集成随机惯性权重和差分变异操作的樽海鞘群算法

为了提高樽海鞘群算法(Salp Swarm Algorithm,SSA)的收敛速度、计算精度和全局优化能力,在分析总结粒子群优化(Particle Swarm Optimization,PSO)和差分进化(Differential Evolution,DE)算法相关研究成果后,提出了一种集成PSO算法随机惯性权重和DE算法差分变异操作的改进SSA算法——iSSA。首先,将PSO算法的随机惯性权重引入SSA算法的追随者位置更新公式中,用于增强和平衡SSA算法的勘探与开发能力;其次,用DE算法的变异操作替代SSA算法的领导者位置更新操作,以提高SSA算法的收敛速度和计算精度。为了检验随机惯性权重和差分变异操作对SSA算法的改进效果,在多个高维基准函数上进行了仿真实验,并与其他改进SSA算法进行了比较。实验结果及分析表明,与SSA算法和两个典型的改进SSA算法(ESSA和CASSA)相比,集成随机惯性权重和差分变异操作的iSSA算法,在没有增加算法时间复杂度的情况下,显著地提高了SSA算法的收敛速度、计算精度和全局优化能力,并且优于ESSA算法和CASSA算法。

具有自适应随机惯性权重的PSO算法

通过对标准PSO算法中惯性权重和全局最好值的分析,提出了一种根据全局最好值的变化而自适应变化的随机惯性权重的方法。通过对5个典型的Benchmark函数的测试,结果表明此方法在收敛速度和全局收敛性方面都较线性递减的惯性权重的方法有所改进。最后,将改进的PSO算法应用于分类问题,与标准PSO算法与C4.5的结果相比,分类精度和速度都有所提高。

具有随机惯性权重的PSO算法

微粒群算法(PSO算法)是模拟鸟类、鱼群等的群体智能行为的一种优化算法,当前,在相关领域内,倍受国内外学者关注。该文在分析基本PSO算法的速度进化方程的基础上,提出一种能更好描述微粒进化过程的速度方程,由其引出一种具有随机惯性权重的PSO算法;通过五个典型测试函数的仿真实验,验证了其可行性,同时也表明具有随机惯性权重的PSO算法较具有线性递减惯性权重的PSO算法在收敛速度和全局收敛性方面有明显提高。

随机耗散时滞波方程的随机惯性流形

利用修正的Lyapunov-Perron方法研究随机耗散时滞波方程不变流形的存在性,证明了当谱间隙条件成立和时滞适当小时,随机耗散时滞波方程存在随机惯性流形,并且谱间隙条件与确定型时滞耗散波方程的一致.

随机惯性权重微粒群算法的BRDF参数反演

材料表面的反射特性一般由双向反射分布函数(BRDF)表征,其理论计算模型已大体满足实际需要。随着计算机计算速度与效率的提升,结合实验数据利用智能优化算法反演BRDF理论计算模型的未知参数,以此获得材料表面BRDF分布的方法逐渐成为研究主流。对于BRDF理论计算模型中的Schlick计算模型和Cook-Torrance计算模型,基于实验数据利用随机惯性权重微粒群算法分别对铝合金和钛合金的未知参数进行反演计算,并与实验数据进行了比较。结果表明,Schlick计算模型可以更好地表征铝合金与钛合金材料的表面反射特性。

基于随机惯性权重的自适应花粉算法

为了解决花粉算法(FPA)收敛速度慢,收敛精度不高,易陷入局部极小点等缺陷,将随机惯性权重学习机制引入花粉全局搜索更新机制,并将转换概率调整为随迭代次数自适应变化,以平衡算法的全局搜索和局部开发能力,建立了基于随机惯性权重的自适应花粉优化算法。为了测试改进后算法的收敛性能,任意选取8个标准测试函数进行测试。结果表明:改进后FPA的收敛速度、收敛精度等性能都优于标准FPA.

