基于疯狂自适应樽海鞘群优化算法的异构多核任务调度

为了解决当前异构多核环境下的任务调度效率不能满足应用程序的多样性要求的问题,论文基于疯狂自适应的樽海鞘群优化算法(Crazy and Adaptive Salp Swarm Algorithm,CASSA),提出一种异构多核处理器任务调度算法。该算法以缩短全部任务的完成时间为目标,根据任务优先权规则设计任务分配的编码方案,利用CASSA算法中领导者的全局搜索能力和追随者的局部搜索能力,使CASSA算法在异构多核任务调度问题上有更高的收敛效率和更高质量的解。实验表明,CASSA算法的性能优良,最优解的质量高,在异构多核处理器任务调度领域中具有良好的研究意义。

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。

基于改进樽海鞘群算法的飞行器航迹自适应控制系统设计

飞行器在实际飞行过程中会受到风力、气流等外界干扰,会引起飞行器轨迹离期望轨迹,导致传感器获取的飞行器状态信息存在误差;为及时反馈飞行器的飞行状态,设计基于改进樽海鞘群算法的飞行器航迹自适应控制系统;改装姿态角测量传感器、位置测量传感器、空速计等传感器,调整处理器与航迹控制器的内部结构,实现硬件系统的优化设计;根据飞行器飞行任务,规划飞行器期望航迹作为系统的控制目标;利用改进樽海鞘群算法自适应检测飞行器位姿,计算气压、风速等飞行环境参数,在考虑飞行环境干扰的情况下,通过当前飞行器位姿与目标航迹的比对,得出飞行器航迹控制量的求解结果,通过控制指令的执行,实现系统的航迹自适应控制功能;实验结果表明,所设计系统应用下飞行器直线、曲线航迹控制偏差的平均值分别为0.8 km、2.1 km,飞行器的抖振幅值为2.5 dB。

路径规划问题的多策略改进樽海鞘群算法研究

针对移动机器人寻找最优路径问题,提出了一种融合无标度网络、自适应权重和黄金正弦算法变异策略的樽海鞘群算法BAGSSA(Adaptive Salp Swarm Algorithm with Scale-free of BA Network and Golden Sine)。首先,生成一个无标度网络来映射跟随者的关系,增强算法全局寻优的能力,在追随者进化过程中集成自适应权重ω,以实现算法探索和开发的平衡;同时选用黄金正弦算法变异进一步提高解的精度。其次,对12个基准函数进行仿真求解,实验数据表明平均值、标准差、Wilcoxon检验和收敛曲线均优于基本樽海鞘群和其他群体智能算法,证明了所提算法具有较高的寻优精度和收敛速度。最后,将BAGSSA应用于移动机器人路径规划问题中,并在两种测试环境中进行仿真实验,仿真结果表明,改进樽海鞘群算法较其他算法所寻路径更优,并具有一定理论与实际应用价值。

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.

混合多策略改进的樽海鞘群算法及其应用

针对标准的樽海鞘群算法(salp swarm algorithm, SSA)在寻优过程中易出现局部最优和收敛速度慢等问题,提出一种混合多策略改进的樽海鞘群算法(ISSA)。利用佳点集策略生成初始种群,使个体均匀分布于搜索空间;将反向学习的思想融入到领导者位置更新中,提高算法的搜索精度;加入自适应t分布,利用迭代次数iter作为其自由度参数,改善算法的全局探索能力;引入精英反向学习,筛选更好的种群,避免陷入局部最优。通过一组基准函数和Wilcoxin秩和检验来检测改进算法的性能,实验结果表明,改进算法的探索能力和优化精度都得到明显改善且算法之间存在显著差异,通过实际机械设计案例进一步验证ISSA算法的有效性。

基于自适应t分布与动态权重的樽海鞘群算法

针对樽海鞘群算法寻优精度低、收敛速度慢和易陷入局部最优等缺点,提出一种基于自适应t分布与动态权重的樽海鞘群算法。首先,在领导者位置更新中引入蝴蝶优化算法中的全局搜索阶段公式,以此来增强全局探索能力;然后,在追随者位置更新中引入自适应动态权重因子来加强精英个体的引导作用,从而增强局部开发能力;最后,为了避免算法陷入局部最优,引入自适应t分布变异策略对最优个体进行变异。通过对12个基准测试函数进行求解,根据平均值、标准差、求解成功率、Wilcoxon检验和收敛曲线分析,表明所提出的算法要优于标准樽海鞘群算法,以及参与比较的其他改进樽海鞘群算法和其他群智能算法,说明了其在寻优精度和收敛速度方面都有显著提升,并且具备跳出局部最优的能力。通过将其应用在脱硝入口浓度最低点寻找上,验证了算法的有效性。

