多策略融合改进的飞蛾火焰优化算法

针对飞蛾火焰优化算法容易出现局部最优解、接近全局最优时开发能力不足等问题,提出一种多策略融合改进的飞蛾火焰优化(RGMFO)算法。在每次迭代开始时,使用随机反向学习策略获得高质量飞蛾种群;利用高斯变异将较差的火焰个体替换为优秀个体;使用阿基米德螺线、权重因子和围绕最优火焰飞行3种方式改进飞蛾更新机制。为验证所提算法的有效性,与11个不同类型的基准函数进行寻优测试,基准函数实验结果与秩和检验表明:相较于其他优化算法及其他MFO改进算法,所提算法具有更好的全局搜索能力与更高的寻优精度。将所提算法应用于减速器设计和槽形舱壁设计的实际工程场景中,以进一步验证算法的实用性与可行性。

进化策略中基于柯西分布的变异算子改进探讨

本文针对进化策略在解决比较复杂问题时出现收敛速度缓慢这一问题的原因进行分析,提出将原来变异算子中的用高斯随机变量产生的随机扰动量改用柯西随机变量产生的随机扰动量来代替的一种新的变异方法.通过对几个标准函数进行模拟进化,说明该方法是合理、有效的.

基于高斯变异的生物地理学优化模型

生物地理学优化是一种新型群体智能算法,具有较好的应用前景。针对算法中两大基本算子之一的变异算子进行研究,为了进一步提高优化模型的精度,给出关于高斯变异的生物地理学优化模型。同时介绍了算法的基本原理,重点分析了算法中的变异策略,采用多个测试函数进行仿真。仿真结果表明,在相同的迁移模型下,不同的变异策略对算法优化性能有较大影响,高斯变异策略的优化性能优于随机变异策略。实验还表明栖息地数量对于算法的优化能力也有较大的影响。

进化规划和进化策略中变异算子的改进研究

针对进化规化和进化策略在解决比较复杂问题时出现收敛速度比较缓慢这一问题的原因进行分析，提出将原来变异算子中的用高斯随机变量产生的随机扰动量用柯西随机变量产生的随机扰动量来代替的一种新的变异方法。通过对几个标准函数进行模拟进化，说明该方法是合理、有效的。

多子群的共生非均匀高斯变异樽海鞘群算法

针对樽海鞘群算法求解精度不高和收敛速度慢等缺点,提出一种多子群的共生非均匀高斯变异樽海鞘群算法.根据不同适应度值将樽海鞘链群分为三个子种群,各个子种群分别进行领导者位置更新、追随者共生策略和链尾者非均匀高斯变异等操作.使用统计分析、收敛速度分析、Wilcoxon检验、经典基准函数和CEC 2014函数的标准差来评估改进樽海鞘群算法的效率.结果表明,改进算法具有更好的寻优精度和收敛速度.尤其在求解高维和多峰测试函数上,改进算法拥有更好性能.

一种用于DGPS整周模糊度解算的混合策略麻雀搜索算法

针对麻雀搜索算法(SSA)在计算差分全球定位系统(DGPS)整周模糊度过程中出现的全局搜索能力弱、易陷入局部最优等问题,提出了混合策略麻雀搜索算法(HSSSA)。首先,通过引入Circle混沌映射初始化种群,提高初始种群的多样性,增强算法的全局寻优能力;其次,将粒子群算法中各个粒子的速度策略引入发现者位置更新公式中,提升算法寻优能力;最后,使用高斯变异策略对最优麻雀位置进行扰动,增强了跳出局部最优的能力。将所提算法应用于9个不同特征的基准函数进行实验,结果表明,HSSSA算法有着良好的寻优精度和收敛速度。在GPS/BDS实测数据的3000个历元的解算中,相比传统LAMBDA算法和SSA算法,HSSSA算法有着更高的解算成功率,可达99.2%。

基于逐维高斯变异的混沌麻雀优化算法

针对麻雀算法初始化种群盲目性、全局搜索能力尚差容易陷入局部最优等问题,提出了一种逐维高斯变异的混沌麻雀优化算法.该算法首先利用singer混沌映射策略对种群进行初始化,克服种群初始化的盲目性。然后引入翻筋斗觅食策略来提高种群的全局搜索能力,最后引入惯性权重因子,针对最优原子采用逐维度高斯变异,提高其跳出局部最优解的能力,提高算法的全局搜索能力。将优化的麻雀算法与其他算法进行实验对比,实验结果表明改进算法相比原始算法具有明显的优势。

