基于混合蛙跳算法的城镇低效用地空间开发格局优化配置

由于现有的城镇低效用地空间开发格局优化配置方式面积增加量少、用地空间利用程度差,该文研究提出了基于混合蛙跳算法的优化配置方式。选择城镇低效用地可量化的指标数据,构建用地空间承载状况指标体系。运用熵值法对不同的指标进行赋权,获取有效信息。计算承载力结果,判断用地的承载状况。运用混合蛙跳算法的搜索能力对用地空间进行搜索开发。设定步长搜索目标的发展轨迹,并按照移动方向,不断搜索直到选择出更优的目标值,得到最优青蛙个体即在实际中为开发最优解。按照城镇低效用地空间特征,设定用地空间优化规则矩阵。运用集中紧凑方式协调土地潜在冲突风险,计算协调度水平来判断优化配置结果。如果协调度水平提高,说明土地琐碎化得到改善,达到优化效果。计算结果表明:在原有开发区面积上进行优化后,实验组优化后的面积为最大优化面积,提升了空间的利用程度,实现了基于混合蛙跳算法的城镇低效用地空间开发格局优化配置方法的良好应用。

基于改进的混合蛙跳算法WSNs分簇路由协议

针对基本蛙跳算法(Frog Leaping Algorithm,FLA)在无线传感器网络(Wireless Sensor Networks,WSNs)中的精度低、易局部最优和收敛速度慢的缺点,本文提出一种改进的混合蛙跳算法(Improved Hybrid Frog Leaping Algorithm,IHFLA)路由协议。IHFLA通过引入密度稀疏的精英子群策略和全局循环搜索策略,来提高算法的全局收敛性能和精度。实验表明,IHFLA能快速收敛到最优解,具有很强的获取高精度解的能力,能降低网络能耗,延长网络生命周期。

基于改进的混合蛙跳算法对旱地小麦籽粒生长模型参数的优化

【目的】作为农业智能化生产的核心决策模块,作物模型的精确模拟取决于模型参数的高效准确优化。为了提高调参效率,提升作物模型的性能和精确度,本研究通过改进优化算法对旱地春小麦籽粒生长子模型进行单目标参数优化,为中国西北部黄土丘陵区旱地春小麦的适应性研究提供参考,扩大模型的应用范围,以便于模型更好地指导农业生产。【方法】立足于2015—2021年甘肃省定西市安定区凤翔镇安家坡村的田间试验,结合1970—2021年的天气数据和年鉴产量数据,在发挥传统混合蛙跳算法(SFLA)全局交流、局部深度搜索的基础上,使用轮盘赌选择策略对旱地小麦籽粒生长阶段的6个参数进行进一步的优化,进行算法改进前后产量实测值与模拟值的误差计算与对比,对APSIM-Wheat模型进行检验。【结果】(1)在相同的迭代次数下,传统混合蛙跳算法在200次左右收敛,改进后的混合蛙跳算法在100次左右收敛;(2)旱地春小麦籽粒生长阶段的参数优化结果为小麦茎部分的每克籽粒数为26.0;开花至开始灌浆阶段的潜在籽粒灌浆速率为0.00119 grain/d;灌浆阶段的潜在籽粒灌浆速率为0.00174 grain/d;氮限制下的潜在籽粒灌浆速率为6.20×10^(-5)g grain/d;氮限制下的最小籽粒灌浆速率为1.90×10^(-5)g grain/d;单株小麦籽粒部分的最大干重值为0.0437 g;(3)分别使用传统混合蛙跳算法优化后所得参数值和改进混合蛙跳算法优化后所得参数值模拟小麦产量,参数优化后,产量实测值与模拟值的均方根误差(RMSE)从363.22 kg·hm^(-2)降至57.85 kg·hm^(-2),标准均方根误差(NRMSE)从21.78%降至3.47%。【结论】相较于传统的混合蛙跳算法,改进后的混合蛙跳算法增加了种群和子群的多样性,收敛速度快,提高了优化效率和精度,优化后的结果符合旱地春小麦的生长发育过程,适用性较高,明显改善了中国西北部黄土丘陵农业区APSIM-Wheat模型的性能。

