基于改进飞蛾扑火优化算法的奶牛隐性乳腺炎特征选择

为了提高大型牧场奶牛隐性乳腺炎的诊断速度和准确率,进而降低奶牛养殖企业诊疗成本,本研究在基本算法中引入3种不同的改进策略,设计了一种新的飞蛾扑火优化(improved moth-flame optimization,IMFO)算法,在公认的加州大学欧文分校(university of California Irvine,UCI)数据集上测试和评估了IMFO算法在奶牛隐性乳腺炎特征选择中的性能,并将试验结果与其他4种算法的测试结果进行比较分析,将IMFO算法用于奶牛群体改良(dairy herd improvement,DHI)数据的特征选择,并使用K最邻近(K-nearest neighbor,KNN)分类算法进行分类。结果表明:IMFO算法通过引入最优火焰引导(optimal flame guidance,OFG)策略,在寻优过程中使火焰和全局最优个体共同引导飞蛾飞行方向,有效避免了特征选择算法陷入局部最优;通过引入初始化混沌反向学习(initialize chaotic reverse learning,ICR)策略和自适应扰动(adaptive disturbance,AD)策略,提高了初始化模型的空间多样性和质量,增加了种群的多样性,避免了特征选择算法的早熟收敛。将IMFO特征选择算法和其他比较算法在UCI数据集和奶牛隐性乳腺炎疾病数据集上进行试验验证,IMFO与其他算法相比具有更好的特征筛选能力,有效提高了对奶牛隐性乳腺炎的预测性能。说明IMFO算法可提高大型牧场奶牛隐性乳腺炎的诊断速度和准确率。

基于改进飞蛾扑火优化算法的船机桨匹配设计研究

基于改进飞蛾扑火优化(Improved Moth-Flame Optimization,IMFO)算法,以两艘现有船舶为计算实例,展开了综合考虑螺旋桨推进效率、空泡性能和桨叶强度的船机桨匹配工作。以遗传算法(Genetic Algorithm,GA)和原始飞蛾扑火优化(Moth-Flame Optimization,MFO)算法为对比算法,分析了IMFO辅助船机桨匹配工作时的性能。数值实验的结果表明,在解决船机桨匹配问题时,IMFO算法的收敛时间相比GA算法在两个算例中分别缩短了44.24%和54.14%,相比MFO算法分别缩短了23.9%和23.12%。此外,在求解精度方面,在计算示例1中,IMFO算法相比GA算法和MFO算法略有提升;而在计算示例2中,IMFO算法相比GA算法提高了3.66%,较MFO算法提高了0.98%。最后,通过对两个算例的可行解空间进行可视化表示,进一步讨论了IMFO算法的求解性能。上述结果对比证明了IMFO算法具备强大的全局搜索能力,在解决船机桨匹配问题时具有良好的竞争力和鲁棒性。

基于飞蛾扑火算法的电力系统无功优化控制

电力系统的合理无功优化有利于电力系统的稳定、优质、经济运行,飞蛾扑火算法以其收敛速度快速的优势可以适用于电力系统的无功优化控制。基于飞蛾扑火算法研究了电力系统无功优化方法,研究了飞蛾扑火的原理,建立了目标函数和约束条件。通过10机39节点系统验证了该方法的有效性。结果表明,MFO可以有效对系统进行无功优化,减少了系统的网损,且MFO收敛速度较快。

基于改进免疫飞蛾扑火算法的船舱设备布局优化

为有效解决实际的船舱设备布局优化问题,提出了一种改进免疫飞蛾扑火算法。通过引入免疫机制和权重系数非线性递减策略,以有效提升算法的全局优化性能。由仿真验证结果可知,所提算法有效提升了飞蛾扑火算法的全局优化性能,采用所提算法能够更好地求解实际的船舱设备布局优化问题。

