基于自适应权重与透镜成像学习的麻雀算法

为了解决麻雀搜索算法(SSA)存在的跳出局部最优值能力弱、寻优精度不理想等缺陷,提出了一种基于自适应权重因子与透镜成像反向学习的麻雀搜索算法(LIW-SSA)。利用Circle映射和一般反向学习策略生成麻雀种群,提升了初始种群的质量以及丰富性。将自适应权重因子引入到麻雀种群警戒者更新公式中,能有效平衡算法前后期搜索能力。采用透镜成像学习机制对当前麻雀最优个体实施干扰,提高了算法的跳出局部最优以及寻优性能。通过对基准测试函数的寻优对比,验证了提出的LIW-SSA算法相较于基本麻雀搜索算法以及其他优化算法,在算法稳定性以及寻优精度上得到了很大的提高。

交会测量中具有自适应权因子的最优无偏方法

在利用多台测量站对空中运动物体进行交会测量过程中 ,测量站两两交会得到的测量结果并不会完全一致 ,有时甚至会有很大差别。讨论了具有自适应权的最优无偏方法 :首先利用最小二乘法的原理 ,推导出了最小二乘解的表达式。在求解最优无偏解的过程中 ,通过求条件极值的方法导出了最优无偏解的权因子。由于权因子中的某些因素与目标像在CCD像面上的位置有关 ,提出了“自适应权”的思想 ,即权因子随目标像点位置的不同而自动调整。与传统的方法相比 ,具有自适应权的最优无偏方法 ,在一定程度上更充分地利用了不同情况下来自不同测量站的测量信息 ,从而提高了测量精度。经实际计算表明 ,在低空目标定位时 ,具有自适应权的最优无偏方法的平均偏差为传统方法平均偏差的 4 0 %左右。

基于双树复小波和自适应权重和时间因子的粒子群优化支持向量机的轴承故障诊断

提出了一种基于双树复小波和具有自适应权重和时间因子的粒子群算法优化支持向量机的轴承故障诊断方法。首先对机械振动信号进行DTCWT变换,提取能量熵作为特征向量。然后采用AWTFPSO算法优化SVM,实现轴承故障诊断。不同方法的对比实验及分析结果表明,该方法速度快、准确率高。

双收敛因子策略下的改进灰狼优化算法

针对标准灰狼优化算法(GWO)的收敛速度慢、易陷入局部最优等缺点,提出一种在非线性双收敛因子策略下基于双头狼引领的改进灰狼优化(GWO-THW)算法。首先,利用混沌Cubic映射初始化种群,提升种群分布的均匀性和多样性,并通过平均适应度值将狼群分为捕猎狼和侦察狼,两类狼群采用不同的收敛因子,在各自的头狼带领下寻找和围捕猎物;其次,为提升搜索速度和精度,设计了一种位置更新的自适应权重因子;同时,为跳出局部最优,当一定时间内未发现猎物时,狼群采用莱维(Levy)飞行策略随机更新位置。在10个常用的基准测试函数上验证GWO-THW的有效性。实验结果表明,与标准GWO及相关变体相比,GWO-THW在8个基准测试函数上都取得了较高的寻优精度和收敛速度,尤其在多峰函数上,200次迭代内就能收敛到理想最优值,从而验证了GWO-THW具有更好的寻优性能。

基于鲁棒马氏距离统计量的多源融合抗差估计方法

为了有效抵御复杂多变城市环境下的全球卫星导航系统(GNSS)信号干扰、增强多源融合定位可靠性,提出一种基于鲁棒马氏距离的多源融合抗差估计方法。该方法在分析观测值故障传播特点以及典型方差膨胀抗差估计模型基础上,基于相邻新息序列构造鲁棒马氏距离检验统计量。历史新息的引入能够提高系统观测冗余,同时不同观测量间的新息交互增强了异常检验统计量的鲁棒性。根据鲁棒马氏距离的统计特性,给出抗差关键门限取值规则并分别结合两种典型加权策略自适应调节观测值噪声矩阵。利用典型城市峡谷环境下惯性导航系统(INS)/GNSS/激光雷达(LiDAR)/VINS多源融合车载数据进行相关实验,与现有方法相较,所提方法能够将三维均方根定位误差最低限制在3.37 m。通过对比不同组显著性水平下的定位结果,进一步说明所提方法在城市峡谷环境下定位的优越性。

