基于自适应t分布与随机游走的麻雀搜索算法

针对麻雀搜索算法在解决复杂问题时存在的收敛精度降低以及陷入局部最优等问题,文中提出了一种基于自适应t分布与随机游走的麻雀搜索算法。该算法在初始化过程中使用反向学习来生成反向解,从中选择优秀的个体组成初始化种群。在原始麻雀搜索算法上采用自适应t分布策略和高斯随机游走策略可以提高麻雀个体的寻优能力,同时防止算法早熟。仿真结果表明,相较于对比算法,文中所提算法的收敛精度和收敛速度都有所提升。

基于多策略融合算法的无刷直流电机控制研究

为了解决复杂情况下模糊规则难以制定的问题,在沙猫群算法基础上,融合高斯随机游走策略、麻雀算法的警戒机制及混沌映射对算法进行优化,测试表明多策略融合算法优于对比算法;对模糊规则进行十进制编码,实现算法迭代寻优;将优化方法用于无刷直流电机调速系统并进行仿真实验。结果表明,优化模糊规则后的模糊PID控制具有更好的控制性能,验证了所提模糊规则寻优方法的有效性。

基于改进的SSA-BP神经网络的矿井突水水源识别模型研究

机器学习与寻优算法的结合在矿井突水水源识别上得到广泛应用,但突水水样数据具有随机性且寻优算法易陷入局部最优,提高模型泛化能力和跳出局部最优需进一步研究。针对上述问题,提出了一种改进的麻雀搜索算法(SSA)优化BP神经网络模型,用于对矿井突水水源进行定量辨识。以鲁能煤电股份有限公司阳城煤矿为研究对象,通过常规离子浓度分析、Piper三线图对该煤矿水样的水化学特征进行分析,初步判断矿井水来源于奥灰含水层和三灰含水层,并确定Na^(+)+K^(+)浓度、Ca^(2+)浓度、Mg^(2+)浓度、HCO_(3)^(-)浓度、SO_(4)^(2-)浓度、Cl^(-)浓度、矿化度、总硬度、pH值作为突水水源识别指标;建立基于改进SSA-BP神经网络的矿井突水水源识别模型:首先进行SSA参数设置,引入Sine混沌映射使麻雀种群均匀分布,然后通过计算适应度值进行麻雀种群的更新,引入随机游走策略扰动当前最优个体,如果满足终止条件,则获得最优BP神经网络权重和阈值,最后基于构建的BP神经网络,输出识别结果。研究结果表明:①改进的SSA-BP模型在训练集上的识别准确率达95.6%,在测试集上的识别准确率达100%。②改进的SSA-BP神经网络模型与BP神经网络模型、SSA-BP神经网络模型对比结果:BP神经网络模型误判率为5/18,SSA-BP神经网络模型的误判率为2/18,改进的SSA-BP神经网络模型误判率为0,迭代10次后趋于稳定,且与设定的目标误差相差最小,初始适应度值最优,识别结果可信度高。③将阳城煤矿5组矿井水水样数据作为输入层数据输入到训练好的模型中,矿井水水样的主要来源为奥灰含水层、三灰含水层和山西组含水层,模型识别结果与水化学特征分析的结论相互印证,实现了精准区分。

基于多元策略改进的灰狼算法机器人路径规划

针对传统灰狼算法(grey wolf algorithm,GWO)在进行机器人路径规划时易陷入局部极值、探索效率低等不足,提出了一种多元策略改进的灰狼算法。首先针对领导狼在算法中存在的缺陷,提出了一种随机游走策略,从而提升算法的全局搜索能力。同时,在搜索阶段引入一种基于凸透镜原理的逆学习机制,对种群中的劣势个体进行逆向学习,从而提高狼群个体的搜索范围,避免算法陷入局部最优。最后,为提升路径平滑性,采用B-spline曲线对路径进行平滑操作。仿真结果表明,在普通环境及陷阱环境下改进的灰狼算法较传统灰狼算法,规划的全局最优路径各项性能更优,更有利于机器人完成作业任务。