飞蛾扑火优化的尺度比例感知空间长期跟踪器

针对无人机长期跟踪过程中尺度变换导致目标丢失和跟踪精度低的问题,提出了一种基于飞蛾扑火优化(moth-flame optimization,MFO)的尺度比例感知空间长期跟踪器。首先,设计了高斯初始化以代替飞蛾扑火优化算法的随机初始化策略,降低优化算法在跟踪过程中的计算复杂度,减少算力浪费;其次,结合快速梯度直方图特征,构建了改进的飞蛾扑火优化跟踪器;然后,为了解决无人机航拍长期跟踪中目标尺度变化的问题,设计了一种自适应尺度变换的判别尺度空间跟踪(discriminative scale space tracking,DSST)算法,进一步提出了一种尺度比例感知空间跟踪器,解决了尺度滤波器中因长宽比固定而导致的跟踪漂移;同时,分析了滤波器响应峰值在各背景下的变化情况,提出了一种能反映环境变化下跟踪置信度的指标,并通过置信度将MFO优化跟踪框架与尺度比例感知空间跟踪器相结合,解决了尺度变化与长期跟踪目标丢失的问题;最后,在无人机长期跟踪数据集上开展了性能验证。结果表明:提出的算法可有效防止漂移现象的发生,提升跟踪效率;与目前跟踪领域中12种同类文献算法进行对比可知,提出的算法精度较高,满足实时性,能够有效解决无人机长期跟踪下的尺度变化及目标丢失等问题。

改进的飞蛾扑火优化算法在网络入侵检测系统中的应用

针对当前网络入侵检测中的数据量较大、数据维度较高的特点,将飞蛾扑火优化(MFO)算法应用于网络入侵检测的特征选择中。鉴于MFO算法收敛过快、易陷入局部最优的问题,提出一种融合粒子群优化(PSO)的二进制飞蛾扑火优化(BPMFO)算法。该算法引入MFO螺旋飞行公式,具有较强的局部搜索能力;结合了粒子群优化(PSO)算法的速度更新方法,让种群个体随着全局最优解和历史最优解的方向移动,增强算法的全局收敛性,从而避免易陷入局部最优。仿真实验以KDD CUP 99数据集为实验基础,分别采用支持向量机(SVM)、K最近邻(KNN)算法和朴素贝叶斯(NBC)3种分类器,与二进制飞蛾扑火优化(BMFO)算法、二进制粒子群优化(BPSO)算法、二进制遗传算法(BGA)、二进制灰狼优化(BGWO)算法和二进制布谷鸟搜索(BCS)算法进行了实验对比。实验结果表明,BPMFO算法应用于网络入侵检测的特征选择时,在算法精度、运行效率、稳定性、收敛速度以及跳出局部最优的综合性能上具有明显优势。

基于改进飞蛾扑火优化算法的并网复合装置滑模变控制器参数优化

针对背靠背MMC-HVDC并网复合装置滑模变控制参数整定困难的问题,提出一种基于改进飞蛾扑火优化算法的控制器优化方法。引入佳点集初始化,在初始化种群时增加变量取值的多样性,加快算法收敛速度,减少计算量;结合Lévy飞行更新机制,避免算法陷入局部最优。通过8个标准测试函数测试所提改进飞蛾扑火算法的性能,并与多个常见群智能优化算法进行对比,验证所提算法的优越性。研究实现Python-PSCAD联合仿真方法,以综合ITAE指标为目标函数,对滑模变控制器进行参数优化。仿真结果表明,经改进飞蛾扑火算法优化的控制器参数可以使并网复合装置具有更好的动态性能。

基于飞蛾扑火优化算法的电力系统最优潮流计算

飞蛾扑火优化(moth-flame optimization,MFO)算法作为一种最新提出的启发式智能优化算法,具有优良的搜索性能和鲁棒性,可用于求解复杂实际工程问题。针对电力系统最优潮流问题,提出采用MFO算法的最优化求解方案。该方案采用发电成本以及发电成本结合有功网损、节点电压偏移的加权和作为优化问题的目标函数,考虑电力系统潮流计算中复杂的约束限制,并与现有的基于其他智能优化算法的最优潮流计算结果展开对比与分析。IEEE 30节点系统仿真算例结果表明,采用MFO算法求解最优潮流问题具有收敛速度更快、搜索精度更高、鲁棒性强等优点。

基于飞蛾扑火优化的MCKD算法在往复压缩机轴承故障诊断中的应用

往复压缩机作为一种高噪声设备,采集到的轴承振动信号存在大量噪声干扰,针对这种具有非线性、非平稳性的信号,提出了一种基于最大相关峭度解卷积的往复压缩机轴承故障诊断方法。使用飞蛾扑火优化算法对最大相关峭度解卷积的参数周期T和滤波器长度L进行自适应选择,用参数优化后的最大相关峭度解卷积算法对往复压缩机轴承振动信号进行解卷积处理,从而有效地提取轴承振动信号中的冲击成分。利用多尺度熵对解卷积后的信号进行量化分析,用熵值来构建表征轴承故障的特征向量,并将特征向量输入到极限学习机对故障特征进行分类识别。最后,用实测数据验证了该方法的有效性。