一种基于模拟退火的自适应算法

针对常规BP算法收敛速度慢和易陷入局部极小的问题,文章提出了一种新的BP算法———SASSFBP算法。该算法根据训练中最近两个梯度的符号及其相对大小来动态地改变权步因子,提高了神经网络的收敛速度,并同时结合模拟退火算法来避免陷入局部极小。仿真实验结果表明:SASSFBP算法在收敛速度与运算精度,以及避免陷入局部极小的能力等方面均明显优于常规的BP算法。

改进?鱼优化算法和熵测度的图像多阈值分割

针对传统图像多阈值分割方法存在效率低、分割质量差等问题,提出一种改进?鱼优化算法并结合熵测度(weight lens remora optimization algorithm,WLROA)的图像多阈值分割方法。针对?鱼优化算法易陷入局部极值等缺陷,引入透镜成像反向学习策略,生成透镜反向解来增加种群多样性,进而提高算法跳出局部极值能力;提出一种自适应权重因子,对个体位置进行自适应扰动,提高算法探索能力。以最小化交叉熵作为优化目标,利用WLROA确定最小交叉熵并获得相应分割阈值。选取部分伯克利大学分割数据集图像和遥感图像测试提出算法的分割性能,测试结果表明,WLROA与其他知名算法相比具有更好的分割效果,能够有效实现复杂图像的精确处理。

基于改进蜣螂优化算法的海洋牧场三维UWSN覆盖方法

针对海洋牧场三维环境监测,提出了一种基于改进蜣螂优化算法(IDBO,improved Dung beetle opti‐mizer)的UWSN(underwater wireless sensor networks)覆盖方法。首先,在蜣螂优化算法(DBO)种群初始化时加入Chebyshev混沌映射,使得种群资源在搜索空间的分配方面更加均衡。其次,通过自适应权重因子和Levy飞行改进觅食小蜣螂的位置更新方式,提升了位置搜索能力和DBO算法的收敛能力。将IDBO算法应用在海洋牧场UWSN覆盖优化中,仿真结果表明:在不同参数环境下,IDBO算法的覆盖率高于随机部署和其他智能优化算法,并且能以较低的节点能耗获得更高的覆盖率,节点分布也更加合理。

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。

自适应灰狼优化算法及纸浆浓度控制应用

目的针对基本灰狼算法在函数优化过程中精度低、收敛速度慢、局部搜索能力差等问题,提出一种基于收敛因子和权重动态变化的自适应灰狼优化算法。方法为了平衡算法的全局和局部搜索能力,引入聚焦距离变化率来动态调整收敛因子;使用自适应权重因子来改变算法的位置更新公式,以提高算法的收敛速度和精度。结果仿真实验结果表明,改进后的算法在收敛精度和速度上都有了显著的提升,并且克服了灰狼算法在处理多峰函数时易陷入局部最优的缺点;对于纸浆浓度控制系统,控制效果更加理想。结论通过改进的灰狼算法对PID控制器参数进行整定,可以显著提高系统的控制精度和其他性能指标,能更好地满足实际应用的要求。

自适应正余弦搜索樽海鞘群优化算法

针对基本樽海鞘群智能优化算法的收敛速度慢、搜索精度低、容易陷入局部最优的缺点,提出了一种自适应正余弦搜索樽海鞘群优化算法。该算法引入正余弦搜索,以加强领导者位置更新速度,提升算法寻优速率;在跟随者位置更新公式中引入自适应权重因子,提高算法跳出局部最优的能力,并且提高了算法的收敛精度。使用所提出的算法对12个典型寻优测试函数进行寻优,并与其他群智能算法进行对比,将所提算法用于FCCU主分馏塔模型参数估计,仿真结果表明了该算法的有效性。

超高速电机模型预测控制的静差消除双闭环控制策略研究

三矢量模型预测控制不仅可实现交直轴电流的无差拍控制,还具有良好的稳态性能。但应用于高基频低载波比的超高速电机控制系统时,仍存在电流跟踪静差、计算量大等缺陷。文中首先对传统三矢量模型预测控制进行等效控制集优化,在不影响控制性能的情况下,能够大大降低算法复杂度。同时,为提高预测电流误差消除的快速性,提出一种电流预测静差消除双闭环控制策略。设计自适应加权数据选择器,交直轴电流预测误差经自适应加权数据选择器后,通过调节器对逆变器模型角度进行补偿,从而形成内环;外环则由交直流预测电流跟踪误差反馈至电流给定值构成。在该双闭环控制系统中,内环实现了纯延时误差的全补偿,并优化非纯延时误差在交直轴上的分布;外环则能完全消除分布优化后的内环预测误差。仿真分析和实验结果证明了所提控制策略的可行性和有效性。

