基于逐维策略的布谷鸟搜索增强算法

布谷鸟搜索算法迭代运用Lévy Flights随机走动和Biased随机走动发现新个体的各维信息。当个体所有维信息生成后,算法将这些信息合成为个体并评价。在这种情况下,由于个体各维之间存在相互干扰,一些部分维进化的个体可能被放弃,从而影响算法的收敛速度以及求精能力。提出的布谷鸟搜索增强算法采用逐维评价策略接收一些部分进化的个体,可进一步增强算法的收敛速度和求精能力。在算法中,逐维评价策略作为局部搜索技术镶嵌在两个随机走动部件之后,并随机选择一些个体进行逐维更新后进行评价。实验结果说明逐维评价策略总体上能够有效且较好地改善算法的求解性能和收敛速度。

逐维改进的布谷鸟搜索算法

布谷鸟搜索(cuckoo search,简称CS)算法是一种新兴的仿生智能算法,对解采用整体更新评价策略.在求解多维函数优化问题时,由于各维之间相互干扰,采用整体更新评价策略将恶化算法的收敛速度和解的质量.为了弥补此缺陷,提出了基于逐维改进的布谷鸟搜索算法.在改进算法的迭代过程中,针对解采用逐维更新评价策略.该策略将各维的更新值与其他维的值组合成新的解,并采用贪婪方式接受能够改善解质量的更新值.实验结果说明,改进策略能够有效地提高CS算法的收敛速度并改善解的质量.与相关的改进布谷鸟搜索算法以及其他演化算法的比较结果表明,改进算法在求解连续函数优化问题上是具有竞争力的.

采用逐维定位的多模型自适应解耦控制器

针对多变量系统中多个参数同时变化导致模型数目巨大,计算时间长等问题,提出了采用逐维定位的多模型自适应解耦控制器．该方法将多维空间的并行寻优问题转化为多个一维空间的串行寻优问题,每一次固定其他参数、只针对一个参数寻找最优模型,可大大减少系统模型集的数量．该控制器基于性能指标搜索最优模型,通过加权多项式矩阵的选择,不但消除了稳态误差,任意配置闭环系统的极点,而且实现了动态解耦控制．最后给出全局收敛性分析．仿真结果表明当采用相同的固定模型覆盖每个参数的变化区间时,其模型集的数目远远小于常规多模型控制器．而当采用相同数目的模型时,其控制效果明显优于常规多模型控制器．

逐维聚类的相似度索引算法

随着多媒体信息技术的迅速发展 ,多维度索引技术在图像、视频等可视信息的存储、检索方面成为一个重要的研究领域 针对“维数危机”难题 ,提出逐维聚类相似度索引算法 该算法根据数据集的分布特性 ,对特征矢量的每一维进行聚类 算法在实现检索时可以逐步滤除与查询矢量不相似的数据集 ,缩小检索范围 ,进而提高了检索速度 实验结果表明 ,逐维聚类算法适用于基于相似度的高维数据矢量检索和查询 ,是一种简单。

逐维判断PSO算法值的WSN覆盖优化

为了解决现有相关算法在粒子寻优过程中部分优化解丢失的问题,提出一种逐维判断PSO算法值的WSN覆盖优化策略。避免了标准PSO算法执行过程中由于粒子所有维数信息更新完毕后才进行适应度评价而导致的过多优化解丢失问题,提高了求解精度,加快了算法的收敛速度。通过对改进算法的实验仿真,结合覆盖率优化目标,与五种类似算法进行性能对比,证明提出的算法优化效果明显优于所对比算法,有效提高了网络覆盖率,是一种实用性较强的覆盖优化算法。

多维编码逐维识别RFID防碰撞算法

提出了多维编码逐维识别(Multi-dimension code and gradual-dimension identification,MDC-GDI)防碰撞算法,多维编码在每维中有且只有1个1。发生碰撞时,由于多维编码的特点,系统自动识别每维的碰撞数据,并逐个呼叫碰撞编码,完成对阅读器内所有标签的呼叫。分析算法表明,该算法在阅读器范围内标签较多时,在呼叫次数和呼叫所传输数据量方面具有较大的改善。随着标签碰撞的增多,呼叫每个标签的平均次数趋近4/3,呼叫所传输的数据趋近8位,因此更适用于无线射频识别(Radio frequency identification,RFID)防碰撞协议。

