阵列方向图综合中PSO算法粒子越界处理研究

针对PSO算法中粒子越界处理的常规方法使得粒子容易陷入局部最优解,优化速度和收敛精度大大降低的问题,提出了一种无需越界检测,无需粒子位置调整的归一化方法。均匀线阵扇形、低副瓣、带零陷低副瓣方向图综合实例表明:新方法在保证粒子不越界的基础上,不破坏粒子的飞行轨迹,能够有效提高PSO算法的优化精度和收敛速度,极大地提高了PSO算法性能。

基于量子粒子群算法的门式刚架结构抗风优化

为弥补目前结构抗风优化仅针对高层建筑的不足,采用量子粒子群算法对一大跨屋盖结构进行了抗风优化.基于风洞试验数据库获得等效静力风荷载,并根据型钢表组成离散变量搜索空间.通过约束违反协调系数,构造了一种新的适应值模型,进一步建立了粒子越界处理方法,以保证优化的可行性和收敛性.通过10次运行计算以确定门式刚架的最优设计,并在全风向角下对优化结果进行校核.研究结果表明,目标函数随迭代单调递减收敛,总质量标准差仅为其平均值的4%,平均迭代24次,说明量子粒子群算法用于门式刚架抗风优化具有较好的健壮性和计算效率.

改进鲸鱼算法求解工程设计优化问题

为了更好求解工程设计优化问题,提升鲸鱼算法的寻优性能和应用能力,提出一种基于分段式随机惯性权重和最优反馈机制的鲸鱼优化算法。在随机游走觅食策略中引入基于当前全局最优解的反馈机制,加快算法收敛速度,增强求解稳定性;在收缩包围策略和螺旋气泡网捕食策略中引入分段式随机惯性权重,提高算法的寻优精度和跳出局部极值的能力;对越界处理进行修正和改进,消除了进化成果可能丢失的隐患。通过理论分析证明了该改进算法与基本鲸鱼算法的时间复杂度相同。6种代表性对比算法在12个复杂基准测试函数和3个工程优化设计问题上的实验结果表明,该改进算法的寻优性能、求解稳定性、对不同问题的适用性和有效性均明显优于其他5种对比算法。

具有组合变异策略的回溯搜索优化算法

针对回溯搜索优化算法收敛速度慢和易陷入局部最优的缺陷,提出了一种基于组合变异策略的改进回溯搜索优化算法。为了提高历史种群的多样性并扩大算法的搜索空间,在算法迭代过程中采用柯西种群生成策略,利用柯西分布尺度系数生成历史种群;引入基于混沌映射和伽玛分布的组合变异策略,在一定概率下对较差个体进行变异生成质量较好的个体;对新种群中越界个体采用越界处理策略,确保算法在预定的搜索空间内搜索。选取了11个标准测试函数,在低维和高维状态下进行数值仿真,并与3种表现良好的算法进行比较,结果表明该改进算法在收敛速度和收敛精度上有很大优势。

煤与瓦斯突出危险性预测

针对现有基于支持向量机(SVM)的煤与瓦斯突出预测方法存在准确率低与响应速度慢的问题,提出了一种基于改进灰狼算法(IGWO)优化SVM的煤与瓦斯突出危险性预测方法。采用灰色关联熵权法分析各个影响因素对煤与瓦斯突出的影响程度,根据关联度排序提取瓦斯压力、瓦斯含量、瓦斯放散初速度和开采深度作为煤与瓦斯突出主控因素,将其分为训练集和测试集,并进行归一化处理;为改善传统灰狼算法(GWO)种群易陷入局部最优和寻优速度慢的缺陷,引入越界处理机制和嵌入莱维飞行的随机差分变异策略对GWO算法进行改进(即IGWO),有效提升了GWO的收敛精度与速度;采用IGWO对SVM的核心参数和惩罚参数进行优化,将煤与瓦斯突出的主控因素输入到IGWO-SVM中进行分类,并将其与实际测试集分类结果进行对比,实现煤与瓦斯突出危险性预测。仿真结果表明:与基于鲸鱼算法-支持向量机(WOA-SVM)、灰狼算法-支持向量机(GWO-SVM)和粒子群-支持向量机(PSO-SVM)的预测方法相比,基于IGWO-SVM的预测方法具有更高的预测精度,在提高SVM运算效率的同时满足煤与瓦斯突出预测的精度和可靠性要求,准确率达到96.67%,预测速度为5.58 s。

一种增强型麻雀搜索算法的无线传感器网络覆盖优化研究

为了有效提高无线传感器网络的节点覆盖率,提出了一种增强型的麻雀搜索算法。首先引入非线性收敛因子,平衡算法全局寻优和局部探索能力,然后将自适应τ分布的柯西变异算子融入到麻雀搜索算法,使麻雀个体受局部极值点约束力下降,快速跳出局部最优,最后采用一种新颖的越界处理方法,更加合理的处理麻雀个体越界重定位问题。将该算法应用到无线传感器网络覆盖优化中,结果表明该算法提高了网络覆盖率,有效减少了节点冗余,优化节点分布更加均匀。

多策略自适应变异的差分进化算法及其应用

针对传统DE算法在求解复杂函数时会出现早熟收敛、收敛精度低、收敛速度慢等缺陷,提出了一种多策略自适应变异的差分进化算法MsA-DE。将3种变异策略两两结合,随机分配所占比重,以增加种群的多样性;通过引入进化程度阈值,自适应地选择最合适的变异策略,平衡算法的全局搜索和局部搜索能力;对越界的变异个体进行处理,保证种群的多样性和有效性。加入扰动机制提高算法跳出局部最优的能力,同时提高最优解的精度。将该算法用于14个测试函数的优化中,结果表明,MsA-DE算法与其它4种算法相比具有更高的收敛精度和跳出局部最优的能力。将该算法应用于铁路功率调节器RPC的容量优化问题中,结果表明,该算法能够减小RPC补偿装置的容量,提高装置的经济性。