融合多策略的黄金正弦黑猩猩优化算法

针对黑猩猩优化算法(Chimp optimization algorithm,ChOA)存在收敛速度慢、精度低和易陷入局部最优值问题,提出一种融合多策略的黄金正弦黑猩猩优化算法(Multi-strategy golden sine chimp optimization algorithm,IChOA).引入Halton序列初始化种群,提高初始化种群的多样性,加快算法收敛,提高收敛精度;考虑到收敛因子和权重因子对于平衡算法勘探和开发能力的重要作用,引入改进的非线性收敛因子和自适应权重因子,平衡算法的搜索能力;结合黄金正弦算法相关思想,更新个体位置,提高算法对局部极值的处理能力.通过对23个基准测试函数的寻优对比分析和Wilcoxon秩和统计检验以及部分CEC2014测试函数寻优结果对比可知,改进的算法具有更好的鲁棒性;最后,通过2个实际工程优化问题的实验对比分析,进一步验证了IChOA在处理现实优化问题上的优越性.

多策略改进的乌燕鸥算法及应用

乌燕鸥算法(STOA)存在收敛缓慢、稳定性差、收敛精度低等问题,鉴于此,提出一种多策略改进的乌燕鸥算法(MISTOA)。首先,为增强初始种群的多样性,采用Cat混沌映射对STOA算法种群进行初始化。其次,将自适应权重因子和高斯函数改进了算法的迁徙位置更新方式,增强了算法的全局搜索能力。同时,结合自适应权重因子和邻代交叉学习策略改进了算法的攻击位置的更新方式,增强了算法跳出局部最优的能力。最后,采用高斯变异策略对乌燕鸥最优个体进行扰动,提高算法的全局搜索与局部搜索之间的平衡能力。利用7个测试函数和主梁轻量化设计对MISTOA算法收敛性能和工程实际应用能力进行了验证。结果表明:与其他5种先进的算法,MISTOA算法收敛性能更优,稳定性较好和鲁棒性较强。MISTOA算法可实现桥式起重机主梁质量减重率约为20.76%,优化结果优于已有的方法,因此,MISTOA算法可以高效地处理复杂的非线性约束的现实问题。

基于多策略的改进蜜獾算法及其应用

蜜獾算法(HBA)是一种新型智能优化算法,通过模拟蜜獾觅食行为进行寻优,具有结构简单且收敛速度快等特点。针对HBA在解决高维复杂问题时收敛精度低、收敛速度慢以及全局寻优能力不足等问题,提出一种多策略改进的蜜獾算法(MSHBA)。设计一种限制反向学习机制,随着算法迭代生成限制反向解更新种群,提高种群质量,加快算法收敛速度,引入自适应权重因子,随着迭代次数的变化调节不同寻优路径上的寻优步长,协调算法不同探索阶段,提升算法稳定性,加快收敛速度,构建一种新的饥饿搜索策略,根据种群能量以及全局最差位置改变寻优路径上的寻优步长,避免算法陷入早熟。基于9个标准测试函数对MSHBA、HBA、鲸鱼优化、哈里斯鹰、单一策略等算法在不同维度上进行仿真实验,结果表明,MSHBA具有更优的稳定性和收敛精度,将算法应用于机械设计优化问题并进行结果比较,MSHBA对比原HBA性能优化了88%,适用于求解高维复杂问题。

基于改进粒子群算法的光伏最大功率跟踪研究

在局部阴影情况下,带有旁路二极管的光伏阵列P-U呈现多峰特性,导致常规的最大功率点跟踪方法失效。针对多峰值问题,在建立和分析光伏阵列P-U特性曲线的基础上,提出了采用自适应变异粒子群算法进行光伏阵列的最大功率点跟踪方法。该算法根据光伏阵列在局部阴影时P-U曲线上功率极值点的分布特点初始化种群,在传统粒子群算法基础上,通过引入自适应权因子和变异机制来加速算法收敛及防止算法陷入局部极值。仿真测试表明,提出的改进方法能够快速有效地实现光伏局部阴影下的最大功率点跟踪,相比于粒子群算法,可有效避免陷入局部极值点,收敛速度更快,且具有应对太阳光照变化的能力,提高了局部阴影时光伏发电的效率。