基于改进飞蛾扑火优化算法的PMSM矢量控制优化

针对永磁同步电机双闭环矢量控制系统中比例-积分(PI)控制器参数整定困难、不能保证参数最优的问题,提出一种采用飞蛾扑火优化(MFO)算法对系统的转速外环和电流内环进行参数的整定与优化。将待优化的参数作为飞蛾搜寻火焰最优个体的空间位置,搜索全局最优的参数组合,并利用误差性能指标积分时间和绝对误差(ITAE)加入超调惩罚项作为其适应度函数。为了减小算法的计算量,提高收敛速度和精度,对飞蛾位置和火焰数量更新机制进行了改进。仿真实验结果表明:改进后的MFO算法具有提高电机的控制精度,减小超调量,提高动态响应速度的优势,证明了优化策略的有效性。

基于自适应飞蛾扑火优化算法的三维路径规划

三维路径规划问题是在干扰环境下寻找出发点到目的地之间最优路径的组合优化问题。针对传统群智能算法在求解该问题时存在收敛精度低、易陷入局部最优等缺陷,提出了一种自适应飞蛾扑火优化算法对该问题进行优化求解。改进算法通过引入飞行方向动态调整策略和位置交叉策略,在动态调整飞蛾飞行方向的同时不断产生新个体,有效避免了算法陷入局部最优;通过自适应调整火焰的数量,在算法全局探索阶段增强了种群多样性,避免了早熟收敛。将自适应飞蛾扑火优化算法与其他群智能算法用于三维路径规划问题求解,实验结果表明,改进的自适应飞蛾扑火优化算法在所有算法中代价值最小,收敛速度最快,说明该算法在三维路径规划问题中具有更好的求解能力。

基于改进飞蛾扑火算法的区域水资源优化配置模型研究

为解决复杂的区域水资源优化配置问题,以区域缺水率最小和污染物排放量最小为目标函数建立了水资源优化配置模型,并以汾河下游谷地供水区为例,预测其在规划水平年20%、50%、75%和95%来水频率下的供需水量。针对飞蛾扑火算法(MFO)存在的搜索耗时较长、易陷入局部最优的问题,改进其烛火更新公式及对数螺旋函数。通过对群智能算法中常用的测试函数做仿真实验,对比分析了改进前后MFO算法的寻优结果,并采用改进的MFO算法对模型进行求解。实例结果表明,所构建的区域水资源优化配置模型合理有效,改进的飞蛾扑火算法收敛速度快,寻优性能优越,可用于水资源优化配置领域。

基于飞蛾扑火优化算法的光伏阵列MPPT研究

飞蛾扑火优化(MFO)算法是一种新型智能算法,具有局部避免和快速收敛能力,并且可以很好地协调全局搜索和局部搜索。针对光伏(PV)阵列在局部阴影条件(PSC)下其输出特性曲线呈现多峰的情况,此处提出了一种基于MF0算法的全局最大功率点跟踪(MPPT)控制方法。首先,对电导增量(INC)算法、粒子群(PSO)算法和MFO算法在均匀光照和PSC下分别进行了对比;然后,通过对追踪过程中的飞蛾及火焰位置进行分析,清晰地呈现出了MF0算法的优势;最后,通过仿真和实验证明了MF0算法的有效性。

全局扰动和互利因子作用的飞蛾扑火优化算法

为解决飞蛾扑火优化(moth-flame optimization, MFO)算法收敛速度慢、容易陷入局部最优等问题,提出一种飞蛾扑火优化(DBMFO)算法。使用Bernoulli混沌映射,提高初始种群的多样性;引入全局扰动因子,提高算法的全局搜索能力;使用互利因子对全局扰动后的位置再次进行更新,避免新的算法陷入局部最优,使得算法更快收敛。通过对10个基准函数进行仿真实验,确定迭代系数的取值,通过Wilcoxon秩和检验来验证算法性能,其结果表明,改进的DBMFO算法在求解的精确度以及收敛速度上均有明显提升。