热工过程参数的改进逐维黄金分割法辨识

针对基于群体智能算法的热工过程参数辨识存在随机性强、收敛慢、耗时长的不足,提出了一种快速辨识方法。在仿真验证辨识目标函数随各个参数变化呈单峰性后,将黄金分割法与坐标轮换法相结合,形成逐维黄金分割法,并通过选取最优初始点和提高寻优精度等方法对其进行改进;基于现场数据分别采用粒子群优化算法、逐维黄金分割法及其改进算法对风煤比-过氧量模型的过程参数进行了辨识比较。结果表明,改进后的逐维黄金分割法在快速性、精确性上明显优于粒子群算法和逐维黄金分割法,其更适合于热工过程参数的在线辨识,从而为热工控制系统调节参数的在线快速优化提供条件。

具备自纠正和逐维学习能力的粒子群算法

粒子群算法作为一种随机算法,其随机性对种群的进化速度和寻优精度提出了严峻的挑战.针对该问题,本文提出了一种具备自纠正和逐维学习能力的粒子群算法.首先提出了一种纠正策略来判断粒子进化趋势的正确性并作出必要干预,减少了随机性所带来的学习时间的浪费;其次,在使用逐维变异策略的基础上利用个体最优作为最优粒子的学习对象,加强个体最优与群体最优之间的联系,赋予粒子更多的有效信息来源;最后,结合两策略的特点,周期性地控制其触发时间,进而降低复杂度使得算法发挥更大的效能.实验结果表明,改进策略能够有效地提高PSO算法收敛速度和收敛精度.同其他改进的PSO算法对比结果表明,在高维和低维函数上都更具有竞争优势.

逐维加权的布谷鸟搜索算法

针对布谷鸟搜索算法在多维函数优化搜索中存在收敛速度慢和寻优精度不高的缺点,提出一种逐维加权的布谷鸟搜索算法。该算法引入逐维动态加权的鸟窝位置更新方式,每次迭代后保留上一代的最优位置并进行下一代位置更新,同时改写偏好随机游动的步长更新方式。通过6个标准的测试函数的测试结果表明,改进后的算法,在提高算法的收敛速度和寻优精度上有效。

一种最优粒子逐维变异的粒子群优化算法

针对粒子群算法(Particle Swarm Optimization,PSO)容易陷入局部最优、收敛速度过慢、精度低等问题,提出一种新的变异策略,对全局最优粒子进行逐维的重心反向学习变异.逐维变异降低了维间干扰,通过更新全局最优位置引领粒子向更好的位置飞行,同时加强了种群的多样性.仿真实验与基于柯西变异的混合粒子群算法(HPSO)及重心反向粒子群优化算法(COPSO)在9个标准测试函数上进行了对比.实验表明逐维重心反向变异算法(DCOPSO)具有较高的收敛速度及精度.

基于逐维改进的自适应步长布谷鸟搜索算法

步长的选取对于布谷鸟搜索算法的收敛速度与运算结果的精度起着关键作用。提出了一种基于逐维改进的自适应步长布谷鸟搜索算法。首先,在原始自适应步长布谷鸟搜索算法中,当上一代鸟窝位置为最优位置时,步长不再更新,则简单修正原有的步长让其更新;其次,将逐维更新评价策略引入修正后的自适应步长布谷鸟搜索算法。实验结果表明,该算法不仅平衡了全局寻优能力和寻优精度之间的矛盾而且具有较好的收敛速度。

基于逐维高斯变异的混沌麻雀优化算法

针对麻雀算法初始化种群盲目性、全局搜索能力尚差容易陷入局部最优等问题,提出了一种逐维高斯变异的混沌麻雀优化算法.该算法首先利用singer混沌映射策略对种群进行初始化,克服种群初始化的盲目性。然后引入翻筋斗觅食策略来提高种群的全局搜索能力,最后引入惯性权重因子,针对最优原子采用逐维度高斯变异,提高其跳出局部最优解的能力,提高算法的全局搜索能力。将优化的麻雀算法与其他算法进行实验对比,实验结果表明改进算法相比原始算法具有明显的优势。

非最小相位逐维定位多模型自适应解耦控制器

针对多变量系统中多个参数同时跳变导致模型数目巨大、计算时间长等问题,提出了采用逐维定位技术的多模型自适应解耦控制器.该方法将多维空间的并行寻优问题转化为多个一维空间的串行寻优问题,可大大减少系统模型集的数量.针对非最小相位系统,将系统的耦合作用视为可测干扰,采用前馈方法予以消除.最后给出全局收敛性分析.仿真结果表明当采用相同数目的模型时,其控制效果明显优于常规多模型控制器.