基于混沌映射的自适应樽海鞘群算法

针对樽海鞘群算法收敛速度慢、易陷入局部最优等问题,提出了一种基于混沌映射的自适应樽海鞘群算法。在种群初始化阶段引入混沌映射来增强种群的多样性,提高算法的收敛速度;改进领导者的更新方式,同时加入自适应权重,提高算法的探索和开发能力;改进追随者的位置更新方式,减少追随者的盲目性。通过对10个测试函数进行仿真实验,并与其他优化算法进行比较,实验结果表明,在不改变原有时间复杂度的前提下,提出的算法在收敛速度和寻优精度上有较大的提升,具有更好的优化性能。

融合黄金正弦混合变异的自适应樽海鞘群算法

针对基本樽海鞘群算法收敛速度慢、收敛精度低、易陷入局部最优的缺点,提出了一种融合黄金正弦混合变异的自适应樽海鞘群算法AGHSSA(Adaptive Salp Swarm Algorithm with Golden Sine Algorithm and Hybrid Mutation)。该算法引入了自适应变化的权重因子以加强精英个体的引导作用,提升收敛速度与精度。通过黄金正弦算法优化领导者位置更新方式,增强算法的全局搜索和局部开发能力。融合邻域重心反向学习与柯西变异对最优个体位置进行扰动,提升算法跳出局部最优的能力。通过对12个基准测试函数进行仿真实验来评估改进算法的寻优能力,实验结果表明,改进算法能显著提升寻优速度和精度,并且具备较强的跳出局部最优的能力。

基于指数惯性权重和自适应变异的樽海鞘算法

针对樽海鞘算法(SSA)求解精度低,收敛速度慢,易陷入局部最优等缺陷,提出一种基于指数惯性权重和自适应t分布变异的改进樽海鞘算法。通过用最优位置替代个体位置改进了跟随者位置更新公式,提升了其寻优能力。将带有随机扰动项的指数递减惯性权重引入到改进后的跟随者位置更新公式中,平衡了算法全局搜索和局部搜索能力。在搜索过程中对每次更新后的位置以一定概率进行自适应t分布变异,避免其陷入局部最优。将改进算法与4种算法在8个不同维度、峰度的测试函数上进行了对比测试,并将其应用到2种工程设计问题中,结果表明:改进算法具有更好的全局和局部搜索能力,以及更高的寻优精度和更快的收敛速度,同时在求解实际问题时也表现出良好性能。

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。

基于天牛须搜索自适应的樽海鞘算法

针对樽海鞘算法在优化求解问题时收敛速度慢和局部优化能力差等缺点,引入不同的优化策略对其进行改进,提出一种基于天牛须搜索自适应的樽海鞘算法。改进的樽海鞘算法在领导者位置更新中引入天牛须搜索机制和洛伦兹函数替代基本樽海鞘算法领导者位置更新公式中的随机值,提高了算法的局部优化能力;在追随者位置更新中引入自适应惯性权重,调节自身位置和上一代位置对追随者位置更新的影响,在全局搜索和局部搜索之间提供更好的平衡。将改进的樽海鞘算法通过对8个不同类型的基准测试函数进行优化实验分析,结果表明改进的樽海鞘算法相较于基本的樽海鞘算法、其他已经改进的樽海鞘算法在求解精度以及收敛速度上均有明显的提高,且具有更佳的鲁棒性。

基于自适应樽海鞘算法的多无人机任务分配

针对多无人机的任务分配问题,提出一种基于自适应樽海鞘算法的多无人机任务分配方法.在经典樽海鞘算法的基础上,重新设计领导者的位置更新公式,以改善樽海鞘算法易陷入局部最优的缺陷,同时在算法迭代过程中加入自适应算子,对领导者和跟随者的数量进行动态调整,以提高算法前期的全局搜索和后期跳出局部极值的能力.通过与遗传算法、粒子群优化算法、经典樽海鞘算法进行对比实验,实验结果表明,该算法对解决多无人机任务分配问题效果较好,具有更优的适应度和收敛性.

基于自适应樽海鞘算法优化BP的风光互补并网发电功率预测

为解决风光互补并网发电功率预测问题,针对前馈(BP)神经网络容易陷入局部最优而导致预测精度降低的问题,提出了一种自适应樽海鞘算法(ASSA)优化BP神经网络的风光互补并网发电功率预测模型。首先,在标准的樽海鞘算法(SSA)中引入动态权重策略和变异算子构建ASSA。其次,引入BP神经网络算法,构建BP神经网络的风光互补并网发电功率预测模型。最后,通过ASSA算法优化BP神经网络的权值和阈值,提出ASSA-BP的风光互补并网发电功率预测模型。仿真结果表明,利用ASSA-BP模型预测发电功率数据的相对误差小于BP模型预测数据的相对误差。ASSA-BP和SSA-BP的模型平均绝对误差数值更小,ASSA-BP模型的平均绝对误差最小,ASSA-BP模型的预测稳定性最强。该预测模型较传统风光互补并网发电功率预测方法有更高的精确度。

