机组优化组合问题的随机tabu搜索算法

针对机组组合问题的特点,作者对tabu搜索策略和模拟退火算法(SA)的组合算法随机tabu搜索策略的编码方式、移动规则和tabu表的构造等作了适应性的改进,并对实际机组组合算例进行了求解。仿真结果表明,tabu-SA组合算法有效地结合了SA算法的大规模寻优特性和tabu搜索的局部搜索能力强的特点,能快速搜索到高质量的系统优化解。而且随机tabu搜索算法具有框架性算法不易陷入局部最优的特点,易于与其他算法结合来构造新的高效组合算法。

基于随机游走麻雀搜索算法的多特征结构尺寸熔融沉积成型工艺参数优化

在熔融沉积成型过程中,打印参数对成型样件精度有着重要影响.为了提高整体尺寸精度,采用随机游走的麻雀算法获得最优实验方案.首先,以熔融沉积成型的分层厚度、喷头温度、打印速度和填充率为实验变量设计4因素4水平的正交试验;然后,以样件不同特征结构尺寸的相对误差为优化对象,使用田口-灰色关联法对实验数据进行处理;最后,通过随机游走的麻雀算法计算最优参数方案.结果表明,相比常用的田口-灰色关联法,采用优化后工艺参数成型样件的综合尺寸精度提高了20%,灰色关联度提高了27%.

随机Hough变换与Tabu搜索算法在基元提取中的比较

Ｈｏｕｇｈ变换（ＨＴ）是目前应用最广的几何基元提取方法，其基本思想在于通过证据积累来提取基元．最近不少人又提出了通过代价函数的全局优化来提取几何基元的思想．随机Ｈｏｕｇｈ变换（ＲＨＴ）和Ｔａｂｕ搜索（ＴＳ）分别是Ｈｏｕｇｈ变换和优化方法中的佼佼者．ＲＨＴ和ＴＳ分别基于不同的策略，两种方法的相互比较在许多文献中已有提及，但目前尚无较完整的理论分析和系统的比较．本文在提取单个基元所需对最小点集的采样次数的期望值这一准则的基础上，对两种方法进行了比较．分析表明，随机Ｈｏｕｇｈ变换通常要优于Ｔａｂｕ搜索．从我们做的大量仿真和实际图像的实验也可看出，在提取的基元正确率相同的情况下，ＲＨＴ约比ＴＳ快１—２倍．

求解恰当可满足性问题的随机局部搜索算法

可满足性问题(SAT)是一种NP完全问题,被广泛运用于人工智能和机器学习等研究。恰当可满足性问题(XSAT)是SAT中一类重要的子问题。目前的大部分关于XSAT的研究主要为理论层面,对高效的求解算法特别是具有高效验证性的随机局部搜索算法研究很少。针对以上问题,分析了基础编码和等价编码两种转化方式的公式的部分性质,提出一种直接求解XSAT的随机局部搜索算法WalkXSAT。首先使用随机局部搜索框架进行基础搜索与条件判定;其次加入变元所属文字的恰当不可满足计分值,优先处理不易恰当满足的变元;然后使用防重复选择翻转变元的启发式策略减小搜索空间;最后,采用多种来源以及多种格式的实例进行对比实验。在直接求解XSAT时,相较于ProbSAT,WalkXSAT的变元翻转次数与求解时间显著减少;在求解基础编码转化后的实例中,当实例变元规模大于100时,ProbSAT已失效,而WalkXSAT依然能够在短时间内求解。实验结果表明,所提WalkXSAT精确性高、稳定性强、收敛快。

基于麻雀搜索算法与随机森林融合模型的个人信用评估

针对如何准确评估复杂的用户信用问题,提出一种基于麻雀搜索算法的随机森林(SSA-RF)模型,利用SSA优化RF模型中决策树和最小节点数,并基于优化后的RF模型对数据样本进行分类,并评估所提模型和传统模型的性能.研究结果表明:SSA-RF模型具备较高的准确性.

麻雀搜索算法-粒子群算法与快速扩展随机树算法协同优化的智能车辆路径规划

针对智能汽车在面对多样化工作场景时其路径规划算法存在响应时间长、规划效率低的问题,提出了多元协同优化策略。首先,融合麻雀搜索算法(SSA)的警惕机制与粒子群算法(PSO)的种群寻优特性,对PSO算法中的惯性权重因子和学习因子进行优化;其次,提出“三角布线”搜索规则,对快速扩展随机树算法(RRT)进行双向优化(RRT-Connect);然后,基于MATLAB软件建立了复杂环境道路仿真模型,对上述优化方案进行了仿真验证。结果表明,相较于单一的优化方案,协同优化算法在路径长度与规划时间上均具有显著的优势。对两种协同优化方案的应用场景进行了实车试验,结果显示:在局部路径规划中,SSA-PSO算法响应时间更短,规划效率更高,而在全局路径规划中,“三角布线”RRT-Connect算法更具优势。