一类随机惯性时滞神经网络的稳定性

研究一类随机惯性时滞神经网络稳定性问题.通过引入适当变量变换将二阶微分系统转换为一阶微分系统,利用同胚映射,Ito公式和微分算子,构造恰当的Lyapunov函数和采用递推归纳,给出其系统平衡点存在唯一及全局渐近稳定和解指数稳定判定的充分条件,最后通过数值模拟例子说明所得理论结果的正确性.

改进随机惯性权重粒子群算法在灌溉配水中的应用

灌溉配水是当前节水农业研究的焦点。本文在考虑工业、生活、环境供水量因素下,建立了以作物经济效益最优的灌溉优化配水模型,将改进随机惯性权重粒子群优化算法对模型进行优化求解,结合灌区实验数据进行仿真,得出改进算法能解决作物的优化灌溉问题。

一类随机惯性时滞BAM神经网络的指数稳定性

研究一类随机惯性时滞BAM神经网络,通过引入变量替换将二阶微分系统变换为一阶微分系统.利用微分方程有关知识,Schwarz不等式、Ito积分性质和递推归纳,讨论其系统解的有界性和指数稳定性,并给出其判定的充分条件,最后给出数值例子说明所得结果容易验证.

随机权重复合模型PSO算法

在分析了标准微粒群(PSO)算法速度运动方程的基础上,提出了一种具有随机权重的复合模型PSO算法,采用测试函数进行仿真。实验结果表明,该算法能有效地提高收敛速度和全局搜索能力。

基于改进PSO算法对榴弹最佳杀伤面积的计算

为了获得榴弹在空中爆炸时的最佳杀伤参数,提出了一种最优参数计算方法。以卧姿人员为杀伤目标,建立了杀伤面积与落速、落角和炸高的数学模型和优化模型,利用随机惯性权重法对标准粒子群优化算法(particle swarm optimization,PSO)算法中的惯性权重进行改进,采用改进后的算法对榴弹最佳杀伤参数进行计算。结果表明:改进的算法对比传统计算方法,计算精度更高,最大炸高改进误差超过0.1 m,对比标准PSO算法需要的粒子数量更少,收敛速度更快。为榴弹最佳杀伤参数的设计提供了一种高效计算方法。

基于改进粒子群算法的无人机路径规划

粒子群算法由于搜索速度快、易于实现等优点,在处理环境复杂、约束条件多的无人机路径规划中,可克服传统算法寻优能力不足、计算量大、难于规划出最优路径的缺陷。但是传统粒子群算法存在早期收敛速度较快、后期易陷入局部最优等缺点,为解决此问题,本文通过设置随机惯性权重、增加扰动粒子更新机制对粒子群算法进行改进并应用于无人机路径规划。通过仿真实验证明,本文提出的改进PSO算法在算法稳定性、路径规划效果等方面均优于传统PSO算法。

应用于光伏MPPT的改进型PSO算法研究

光伏发电因清洁安全、储量近乎无限的特点受到了广泛关注,然而现阶段光伏发电的转化率不高进而导致光伏发电成本较高,因此对最大功率点跟踪(MPPT)算法的研究就显得尤为重要。与传统的MPPT算法相比,粒子群(PSO)算法优化的MPPT算法在收敛速度、精度上有了较明显的提升,但面临着参数设置严重依赖经验的问题。基于随机惯性权重的PSO算法引入MPPT算法中,减弱了对个人经验的依赖,并且可以进一步提高算法的收敛速度、精度,减弱收敛振荡。

基于一种改进海鸥算法的结构优化设计

结构优化设计是用目标函数和约束函数来描述结构设计参数之间的非线性关系,通过优化技术求最优解。海鸥优化算法是一种新颖的全局优化算法。文章采用非线性随机惯性权重和局部混沌扰动策略改进,提高全局搜索精度和跳出局部陷阱的能力。仿真结果表明,改进的海鸥算法ISOA(Improved Seagull Optimization Algorithm)可用于求解多维连续优化问题,其收敛速度快,且计算精度更高,可为工程结构的优化设计提供参考。

