基于广义反向学习的改进鲨鱼算法自抗扰参数整定

针对非线性自抗扰控制器参数难以整定、很大程度影响控制精度的问题,提出一种改进鲨鱼优化算法的在线整定方式。首先,针对传统鲨鱼算法易早熟收敛陷入局部最优,且算法全局搜索精度低的问题,通过广义反向学习对鲨鱼种群进行初始化,并在鲨鱼位置更新过程中加入非线性控制因子,平衡算法的全局探索能力和局部开发能力,最后在迭代过程中加入Levy变异机制,提高算法跳出局部最优的能力。其次,将改进后的鲨鱼优化算法对自抗扰控制器参数在线整定,并将优化后的自抗扰控制器用于工程实例中,进行仿真实验。实验结果表明,整定后的自抗扰控制器很大程度提高了控制精度和抗扰动能力。

基于改进原子算法的物流配送中心选址策略

针对电商物流配送中心选址难以优化,导致配送成本过高、配送效率低的问题,提出一种改进原子算法的电商物流配送中心选址模型。针对基本原子算法易早熟收敛而陷入局部最优、局部收敛精度不高的问题,通过提出一种非线性控制因子对算法进行改进,提高算法的收敛精度,同时引入正弦混沌搜索策略来帮助算法跳出局部最优。最后将改进后的原子算法对电商物流配送中心选址模型进行优化。实验结果表明:优化后的选址模型有效地节约了配送成本,提高了配送效率,增加了电商企业的效益。