基于改进混合蛙跳算法的微电网优化配置方法研究

微电网内分布式电源波动较大,对并网产生了一些负面影响。将有功网损和静态电压结合建立多目标优化模型,采用改进的混合跳蛙算法求解含约束的多目标优化模型,并为微电网配置更好的运行模式。通过仿真进行对比分析,验证该方法的优越性。结果表明,该方法能较好地协调系统的多目标,虽然各子目标不是最优的,但可以很好地调整各子目标之间的关系,达到整体优化的效果。

基于混合蛙跳算法的土地利用格局优化

针对传统的土地优化模型,如线性规划、非线性规划、灰色系统和景观生态学等不能实现土地数量结构和空间结构有效统一的问题,在研究现有智能优化模型,如粒子群算法、遗传算法的基础上,建立基于混合蛙跳算法的土地利用优化模型。该模型以30 m×30 m的地理栅格单元作为基本操作对象,实现土地利用的空间格局优化。以兰州市2014年土地利用格局为基础数据验证优化模型的有效性。在优化前各种地类所产生的生态系统服务价值为5.701×109元,优化后的生态系统服务价值为5.802×109元,优化前土地格局标准紧凑度为0.37,优化后为0.47。优化后牧草地面积增长了8 431 hm2,所提供的生态系统服务价值增长了1.71×108元,林地面积增加了1.453×105 hm2,提供的生态系统服务价值增加了2.49×108元。试验结果表明,该模型能利用青蛙的群体空间分布模拟土地利用空间格局,并能在多目标控制下找到问题的最优解,实现土地利用数量结构和空间结构的有效统一,模型具有较强的全局优化能力以及较快的收敛速度。

求解复杂函数优化问题的混合蛙跳算法

针对基本混合蛙跳算法在处理复杂函数优化问题时容易陷入局部最优、收敛速度慢的缺点,提出了一种改进的混合蛙跳算法。该算法把生物学中的吸引排斥思想引入到混合蛙跳算法中,修正了其更新策略,从而维持了子群的多样性。实验仿真结果表明,改进的混合蛙跳算法提高了算法的收敛速度,有效地避免了SFLA的早熟收敛问题,从而改善了对复杂问题的搜索效率,数值实验结果验证了算法的有效性和鲁棒性。

基于改进混合蛙跳算法的梯级水库优化调度

针对混合蛙跳算法在寻优过程中出现的早熟收敛问题,利用混沌技术的遍历性优势对子群最优个体进行变异操作,形成局部精细搜索策略;根据蛙群相对多样性参数来判断算法是否陷入局部最优,进而对蛙群最优个体进行扰动以提高全局寻优能力,形成全局激励调节策略。耦合2种策略,提出了一种改进混合蛙跳算法。将其应用于李仙江梯级水库优化调度中,结果表明所提算法具有寻优质量高、收敛速度快的特点,有效地克服了标准混合蛙跳算法的早熟缺陷,为水库调度模型的求解提供了一种新方法。

基于量子混合蛙跳算法的含分布式电源配电网无功优化

将分布式电源(DG)的无功调节能力与传统的电压调节手段相结合,研究了含DG的配电网无功优化问题。建立以降低系统网损、抑制电压波动为综合目标的配电网模糊无功优化模型。通过蒙特卡罗仿真对配电网系统进行无功补偿选址,采用量子混合蛙跳算法求解含DG的配电网无功优化问题。最后,通过IEEE 33节点系统进行仿真计算,表明在配电网接入DG的基础上进行无功优化能较大程度地改善系统电压水平和降低系统网损,并且证明了所提算法的快速性和有效性。