基于飞蛾扑火优化算法的多运行方式电力系统稳定器参数协调优化方法

针对大电网低频振荡现象存在机理分析复杂、振荡模式多样、参与机组众多、传统电力系统稳定器(power system stabilizer,PSS)整定方法适应性较差的问题,提出了一种基于飞蛾扑火优化(moth-flame optimization,MFO)算法的多运行方式PSS参数协调优化方法。该方法首先基于主导振荡模式及动态响应因子提取主要参与机组;然后考虑PSS临界增益及相频特性补偿范围约束,以PSS参数鲁棒性及系统动态稳定性为目标函数;最后采用MATLAB与PSD-BPA联合仿真方法,建立基于MFO算法的多运行方式PSS参数协调优化算法,完成大电网的全局参数寻优。华中电网仿真算例结果表明,应用文中方法优化后的PSS参数可有效提高系统动态稳定性,且对多种运行方式均有较好的适应性,同时算法本身具有较强的收敛性。

基于改进飞蛾扑火算法的微带天线设计优化

为解决工程中的非线性优化问题,提出一种改进的飞蛾扑火算法。首先,采用均匀化设计思想,将佳点集理论应用于种群初始化,并将越界重置策略引入算法,针对超出解空间的个体做出干预;然后,将引力搜索算法改进并融合于飞蛾扑火算法迭代机制中,提出一种新的动态引力系数,增加算法的寻优性能;最后,为了避免算法陷入局部最优,对个体进行柯西变异,提升算法的全局搜索能力。将改进算法应用于窄缝开槽微带天线的优化设计,端口隔离度降低了14.5 dB,回波损耗降低约6 dB。

改进离散型飞蛾扑火优化算法求解柔性作业车间调度问题

针对以最小化最大完工时间为目标的柔性作业车间调度问题(FJSP),提出一种改进离散型飞蛾扑火优化算法(IDMFO)。首先,基于集成法的求解思想设计两段式编码转化机制,建立染色体连续空间与问题离散决策空间的映射关系;其次,采用有效的种群初始化方法,保证种群的多样性和质量,加快算法收敛速度;然后,为了进一步提高算法的全局搜索能力,设计新颖的随机更新算子和基于Levy飞行轨迹的随机游走策略;最后通过标准算例测试及与其他算法求解结果的对比,验证了IDMFO算法在求解FJSP问题方面的有效性和优越性。

应用精英反向学习的飞蛾扑火优化算法

飞蛾扑火优化算法(MFO)是一个新颖的启发式算法,其主要设计灵感来源于自然界中称为横向定位的导航机制。由于标准飞蛾扑火优化算法容易陷入局部最优、求解精度低,所以借鉴精英反向学习策略,提出一种应用精英反向学习的飞蛾扑火优化算法(EOMFO)。新算法不仅增加了群体的多样性,并且提高了算法的综合性能。通过对7组标准测试函数的实验仿真,结果表明应用精英反向学习的飞蛾扑火优化算法具有更高的收敛精度,从而验证了新算法是有效的和可行的。

基于交叉算子和非均匀变异算子的飞蛾扑火优化算法

针对飞蛾扑火优化算法收敛速度慢以及计算后期易收敛到局部最优解的问题,提出了一种基于遗传算法交叉算子和非均匀变异算子的改进方法。该方法在飞蛾围绕火焰飞行的计算过程中,采用交叉算子和变异算子对火焰位置进行扰动以生成新的火焰,当新火焰的适应度值优于原火焰时则替换原火焰,以提高算法的随机性,防止算法过快陷入局部最优解。测试结果表明,改进后的算法在8个常用最优化算法基准测试函数的求解问题中全局收敛能力和收敛速度均优于原算法。

结合重心反向变异的飞蛾扑火优化算法

针对经典飞蛾扑火优化算法(MFO)在寻优过程中容易存在早熟及寻优精度低等问题,本文提出一种改进型飞蛾扑火优化算法(IMFO)。首先,使用佳点集初始化种群,使得初始种群分布更具遍历性;其次,引用惯性权重更新飞蛾位置,平衡算法的开发和探索能力;最后,采用重心反向变异策略对位置进行变异,跳出局部最优。选取8种测试函数进行测试,仿真结果表明:IMFO算法具有更快的收敛效率、更强的全局寻优能力和鲁棒性。