基于CEEMDAN-IGWO-DELM的现货市场电价混合预测算法

准确预测现货市场电价对于保护电力市场参与者的利益具有重要意义。目前,大量的可再生能源参与现货市场交易,使得预测现货市场电价变得极具挑战性。为此,本文提出了一种基于分解-优化-集成的混合电价预测模型。首先,使用完全集合经验模态分解方法将原始电价时间序列进行分解;然后,采用Cat混沌映射策略、停滞检测策略和高斯Levy扰动策略克服灰狼优化算法陷入局部最优问题,提高了种群多样性;其次,利用改进的灰狼优化算法对深度极限状态机隐层参数进行优化并构造现货电价预测模型,最后,通过仿真实验对所提方法进行分析和验证。结果表明所提出的方法有效地改善了预测模型的精度。

基于改进SSA-DBN的质子交换膜燃料电池水故障智能分类方法

为了实现质子交换膜燃料电池(PEMFC)系统水故障的高效快速分类,提出了基于改进麻雀搜索算法(SSA)优化深度置信网络(DBN)的PEMFC故障分类方法。采用归一化处理消除故障数据参数之间量纲不同的影响,使用核主成分分析对数据进行故障特征提取,有效地缩减了原始数据维度,降低了运算复杂度,并避免低贡献度数据对故障分类造成干扰。引入柯西-高斯变异策略改进SSA,并利用SSA对DBN进行参数寻优,确定网络结构,通过优化后的DBN实现对PEMFC水故障的快速分类。对3 000组PEMFC水故障数据进行测试,结果表明:所提方法可以快速准确地识别PEMFC的正常状态、膜干故障、水淹故障3种健康状态;总体的分类准确率为98.67%,运算时间为0.89 s,相比支持向量机、概率神经网络方法,所提方法的故障分类精度分别提升了4%、3.34%,运算时间分别减少了15.35、0.35 s。

一种基于改进差分进化的K-Means聚类算法研究

为改进传统K-Means聚类算法中因随机选取初始聚类中心而导致聚类结果不稳定且效率低的缺点,提出一种基于改进差分进化的K-Means聚类算法(AGDE-KM)。首先,设计自适应操作算子来提升算法前期的全局搜索能力和后期的收敛速度;其次,设计多变异策略并引入权重系数,在算法的不同进化阶段发挥不同变异策略的优势,平衡算法的全局和局部搜索能力,加快算法的收敛速度;最后,提出一种基于当前种群最佳个体的高斯扰动交叉操作,为个体提供更优进化方向的同时保持种群在“维”上的多样性,避免算法陷入局部最优。将算法停止执行时输出的最优解作为初始聚类中心替代传统K-Means随机选取的聚类中心。将提出算法在UCI公共数据库中的Vowel、Iris、Glass数据集和合成数据集Jcdx上进行对比实验,误差平方和(SSE)相对于传统K-Means分别减小5.65%、19.59%、13.31%、6.1%,聚类时间分别减少83.03%、81.33%、77.47%、92.63%。实验结果表明,提出的改进算法具有更快的收敛速度和更好的寻优能力,显著提升了聚类的效果、效率和稳定性。

用双种群进化策略算法求解复函数方程的根

分析了导致进化策略早熟收敛的原因,提出了一种新的双种群进化策略算法,进化分别在两个不同的种群间并行进行,两个种群采用不同的变异算子。将该算法用于求复函数方程的解,该方法具有计算精度高、自适应性强等特点,最后的实例表明该算法优于传统的迭代法、下山法等方法。其目的为求复函数方程的根给出一新算法,该算法在科学与工程计算中有着重要地应用。