多策略融合的随机自适应引力搜索算法

针对标准引力搜索算法存在的收敛速度过快、探索能力较弱以及容易陷入局部最小区域等问题,提出了一种改进的随机自适应引力搜索算法(RSGSA)。首先,引入随机策略以改进引力常数,从而提高算法在迭代初期的全局探索能力,避免过早收敛。其次,利用混沌序列提升总作用力的随机性和遍历性,增强算法的突变能力。最后,在粒子速度更新中引入自适应权重,并在粒子位置更新中引入随机变量,以平衡算法的全局探索能力和局部挖掘能力。通过对多个基准函数进行仿真测试,并与其他智能优化算法进行对比,实验结果表明,随机自适应引力搜索算法在解决复杂基准函数时的寻优精度较引力搜索算法提高了约10个数量级。

改进麻雀搜索算法在PMSM匝间短路中应用研究

针对麻雀搜索算法(SSA)存在收敛精度低和易陷入局部最优等问题,提出了一种改进麻雀搜索算法(ISSA),并应用于PMSM匝间短路故障诊断。首先,搭建了PMSM匝间短路仿真模型,模拟了不同短路匝数比的故障。其次,对故障进行分析,提取了3个故障识别特征量。接着,利用实验平台进行不同短路匝数比的故障测试。然后,介绍了麻雀搜索算法(SSA),并利用Tent混沌映射、自适应正余弦策略和Levy飞行策略对其进行优化,生成改进麻雀搜索算法(ISSA),同时将ISSA算法与SSA算法、粒子群算法(PSO)、灰狼算法(GWO)在测试函数上进行比较,验证其在寻优能力和稳定性等方面具有优越性。紧接着,介绍了随机森林(RF)算法,并搭建了ISSA-RF的故障诊断模型。最后,将4种算法分别对RF的基本参数进行优化并实现故障分类。结果表明,所提出的改进方法能够检测出匝间短路故障及其故障严重程度,ISSA-RF模型的准确率达到98.5%,验证了该算法的有效性和可靠性。

基于改进Tabu搜索算法的电力系统无功优化

本文将一种改进的 Tabu搜索算法 (MTSA)用于电力系统无功优化 ,建立了相应的数学模型 ,考虑了有功损耗费用和补偿费用 ,使得总费用最小。在一般 Tabu搜索算法的基础上 ,对搜索步长、禁忌表、不同循环起始点的选择以及算法终止判据等问题做了分析、讨论 ,并做了一些改进 ,使得更容易挑出局部最优解 ,保证可以搜索整个可行域 ,从而得到全局最优解的可能性更大。应用 MTSA对 IEEE6节点系统行了无功优化计算 ,与线性规划算法、Box算法进行了比较 ,结果表明 MTSA与 Box算法一类的随机搜索算法的优化结果相近 。

随机需求车辆路径问题及混合变邻域分散搜索算法求解

随机需求车辆路径问题(capacitated vehicle routing problem with stochastic demand,CVRPSD)是对带容量约束车辆路径问题(capacitated vehicle routing problem,CVRP)的扩展,需求不确定的特点使其较CVRP更复杂,对求解方法要求更高.基于先预优化后重调度思想,提出两阶段的混合变邻域分散搜索算法(variable neighborhood scatter search,VNSS)对该问题进行求解:预优化阶段构建随机机会约束规划模型,对客户点随机需求作机会约束确定型等价处理,生成最优预优化方案;重调度阶段采用新的点重优化策略进行线路调整,降低因失败点而产生的额外成本,减少对人工和车辆的占用.算例验证表明,随机机会约束模型和两阶段变邻域分散搜索算法在求解CVRPSD时较为有效,点重优化策略调整效果较佳.

随机搜索算法在换热网络优化中的应用进展

随着对能源利用率要求的不断提高,换热网络的优化已引起了人们的高度重视。本文综述了国内外应用随机搜索算法处理换热网络优化问题的最新研究进展,分析了当前应用较多的4种随机搜索算法:遗传算法、模拟退火算法、粒子群算法、禁忌搜索算法。阐述了这些算法各自的优势和尚待改进的问题,指出将不同算法结合起来解决大规模的换热网络优化问题是今后的研究方向。

基于Tabu搜索算法的配电网电容器优化配置

应用Tabu搜索算法来解决配电网电容器优化配置问题,建立了相应的数学模型,目标函数为系统有功损耗费用和补偿电容器费用之和最小。文中在传统Tabu搜索法的基础上,利用灵敏度分析和嵌套Tabu搜索等方法对配电网电容器的安装位置和容量进行了优化配置。利用灵敏度分析可以产生较优的初始解,并在Tabu搜索中定义更好的邻域试验解, 这样可以更快速地搜索到邻域内的最优解;嵌套Tabu搜索法对电容器安装位置和容量分别进行优化配置,保证可以搜索到整个可行域,从而能更有效地搜索全局最优解。用测试算例验证了文中算法的有效性和可行性。