一种基于组合赋权法的小波去噪质量评价方法

针对传统质量评价指标在小波阈值去噪中理论依据不足的问题,提出了一种基于组合赋权法的小波去噪质量评价方法,能够为小波去噪参数的选择提供有效评价。通过分析在真值未知情况下均方根误差(RMSE)、信噪比(SNR)、平滑度等单项指标的特点,选取RMSE与平滑度作为小波去噪指标,对其进行归一化处理,采用信息熵权与变异系数的方法进行组合赋权,将归一化指标与对应权值线性组合,得到一种新的指标即为复合评价指标,其值越小,说明去噪效果越好,所选参数越优。仿真实验表明,在真值已知情况下,该评价指标具有更高的准确性,能够适用于不同的分解层数与小波基函数,具有比传统方法更好的适用性;实测数据表明,所提方法得出的小波去噪峰值域更加光滑,波形更加平稳,去噪效果更佳。

求解相干线性方程组的稀疏惯性随机Kaczmarz算法

双子空间投影算法和多步惯性随机Kaczmarz算法是求解相干线性方程组的有效算法,本文通过软阈值函数对这两种算法进行修正,提出了稀疏双子空间投影算法和稀疏多步惯性随机Kaczmarz算法,并给出其在有噪声干扰和无噪声干扰情况下在期望意义下的线性收敛率估计.通过数值实验验证本文所提算法的有效性和优越性.

二阶微粒群算法

为了提高标准微粒群算法的全局收敛性,提出了一种新的微粒群算法——二阶微粒群算法.首先,介绍了二阶微粒群算法的引入,分析了其收敛性,并且研究了其参数的选择范围.其次,在分析二阶微粒群算法的进化方程的基础上,引出了具有随机惯性权重的标准微粒群算法.再次,在二阶微粒群算法中加入振荡因子来调整微粒的速度变化率,更好地使二阶微粒群算法收敛于全局最优.最后,利用这几种改进方法对典型测试函数进行仿真,实验结果表明,这些方法能够有效克服早熟问题,在全局收敛性和收敛速度方面均优于标准微粒群算法.

基于改进粒子群算法的多目标最优潮流计算

针对电力系统多目标最优潮流计算问题,提出一种基于(非劣最优)Pareto解集的改进粒子群算法AL iPSO。用最优值评估选取法求取粒子和全局最优位置,解决目标函数间可能存在的冲突。并将关联度自适应学习应用于多目标优化,提出适合Pareto解特点的适应度设计和随机惯性权策略,克服PSO算法容易早熟而陷入局部最优解的缺点。通过对IEEE 6、IEEE 14节点系统多目标最优潮流计算,验证了该算法的有效性。

基于改进粒子群算法的电厂循环水泵组合优化

在综合对比用于循环水系统轴功率优化模型的2种不同粒子群优化算法的基础上,提出用服从均匀分布惯性权重的粒子群优化算法求解轴功率优化问题,得到了最优决策向量。该算法能够有效地找到循环水系统中循环水泵的最优组合和最佳调速比,使水泵在高效区内运行,提高系统的运行效率。与遗传算法相比,其实现简单,收敛速度快,并有更好的全局收敛特性和更小的系统误差。

具有动态步长和发现概率的布谷鸟搜索算法

为了进一步改善算法搜索过程中存在的求解精度偏低、收敛速度缓慢等现象,提出具有动态步长和发现概率的布谷鸟搜索算法。该算法通过引入步长调整因子动态约束每一代种群的莱维移动步长,使算法的莱维飞行机制具有自适应性。在发现概率上,使用具有均匀分布和F分布特性的随机惯性权重,改变发现概率的固定取值,加强种群的多样性,保持算法全局搜索、局部探索之间的平衡状态。通过实验证明,所提算法具有良好的可行性,其寻优结果、收敛速度均有提高。