基于蛙跳算法的人工萤火虫群优化算法

人工萤火虫群优化算法(GSO)是最近提出的一种群智能优化算法,算法具有参数少、优化求解速度快以及占用内存少等优势,但是GSO算法还是存在许多的不足,本文就是来讨论解决GSO算法中的一些不足之处。

基于混合蛙跳联合聚类的协同过滤算法

针对传统协同过滤推荐算法稀疏性、冷启动、推荐质量不高等缺陷,提出一种基于混合蛙跳模糊聚类的协同过滤推荐算法.该算法先对原始评分矩阵用户和项目进行联合聚类,利用联合聚类结果对评分矩阵进行填充,再对混合蛙跳算法进行改进,利用改进后的算法快速地全局寻优能力得到项目最近邻居集合,最后通过计算预测评分生成推荐结果.仿真结果表明,该算法有效缓解对评分数据稀疏性的不良影响,同时在推荐精度上有明显改善.

基于蚁群–混合蛙跳算法的贴片机贴装顺序优化

针对喂料器的位置确定的条件下,研究拱架式贴片机的元器件贴装顺序优化问题.建立了新的拱架式贴片机贴装顺序的数学模型.针对问题的路径寻优特点,把混合蛙跳算法与蚁群算法相融合,实现对贴片机的元件贴装顺序优化问题的求解.在算法中提出了适应于贴片机实际贴装情况的分段启发函数、分段信息素以及信息素的分段更新策略等多种改进方法.为验证算法有效性,以20块实际生产的PCB为实例进行了测试.实验结果表明,算法具有较好的求解精度和全局搜索能力,与文献中的单一混合蛙跳算法相比,平均效率提高了7.89%;与蚁群算法相比,平均效率提高了3.79%.

一种具有领导机制的混合蛙跳优化算法

针对标准混合蛙跳算法在高维复杂函数优化时易陷入局部极值的缺陷进行了研究,提出了一种具有领导机制的混合蛙跳算法。该算法借鉴"差别对待"思想将青蛙种群分类,每类青蛙采用不同的位置更新公式进行位置更新,并利用高斯变异取代随机产生新青蛙的操作,避免算法盲目搜索;模仿自然界的领导作用,引入粒子群种群在青蛙种群最优个体附近进行局部振荡搜索。为了检验新算法的寻优性能,采用六种典型的连续函数对其以及其他混合蛙跳算法进行收敛精度和收敛速度方面的对比测试。实验结果表明,新算法具有较高的收敛精度和较快的收敛速度,有效地弥补了标准混合蛙跳算法易早熟收敛的缺陷,适用于高维复杂函数的优化。

量子混合蛙跳算法求解连续空间优化问题

基于量子理论提出一种量子混合蛙跳算法,该算法采用量子位的Bloch球面坐标编码个体,利用量子位在Bloch球面上绕轴旋转的方法更新个体,通过自适应混沌旋转角度算子提高子群内部局部搜索能力,采用Hadamard门实现个体变异避免早熟,有效扩展了解空间的搜索范围.实验结果表明,该方法优于普通的混合蛙跳算法、粒子群算法和遗传算法,具有较高的优化能力和效率,更适合高维复杂函数的优化.

基于混合蛙跳算法的作业车间调度优化

针对作业车间调度问题,提出改进的混合蛙跳算法.采用基于工件操作的蛙体结构,定义青蛙的相似性和距离,构造相应的青蛙移位策略,有效克服工件机器顺序的约束限制,保证青蛙新位置的可行性.通过经典算例仿真计算结果表明,该算法能有效求解较大规模的作业车间调度问题.