基于改进麻雀搜索算法的最大指数熵分割方法

为了解决基本麻雀搜索算法(sparrow search algorithm,SSA)依赖初始种群和求解精度不高的问题,提出一种基于Circle混沌映射和随机游走的改进的麻雀优化算法(improved sparrow optimization algorithm,CRSSA)。该算法为了增强麻雀种群的多样性,在麻雀初始阶段引入混沌Circle映射;采用随机游走对最优麻雀进行扰动,使其在麻雀寻优后期,增强算法全局搜索能力,跳出局部最优。同时选取15个测试函数对其算法进行性能测试。结果表明:与原始的SSA、蜉蝣算法(mayfly algorithm,MA)、粒子群优化算法(particle swarm optimization algorithm,PSO)、鲸鱼优化算法(whale optimization algorithm,WOA)和灰狼优化算法(gray wolf optimization algorithm,GWO)相比,改进的麻雀搜索算法具有寻优速度快、求解准确度高和鲁棒性强等优点。将该方法应用在多阈值图像分割中,通过对比不同算法的峰值信噪比(peak-to-signal ratio,PSNR)、结构相似性(structural similarity index,SSIM)、适应度函数值和运行时间性能指标,可有效解决多阈值分割问题,具有一定的工程应用价值。

一种改进的沙丘猫优化算法求解装箱问题

针对沙丘猫优化算法容易陷入局部最优的问题,提出一种改进的沙丘猫优化算法。首先通过帐篷混沌为映射模式来增强沙丘猫群体的多样性;然后采用非线性递减模型控制参数,降低了沙丘猫个体的敏感度;为增强沙丘猫的移动能力,引入了高斯随机游走策略,使算法有更强大的全局探索能力。将沙丘猫优化改进算法和其他比较算法用于装箱问题求解,结果表明,沙丘猫优化改进算法在所有算法中代价最小,收敛速度最快。

基于BRWSSA-GRU的飞机发动机滑油系统故障诊断

针对人为选定参数造成神经网络故障诊断性能不稳定问题与麻雀搜索算法(sparrow search algorithm,SSA)种群初始化时由于随机性造成寻优范围缩小和算法容易陷入局部最优等问题,采用反向学习(opposition-based learning,OBL)对SSA算法中麻雀种群初始化过程进行优化,扩大搜索范围,并结合随机游走策略(random walk,RW)对寻优过程中的最优麻雀施加扰动,提高算法的局部搜索能力,降低算法陷入局部最优的风险。在此基础上,采用基于反向学习和随机游走策略的麻雀搜索算法(sparrow search algorithm based on oppositionbased learning and random walk,BRWSSA)优化门控循环单元(gate recurrent unit,GRU)的隐含层节点个数,设计了一种基于BRWSSA-GRU的发动机滑油系统故障诊断模型。为了验证所设计的故障诊断模型的有效性,还设计了GRU和SSA-GRU两种故障诊断模型。最后,采用相同的滑油系统数据集对GRU、SSA-GRU和BRWSSA-GRU3种不同的故障诊断模型的有效性进行了对比试验验证。结果表明,提出的BRWSSA-GRU故障诊断模型的诊断准确率明显优于GRU和SSA-GRU方法,BRWSSA-GRU故障诊断模型的有效性得到验证。

一种改进的花朵授粉优化算法

花朵授粉算法是一种简单的函数寻优算法,针对基本花朵授粉算法收敛速度慢等问题,提出一种改进的花朵授粉优化算法。引入线性权重,使算法的局部搜索能力逐渐增强;提出一种优质解随机游走策略,进一步提高花朵授粉优化算法的搜索能力;将该改进型花朵授粉算法用于函数优化,并与遗传算法、引力粒子群算法和基本的花朵授粉算法进行对比。仿真实验结果表明,所提出的算法在收敛精度和收敛速度方面均优于其他算法。

基于改进麻雀优化算法的阴极铜板图像结瘤分割

为提高电解精炼成的阴极铜板图像结瘤的分割精度、减少分割时耗,提出了一种基于改进麻雀优化算法(ISSA)的最大熵(ME)阈值分割算法。首先,采用改进logistic混沌映射初始麻雀种群以丰富种群多样性,提高算法中初始解的质量;然后引入发现者位置自适应动态更新策略可通过平衡算法的全局探索和局部挖掘能力,提升算法的寻优能力;最后根据局部最优判别机制执行随机游走策略实现局部最优值扰动,帮助算法跳出局部最优空间。通过6个基准函数测试,验证了ISSA的优越性;利用ME准则构建ISSA的目标函数搜索最佳阈值进行阴极铜板图像结瘤分割。实验结果表明,该方法的峰值信噪比、结构相似度、特征相似性较5种智能算法整体提升分别0.0363 dB、0.0020、0.0046以上,分割时耗较ME法缩短至少67.2%,对结瘤阴极铜板表面质量检测具有重要潜在应用价值。

沟通不妨以退为进

经验告诉我们，沟通不是谈判。不像谈判那样事先研究好了方案；设置了底限。这时的沟通带有很大的随意一性，即便是有意的沟通行为，也可以采取随机游走的策略。顺进逆退。能共识则渐入佳境：话不投机则可以顾左右而言他，不急在一时而陷入绝境。