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.

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。

基于佳点集的改进麻雀搜索算法

为改善麻雀搜索算法(SSA)初始种群质量和稳定性差,易陷入局部最优的缺点,提出一种基于佳点集的改进麻雀搜索算法(GSSA)。加入佳点集使初始种群更加均匀,提升了种群多样性;结合SSA算法特点引入改进的迭代局部搜索,在不降低原算法收敛速度快的基础上,使算法的搜索能力更加灵活;在算法中加入逐维透镜成像反向学习机制,减少各个维度间的干扰,帮助算法跳出局部最优并加速收敛。经12个测试函数仿真实验,并借助Wilcoxon秩和检验、平均误差M等证明了GSSA在寻优精度和稳定性等寻优性能都有较大的提升,且收敛速度更快。