基于Tabu搜索算法的产品族配置问题研究

产品族的可配置零部件之间存在约束关系,用户需要从产品族的有效配置结果中找到最满意的配置。对于配置项较多的问题,由于搜索空间很大而不能用传统方法求解。给出了按订单装配模式下产品族配置问题的数学模型,并设计了Tabu搜索算法对模型进行求解。使用了动态惩罚、频数表、多阶段搜索和优化配置池等方法改进了算法的效率。应用模型和算法对复合热载体产品进行了仿真计算,取得了比较好的效果。

几种随机搜索算法的比较研究

常用的随机搜索算法主要包括模拟退火算法、遗传算法、进化策略。由于这些算法求解时不依赖于梯度信息，其应用范围较广，尤其适用于传统搜索方法解决不了的大规模复杂问题。本文首先介绍了三种算法的思想，然后对它们进行了比较，探讨了其并行实现方案，并指出了需进一步研究的方向。

基于改进Tabu搜索算法的含分布式电源配电网最优潮流

针对含分布式电源的配电网络,建立了发电费用最小、污染物处理费用最小和系统有功网损最小等三种目标函数的最优潮流模型。采用前推回代法进行含分布式电源的配电网络潮流计算,利用改进的Tabu搜索算法求解最优潮流。在搜索过程中,引入了自适应步长来提高解的精度。通过对IEEE33节点算例系统进行求解,验证了所建立的模型和算法的正确性。研究表明对接入分布式电源的配电网潮流进行最优控制能够实现降低成本、网损和环境污染的目的。

基于支持向量机的随机聚焦搜索算法优化冲压成形工艺

针对板料冲压成形工艺优化问题,研究了一种新的优化设计方法。采用支持向量机(support vector ma-chine,SVM)构建工艺参数与成形质量之间的多元非线性回归函数模型,在此基础上将一种新的群集智能算法,即随机聚焦搜索(stochastic focusing search,SFS)算法应用于冲压成形工艺参数寻优,以达到优化成形质量的目的。结合盒形件拉深实验证明,SVM在小样本条件下学习后所构建的非线性拟合精度比神经网络具有优势,表明了SVM具有更好的泛化性能。在SVM模型基础上应用SFS算法对板料冲压成形的工艺参数进行优化,将优化后的工艺参数进行实验验证,结果表明可获得较好的成形质量,说明了该优化方法具有较好的精确度和有效性,有一定的工程实用价值。

混合随机反向学习和高斯变异的混沌松鼠搜索算法

针对松鼠搜索算法(SSA)易陷入局部最优、过早收敛等问题,提出一种混合随机反向学习和高斯变异的混沌松鼠搜索算法(RGCSSA)。该算法通过Tent混沌映射初始化策略生成混沌初始种群,增强初始种群分布的均匀性,实现对解空间更高效的搜索;采用非线性递减的捕食者概率策略,平衡SSA的全局搜索和局部开发能力;利用位置贪婪选择策略在迭代过程中不断保留种群中的优势个体,以提升算法收敛速度;引入随机反向学习和高斯变异策略,在增加种群多样性的同时提高算法跳出局部最优的能力。使用10个不同的基准测试函数进行仿真实验,并利用Wilcoxon符号秩检验验证所提算法的寻优性能,结果表明,RGCSSA算法在求解精度、收敛速度和稳定性等方面均有极大提升。

提取图像边缘过程中抑制噪声的随机启发搜索算法

常用的边缘提取方法对噪声的抑制能力不强 ,导致了大量不连续边缘的产生。文中提出了一个随机启发式搜索算法 ,它能够有效地抑制噪声 ,从而连接到连续的边缘。同时 ,介绍了随机启发式搜索算法 ;讨论了起始点的选择准则和扩展点的选择方法 ;最后介绍了终止点选择的方法。一个起始点、一个终止点和许多扩展点就形成了一个候选边缘。通过候选边缘的随机积累进行自增强 ,达到抑制噪声、提取清晰边缘的目的。文中使用加入高斯噪声的“Lena”图像作为实验图像 ,实验结果初步证明了该算法能够提取到连续。

基于随机聚焦搜索算法的冲压成形工艺优化

针对板料冲压成形工艺优化问题,研究了一种群集智能算法。该方法通过正交实验与数字化仿真技术相结合获取神经网络的学习样本,利用反向传播神经网络构建随机聚焦搜索算法的目标函数模型。在此模型基础上,应用随机聚焦搜索算法对板料冲压成形的工艺参数进行优化。以深盒形件为例,将优化后的工艺参数输入eta/DYNAFORM仿真模型进行验证,结果表明该算法可获得较好的成形质量。为了进一步验证随机聚焦搜索算法在执行效率及寻优的全局搜索方面的优越性,与遗传算法的优化结果进行对比分析,说明随机聚焦搜索在板料冲压成形工艺参数优化方面是一种较好的优化算法。

改进的随机聚点搜索算法及其在分子对接问题中的应用

提出改进的随机聚点搜索算法 ,设计了新的接受几率并采取了算法加速措施 ,对分子对接问题进行了计算检验 .结果表明 ,改进后的算法计算速度和搜索效率都明显优于 Stanton等人提出的方法 .