嵌入Circle映射和逐维小孔成像反向学习的鲸鱼优化算法

针对鲸鱼优化算法(WOA)容易陷入局部最优解、收敛速度慢等缺陷,提出一种改进鲸鱼优化算法.首先,利用Circle混沌序列取代原始算法中随机产生的初始种群,提高初始个体的多样性;其次,提出一种逐维小孔成像反向学习策略,增加寻优位置的多样性,提高算法摆脱局部最优的能力;最后,提出融合贝塔分布和逆不完全Γ函数的自适应权重,在保留鲸鱼优化算法优点的前提下,协调算法的搜索能力.通过对10个基准函数进行仿真实验,同时使用Wilcoxon检验、MAE等方法来评价改进后鲸鱼优化算法的性能,实验结果表明,改进算法在求解效率和稳定性等方面都有较大提升,同时,算法的寻优精度和收敛速度也比原始算法更优秀.

高精度有限体积格式在三维曲线坐标系下的应用

为了构造在光滑区具有较高分辨率并且可以无振荡捕捉激波的高精度有限体积格式,同时降低格式在模板选择上遇到的困难,基于逐维重构方法,发展了结构网格下的高精度有限体积格式,并将这一格式推广到三维曲线坐标系下,从而可以适应相对复杂外形下的计算。为充分验证格式的有效性,选取一系列典型算例进行计算:在等熵涡输运和二维喷管流动中验证了格式的精度可以达到设计精度;在双马赫反射问题中格式也表现出良好的捕捉激波的能力。数值计算表明,上述格式在曲线网格上具有较高的数值精度和鲁棒的激波捕捉能力,适用于流体力学方程的计算。

一种求解多维函数优化问题的改进组搜索优化算法

为提高组搜索优化算法求解多维函数优化问题的性能,提出一种结合逐维搜索、Metropolis准则、反方向视角和禁忌表策略的改进组搜索优化算法.逐维搜索策略逐维更新并评价成员位置,在每一维,更新的值与其他维组成候选位置,使用模拟退火的Metropolis准则来决定是否接受候选位置.反方向视角策略使成员按一定的概率做反方向搜索,禁忌表策略避免生产者始终保持不变.这些策略能更好地平衡算法的集中性和多样性.在典型测试函数上进行了仿真,结果表明改进策略是有效的,提高了组搜索算法求解多维函数优化问题的全局寻优能力和收敛速度.

二维浅水方程的高阶松弛格式求解

利用松弛方法,将二维浅水方程转化为松弛方程组,并用逐维五阶WENO重构和显隐式Runge-Kutta方法对松弛方程组的空间和时间方向进行离散,建立了求解二维浅水方程的五阶松弛格式。WENO重构方法的引入既提高了格式的精度,又可保证格式是无振荡的。应用该格式对圆柱溃坝等问题进行了数值模拟,计算结果与用其它方法所得结果吻合,表明了方法的有效性。

二维双曲型守恒律的一种五阶松弛格式

松弛格式是Jin和Xin提出的无振荡有限差分方法,其主要思想是将守恒律转化为松弛方程组进行求解。本文用逐维五阶WENO重构和显隐式Runge-Kutta方法对松弛方程组的空间和时间进行离散,得到了一种求解二维双曲型守恒律五阶松弛格式。所得格式保持了松弛格式简单的优点,不用求解Riemann问题和计算通量函数的雅可比矩阵。通过二维Burgers方程和二维浅水方程的数值算例验证了格式的有效性。

基于反吸引速度更新机制的改进蜉蝣算法

针对蜉蝣算法(MA)前期收敛速度较慢、后期寻优精度不高等问题,提出一种基于反吸引速度更新机制的改进蜉蝣算法(MMOA)。采用改进型Tent混沌序列初始化蜉蝣种群,使蜉蝣分布更加均匀,提升了种群的多样性;结合MA的特点,引入反吸引速度更新机制指导蜉蝣速度更新,平衡算法的全局搜索和局部寻优能力,进而提升算法的收敛性能;对全局最优蜉蝣进行逐维的重心反向学习变异,降低各维度间的干扰,帮助算法跳出局部最优并加速收敛。基于12个标准测试函数和部分CEC2017测试函数进行对比仿真实验,结果表明:MMOA较灰狼优化(GWO)算法、MA等算法在收敛速度、寻优精度和稳定性等方面都具有明显优势。

基于改进布谷鸟算法的永磁同步电机参数辨识

针对永磁同步电机中参数辨识精度不足以及速度较慢的问题,文章提出一种改进的布谷鸟算法实现对永磁同步电机的参数辨识。首先,采用Tent映射初始化种群;其次,采用动态发现概率调整布谷鸟蛋被发现的概率;最后,引入逐维反向学习策略,增强了算法的局部和全局寻优能力,同时加快了收敛速度。仿真分析表明,改进的布谷鸟算法相比于原算法,能更加有效地辨识永磁同步电机的电机参数。