基于改进鲸鱼算法优化支持向量机的故障诊断的研究与应用

故障诊断在工业生产过程中具有很重要的作用,尤其是对于要求比较高的分子蒸馏来说,微小的故障都会造成其提纯率,因此提出一种基于改进鲸鱼算法优化支持向量机的故障分类方法(improved whale optimization algorithm-support vector machine,IWOA-SVM),加入反向学习策略和对数权重因子到普通鲸鱼算法中。首先,用反向学习策略(opposition-based learning,OBL)代替随机初始种群,用反向学习策略选取出反向种群,对种群进行择优选择,一方面OBL能够高效地提高群智能算法的全局搜索能力,另一方面提高鲸鱼算法在重复迭代中的多样性,使其跳出局部最优解;其次,引入自适应权重因子并将其加入到鲸鱼优化算法中,利用权重因子的动态变化,很大程度上增强了全局搜索能力;最后,采用改进之后的鲸鱼算法对SVM的参数进行寻优,并利用优化之后的支持向量机对刮膜蒸发过程获得的故障数据进行诊断识别,将IWOA-SVM的结果与其他3种做对比。结果表明,IWOA-SVM算法分类准确率提升了2%,且其准确率保持在98%以上,在分类结果的准确性以及算法的鲁棒性方面优于其他算法。

基于差分进化的飞蛾算法在电力调度中的应用

针对基本MFO算法存在后期收敛速度较慢、收敛精度低等缺点,提出了一种基于差分进化的改进飞蛾优化算法(DEMFO)。该算法首先将差分进化算法融合到MFO算法中,使得飞蛾种群个体之间具有变异、交叉、选择机制,DEMFO算法拥有更强的全局和局部搜索能力;运用柯西变异算子对飞蛾最优位置进行变异更新产生新解,保持飞蛾种群的多样性,帮助算法跳出局部最优;再引入动态自适应权重因子,使飞蛾的更新方式更具灵活性,引导算法朝着正确的搜索方向进行,从而有效地提高了算法的收敛性和精度;对该算法用8个测试函数进行仿真实验,从实验结果可以看出DEMFO算法在收敛速度和收敛精度上有了显著提高。将该算法成功应用于求解电力系统负荷经济调度(Economic Dispatch,ED)模型,在Matlab平台对140台机组算例进行了仿真,相比基本MFO算法,提出的DEMFO算法能够获得更高质量的优化解,提供更好的负荷经济调度方案,从而有效降低发电成本,产生巨大的经济效益。

基于多策略融合的混合多目标蝗虫优化算法

为提高蝗虫优化算法(GOA)求解多目标问题的性能,提出一种基于多策略融合的混合多目标蝗虫优化算法(HMOGOA)。首先,利用Halton序列建立初始种群,保证种群在初始阶段具有均匀分布和较高多样性;然后,通过差分变异算子引导种群变异,促进种群向优势个体移动同时进行更大范围寻优;最后,利用自适应权重因子根据种群优化情况动态调整算法全局搜索和局部寻优能力,提高优化效率及解集质量。选取7个典型函数进行实验测试,并将HMOGOA与多目标蝗虫优化、多目标粒子群(MOPSO)、基于分解的多目标进化(MOEA/D)及非支配排序遗传算法(NSGAⅡ)对比分析。实验结果表明,该算法避免了其他四种算法的局部最优问题,明显提高了解集分布均匀性和分布广度,具有更好的收敛精度和稳定性。

北斗/超宽带组合定位的室内外过渡区无缝链接方法

室内外无缝导航定位是万物互联之基石,具有广阔的市场前景和应用价值.但目前对于室内外过渡区的无缝组合导航技术,仍存在诸多棘手问题亟待解决.对此,从三个方面对BDS/UWB组合定位的室内外无缝链接方法进行了改进:一是提出了一种基于内引法和外引法的室内信标绝对定位方法,以解决室内外定位结果的坐标基准统一问题;二是提出了一种基于位置精度因子(PDOP)平稳变化的室内信标优化布局方案,以提高过渡区域的导航定位精度与信标可用性;三是提出引入自适应权重因子,来解决BDS/UWB组合定位的观测值合理定权问题.通过具体实验验证:1)利用基于内引法和外引法的室内信标绝对定位方法,可实现室内外坐标基准的统一,显著提高了用户使用的便捷性;2)采用所提信标优化布局方案,可有效提高过渡区定位精度,相比无超宽带(UWB)信标,BDS/UWB组合定位的平均定位精度至少提高355%;3)自适应权重因子可实时调节不同时间、不同类型观测值的权比,增强了观测信息利用效率,相比北斗卫星导航系统(BDS)空旷区域,定位精度可至少提高22.5%.