改进的混合蛙跳算法在传感器配置优化中的应用

传感器配置优化是可测性设计的重要研究内容,将混合蛙跳算法应用于传感器配置优化是一种新的尝试。针对传感器配置优化属于离散问题求解,提出离散的混合蛙跳算法,设计了一种离散化的更新方式。为克服蛙跳算法的早熟收敛问题,在改进的离散蛙跳算法中采用混沌优化算法以概率的形式对全局极值进行了优化。最后通过具体系统实例验证了该方法的正确性和有效性。

基于混合蛙跳算法的成品油管网优化设计

成品油输送管网的参数优化模型,属于非线性离散变量优化组合问题,且目标函数具有多峰性,往往存在局部极小点,容易陷入局部寻优。为了克服传统算法及以往非线性规划的不足,文章尝试用一种新兴的启发式算法——混合蛙跳算法(SFLA)来解决此类参数优化难题。建立以管道建设费用为目标函数和以管道各节点流量方程、环路能量平衡方程等为约束条件的数学模型,采用SFLA算法进行求解。算例结果表明,SFLA算法可以较好地解决成品油输送管网的参数优化问题。同理,可应用于解离散域组合参数优化问题。

禁忌搜索-混合蛙跳算法的贴片机优化

在拱架式贴片机的贴装过程中,元器件的贴装顺序和喂料器的分配是影响拱架式贴片机贴装效率的主要因素。根据实际的贴装过程,建立了拱架式贴片机的集成优化模型。在问题求解上,将贴片机的贴装优化问题分解为两个子问题,分别利用禁忌算法进行喂料器分配优化和改进的混合蛙跳算法对元器件贴装顺序进行优化;通过迭代协调思想,将相互联系的两个问题分而求解再相互协调,最终实现贴片机贴装过程的优化。为验证算法有效性,以10块实际生产的PCB为实例进行了测试。实验结果表明,该算法能获得较好的贴片机贴装优化解,与混合遗传算法(HGA)相比,平均效率提高了9.55%。

基于改进混合蛙跳算法的贴片机贴装顺序优化

元器件贴装顺序是影响贴片机工作效率的关键因素之一.针对拱架型贴片机,在建立贴装顺序数学模型基础上,采用改进混合蛙跳算法对贴装顺序进行优化,按照三角概率分布选择可能被改进蛙的策略,完成对基本混合蛙跳算法的改进.最后以3块PCB为例进行实验,实验结果表明,算法可以有效解决元件贴装顺序问题,并具有比基因遗传算法更高的准确性及效率.

基于混合蛙跳算法的K-mediods聚类挖掘与并行优化

为了降低K-mediods聚类算法的误差并提高并行优化的性能,将混合蛙跳算法运用于聚类和并行优化过程。在K-mediods聚类过程中,将K-mediods与聚类簇思想相结合,对各个聚类簇进行混合蛙跳算法优化,从而提高了大规模数据样本聚类的效率。针对多个聚类执行节点并行完成大规模样本K-mediods聚类时,混合蛙跳算法有效提高了加速比。实验证明,相比于普通的K-mediods聚类,基于混合蛙跳算法的K-mediods聚类优势明显,且处理大规模样本的加速比性能更优。

求解多目标优化问题的自适应混沌混合蛙跳算法

针对多目标优化问题提出一种自适应混沌混合蛙跳算法MACSFLA(Adaptive chaos shuffled frog leaping algorithm for multiobjective optimization)。使用动态权重因子策略以提高混合蛙跳算法SFLA(Shuffled Frog Leaping Algorithm)收敛效率,引入基于Pareto支配能力的SFLA子族群划分策略,使得SFLA能够应用于多目标优化问题。在此基础上,MACSFLA首先利用SFLA快速寻优能力接近理论Pareto最优解,然后采用自适应网格密度机制动态维护外部存储器Pareto最优解规模,并使用自适应混沌优化技术改善Pareto最优解集样本多样性,最后利用Pareto最优解选择策略为青蛙种群选择最优更新粒子。多目标函数测试实验结果表明,与MOPSO和NSGA-Ⅱ相比,MACSFLA在Pareto最优解集均匀性和多样性上有明显优势。