基于改进鲸鱼优化算法的分数阶PID参数整定

该文提出了一种自适应混合策略鲸鱼优化算法(adaptive mixed strategy whale optimization algorithm,AMSWOA)用于分数阶PID控制器的参数整定。该算法基于鲸鱼优化算法进行改进,引入Tent混沌序列用以提高WOA的种群多样性、全局搜索能力和收敛速度;同时,采用了收敛因子非线性变化策略,并引入自适应权重以克服算法陷入局部最优解的问题;高斯变异的加入则有助于提高算法的搜索精度和寻优性能。通过在MATLAB/Simulink环境下验证整数阶和分数阶系统的被控对象,并与鲸鱼算法、灰狼优化算法及粒子群优化算法进行比较,证实了该文的AMSWOA算法对求解分数阶PID控制器参数整定问题的有效性和实用性。

多策略协同改进的阿基米德优化算法及其应用

针对阿基米德优化算法(AOA)寻优过程中存在全局搜索能力弱、收敛精度低、易陷入局部最优等缺陷,提出一种融合多策略的阿基米德优化算法(MAOA)。首先,采用随机高斯变异策略选取适应度优的多个个体引导种群向最优解区域寻优,增强全局搜索能力;其次,利用多种混沌映射的随机性、遍历性和多样性,引入局部混沌搜索策略扩大混沌空间的搜索范围,提高算法的局部开发能力;同时,为了协调算法的全局勘探和局部开采能力,提出一种非线性动态密度降低因子;最后,利用Lévy飞行引导机制的黄金正弦策略对种群位置进行扰动更新,增加迭代过程中种群的多样性,提高算法跳出局部最优的能力。通过对12个基准测试函数和部分CEC2014测试函数进行仿真实验,结果表明所提算法能够改善AOA全局探索能力弱、易陷入局部最优等缺点,提高AOA的寻优精度和稳定性。另外,引入机械设计案例进行测试分析,进一步验证MAOA在处理实际问题上的适用性和可行性。

基于改进樽海鞘群算法的提梁机主梁轻量化设计方法

针对樽海鞘群算法在优化过程中存在收敛速度慢、求解精度低、易于陷入局部最优解等缺点,提出了基于柯西和高斯混合变异的一种自适应变异策略的樽海鞘群算法,该算法通过选出适应度值最好的前S个个体进行自适应变异,可避免算法陷入局部最优解.通过柯西和高斯变异动态调整参数的变化提高算法的局部搜索能力和收敛速度.选取10个测试函数分别对樽海鞘群算法及改进樽海鞘群算法进行测试比较.数值分析表明,改进的樽海鞘群算法收敛速度快,寻优能力强且精度高.将改进后的算法用于提梁机主梁结构的优化设计中,该结构在满足强度、刚度、稳定性等设计要求条件下,主梁的截面积减少了13.58%,轻量化效果显著,表明该算法具有良好的工程应用价值.

融合学习机制的多混沌麻雀搜索算法

针对麻雀搜索算法(SSA)易受初始解的影响陷入局部极值、迭代后期收敛速度慢等缺陷,提出了一种融合学习机制的多混沌麻雀搜索算法(MMCSSA)。首先,引入重心反向学习策略(COBL)生成精英种群增强对多源优质搜索区域的勘探能力,提升算法的局部极值逃逸能力和收敛性能。其次,提出一种动态调整的黄金正弦领导策略并嵌入SSA中以改善发现者的搜索方式,增强算法的全局搜索能力。然后,提出一种基于学习机制的多混沌映射策略,该机制利用多混沌多扰动模式的特性,通过动态调用不同混沌映射赋予算法不同类别的扰动特征。混沌扰动失败时,引入高斯变异策略对当前解进行深度开发,两种策略协同作用,相互促进,极大增强了算法逃逸局部最优的能力。最后,将所提算法应用于12个不同特征的基准函数进行实验,结果表明与其他算法相比,MMCSSA在收敛精度、寻优速度和鲁棒性方面有更好的表现。

