多策略改进的闪电连接过程算法及其应用

针对闪电连接过程算法鲁棒性欠佳、个体多样性有限等不足的问题,提出一种多策略改进的闪电连接过程算法.首先,采用透射学习策略和准对立学习策略有效提升初始化实验点个体质量,避免自有随机因子过度影响算法收敛性能;然后,设计实验点自适应动态跟随机制,在提升算法寻优性能的同时兼顾探索开发能力的协调;接着,采用镜像均值替代策略替换当前最优解和种群均值,防止算法因个体同化程度升高造成局部停滞;最后,选取基准测试函数进行智能算法对比寻优实验、改进算法对比寻优实验以及Wilcoxon符号秩检验实验,实验结果表明了所提出改进算法寻优性能的优越性以及改进策略的有效性.通过多策略改进的闪电连接过程算法优化长短时门循环控制单元参数进行变压器故障诊断工程应用实验,进一步验证所提出改进算法的工程实用性.

应用闪电连接过程优化算法反演多阶瑞雷波频散曲线

在瑞雷波勘探中,频散曲线反演是获取地下地层信息的关键,具有多参数、多极值特征。传统的全局优化算法,如粒子群(PSO)算法、遗传算法(GA)等,进行频散曲线反演时存在收敛速度慢、求解精度低等问题。为此,将一种新颖的全局优化算法——闪电连接过程优化(Lightning Attachment Procedure Optimization,LAPO)算法用于频散曲线反演。LAPO算法受自然界中闪电下行先导和上迎先导连接过程的启发所提出,通过模拟自然界中闪电形成过程寻求最优解。该算法全局搜索和局部开发能力都强,无需进行参数调整。使用理论地质模型和实际数据进行测试,结果表明:与PSO算法相比,LAPO算法具有收敛速度快、求解精度高、算法性能稳定的特点;LAPO算法不仅适用于基阶频散曲线反演,而且适用于多阶频散曲线反演,是瑞雷波频散曲线定量解释的有效工具。