与之对应的折射反向解,增加寻到最优解的概率,提升算法求解精度和收敛速度;同时,利用定向重组与诱导突变策略实现种群个体多维信息的重组和突变,提升个体质量和种群多样性,增加算法跳出局部最优的机率,提高搜索精度.以最优值、平均值、标准差和平均收敛代数作为算法性能的评价指标,对10个不同基准测试函数进行数值仿真实验,实验结果验证了所提改进方法的有效性及IBES算法的优越性.此外,经IBES算法优化后的PID神经网络控制器响应速度快、超调量小、调节时间短,进一步验证了算法的实用性.

融合松鼠搜索策略的混沌飞蛾算法

飞蛾算法是一种结构简单、配置参数少且适用范围广的群智能算法,但在收敛精度和收敛速度等方面还有待提高,且存在易收敛到局部最优的问题,为此提出一种融合松鼠搜索策略的混沌飞蛾算法。该策略采用sinusoidal混沌映射获取高质量初始种群;在飞蛾寻优过程中引入松鼠算法中松鼠的寻优途径,设置高质量火焰个体与近距离火焰个体指导飞蛾高质量寻优,通过余弦控制因子触发的捕食者概率促使飞蛾跳出原始火焰对其的吸引,提高飞蛾算法全局搜索能力;改造自适应t分布因子与火焰自适应减少公式,控制适应度较差的种群通过列维飞行进行随机迁移,增加算法的局部搜索能力。通过CEC2017测试集、CEC2022测试集与两个工程应用实例分别与其他15种智能算法进行对比验证,结果表明改进算法在收敛速度、搜索能力和跳出局部最优等方面具有一定优势。