改进离散麻雀搜索算法求解柔性作业车间调度问题

针对最小化最大完工时间的柔性作业车间调度问题(Flexible Job-shop Scheduling Problem,FJSP),提出了一种改进离散麻雀搜索算法(Improved Discrete Sparrow Search Algorithm,IDSSA)。首先,采用了两段式编码方式,针对两段编码分别设计了有效的编码转化方式,实现了麻雀搜索算法(Sparrow Search Algorithm,SSA)连续搜索空间与FJSP离散决策空间之间的映射。其次,设计了一种随机与组合启发规则相结合的初始化方法,在保证了麻雀初始种群分散广度的同时提高了麻雀个体的质量,加快麻雀搜索算法的收敛速度。再次,融合一种基于关键路径的变邻域搜索策略,对发现者进行深度发掘,提高种群引领者的质量。此外,为了维持SSA种群多样性,设计了自适应柯西高斯变异策略,提升算法全局搜索能力和跳出局部极值的能力。最后,使用Kacem和Brandimarte系列12个基准算例与多种算法进行仿真实验,实验结果证明了IDSSA的有效性和求解FJSP的优越性。

樽海鞘群行为启发的多机器人自主羽流寻源方法

针对室内复杂的气流模式和湍流污染物扩散,提出一种基于改进樽海鞘群算法的多机器人室内自主羽流寻源方法。该方法受到樽海鞘行为模式的启发,根据机器人不同的羽流检测浓度设置弱感知机器人在食物源位置局部高斯变异,提高搜索行为的多样性,以降低领导者机器人的搜索盲区;同时为追随者机器人位置更新引入随机扰动策略,增强寻源机器人在室内动态羽流环境中的适应性,以提高机器人极值区域的逃逸能力。通过数值模拟和真实室内有障碍物场景测试所提方法的性能,模拟结果表明,相较于其他方法,当机器人数量由3个增加到10个时,所提方法的羽流寻源成功率提高6%~80%,效率提高0.16~1.5;真实场景中的实验结果显示,3台机器人的羽流寻源成功率为73.3%。该方法在室内复杂和动态气流环境中具有可行性和适用性。

改进人工蜂群算法求解置换流水车间调度问题

针对置换流水车间调度问题(PFSP),以最小化最大完工时间为优化目标建立数学模型,设计了一种改进人工蜂群算法。该算法采用反向学习方法和混沌映射来生成初始种群,为使算法能够求解离散的调度问题,采用LRV规则将位置数值映射成工件排列顺序;在雇佣蜂阶段,融入差分进化算法的思想,加入高斯变异算子,使收敛速度加快;在跟随蜂阶段,加入自适应策略,将算法的勘探和开发能力进行平衡;在侦察蜂阶段,加入柯西变异算子,避免陷入局部极值。最后通过比较几种不同的算法,对Car算例以及部分Rec标准算例集进行仿真测试,验证该算法的有效性和优越性。

基于竞争粒子群算法的大气激光通信数据跨层调度研究

不同层之间的大气激光通信数据资源分配不均衡,影响到数据跨层调度效率,提出基于竞争粒子群算法的大气激光通信数据跨层调度方法。采用自适应调制编码技术分析大气激光通信信道状态,对通信数据包实施纠错以及调制编码组合,以此搭建大气激光通信系统模型。以通信系统模型为基础建立跨层资源分配目标函数,将混沌初始化策略和自适应高斯变异算法加入到竞争粒子群算法中,利用竞争粒子群算法获取目标最优解,实现数据跨层调度。实验结果表明,所提方法的误报率最大值仅为2.5%,调度准确度始终在92%以上,调度时间最大值是11.35 ms。

一种增强型改进麻雀搜索算法的三维航迹规划

针对无人机在三维复杂环境中多约束的最优化问题,提出了一种增强型改进麻雀搜索(enhanced modified sparrow search algorithm,EMSSA)用于航迹规划问题的求解。首先,利用Logistic-tent混沌序列初始化麻雀搜索算法,增强种群初始位置的随机性,提高算法全局搜索能力。其次在发现者-警戒者位置更新中加入了动态自适应调整策略,扩大算法搜索范围,提高算法的收敛速度。然后通过高斯-柯西变异策略,对麻雀个体进行位置更新,增强算法前期的全局搜索能力和后期局部发掘能力。最后选取11种测试函数和Wilcoxon秩和检验验证改进算法的有效性。仿真结果表明,增强型改进麻雀搜索算法在寻优精度、算法稳定性和收敛速度方面要优于其他对比搜索算法,并且可以在复杂的多约束环境中找到一条无碰撞的全局最优路径。在三维航迹规划中EMSSA算法相较于ISSA寻优精度提升了4.11%,相较于SSA提升了9.51%。