基于自适应樽海鞘群算法的移动机器人路径规划

针对移动机器人运用传统樽海鞘群算法进行路径规划时存在运行时间长、收敛速度慢、路径不平滑等问题,提出自适应樽海鞘群算法。首先提出了伪随机初始化种群策略,解决算法运行时间长的问题。其次引入自适应领导樽海鞘,通过迭代次数改变领导樽海鞘的数目,解决算法收敛速度慢的问题。再次运用三次样条插值法,解决路径不平滑的问题。最后把自适应樽海鞘群算法与传统樽海鞘群算法、粒子群算法进行对比仿真实验,实验结果验证了该算法的可行性和优越性。

基于混合樽海鞘-差分进化算法的贝叶斯网络结构学习算法

针对目前利用启发式算法学习贝叶斯网络结构易陷入局部最优、寻优效率低的问题,提出一种基于混合樽海鞘-差分进化算法的贝叶斯网络结构学习算法。该算法在种群划分阶段提出自适应的规模因子平衡局部搜索与全局搜索,在子种群更新阶段利用改进的变异算子与交叉算子构建樽海鞘搜索策略与差分搜索策略,更新不同的子种群,在合并子种群阶段利用两点变异算子增加种群多样性。由算法的收敛性分析可知,通过种群的迭代搜索可以找到最佳结构。实验结果表明,与其他算法相比,所提算法收敛精度与寻优效率均有提升。

基于改进樽海鞘群算法求解工程优化设计问题

为更好解决工程优化设计问题,改善樽海鞘群算法的寻优性能,提出一种引入有效缩放和随机交叉策略的自适应动态角色樽海鞘群算法。在领导者位置更新公式中引入帕累托分布和混沌映射,更有效地进行全局搜索;在全局和局部搜索的选择上,引入领导者—跟随者自适应调整策略,提高收敛精度;在局部搜索中引入随机交叉策略,增加种群多样性。将改进算法应用于不同典型复杂程度的工程优化问题中,测试结果表明:其寻优结果、问题适应性和求解稳定性优于其他算法。

基于改进樽海鞘群算法的卸车调度优化

针对港口载煤列车的卸车调度流程主要依靠工人经验进行调度作业,存在决策时间长、作业冲突和列车在港时间过长等问题。以列车在港时间最少为总优化目标,在已知列车到港时间及堆垛与煤种对应关系的前提下,考虑工作机械可用性、作业流程可达性及其相互约束关系等因素,构建了卸车调度数学模型。提出了一种基于改进樽海鞘优化算法的优化调度方法。引入自适应惯性权重,可有效地提高算法收敛速度;引入随机柯西变异策略,可有效地提高算法寻优能力。5个测试函数的测试结果表明:相比于樽海鞘优化算法、自适应樽海鞘优化算法、粒子群算法与鲸鱼优化算法,改进樽海鞘优化算法收敛速度更快,精度更高。港口堆场作业实际数据的仿真实验表明:改进樽海鞘优化算法可优化出满意的卸车调度任务,减少了火车总在港时间,提高了港口总体的工作效率。

改进樽海鞘群算法的永磁同步电机多参数辨识

针对一类元启发式优化算法辨识永磁同步电机(PMSM)参数存在易陷入局部最优,从而导致辨识结果精度不高的问题,提出了一种结合自适应正态云模型的樽海鞘群辨识算法(CSSA)。该算法以标准樽海鞘群算法为基础,在樽海鞘追随者位置更新阶段引入自适应正态云模型,使算法初期的种群多样性得到改善,提高了全局开发能力,避免陷入局部最优;随着迭代次数增加,通过自适应调整正态云模型熵值,优化了算法后期的局部开发能力,使其收敛精度得到提高。参数辨识模型只需测量计算获得永磁同步电机的电流、电压以及角速度信息,再将改进算法通过适应度函数在辨识模型中寻优得到辨识结果。仿真与实验结果表明,提出的算法可以对永磁同步电机参数进行快速、稳定且准确的辨识。

基于樽海鞘和自适应差分进化的相机内参优化

该文针对相机标定过程中因优化算法所引起的精度不足、稳定性差、易陷入局部最优的问题,提出将樽海鞘优化算法和自适应差分进化算法相结合的相机标定优化算法。该混合算法利用樽海鞘优化算法提高精度,利用自适应差分进化算法增强局部搜索能力,在不同迭代阶段对适应度函数采用分段优化方式,实现平衡局部和全局搜索能力。实验采用每格50 mm×50 mm标准的棋盘格作为标定板,选取15张不同角度的标定图片,图片有效像素为4608 pixe×l3456 pixel,分别利用张正友标定法、樽海鞘算法以及本文提出的樽海鞘-自适应差分进化混合算法进行相机内参的优化。实验结果表明该文提出的混合算法比传统标定方法重投影误差更小,标定精度更高。