基于改进黏菌算法的综合能源系统优化调度

为了提高综合能源系统运行的经济性和环保性,提出了一种计及综合需求响应的综合能源系统优化调度模型,分别以系统运行成本最低和碳排放成本最低为目标,利用改进的黏菌算法进行优化求解。以某工业园区为研究对象,进行算例验证。结果表明,该系统考虑综合需求响应对负荷侧用能起到良好的“削峰填谷”的效果,改进黏菌算法可明显降低系统的运行成本和碳排放成本,验证了模型和改进算法的有效性和可行性。

基于改进黏菌优化算法的光伏多峰MPPT控制策略

当光伏阵列在局部阴影遮挡条件下时,传统最大功率点追踪控制策略易陷入局部最优解,降低光伏系统发电效率.为解决该问题,本文提出了一种基于改进黏菌优化算法的最大功率点追踪策略.该策略在黏菌优化算法的基础上,基于光伏阵列特性提出了新的边界条件,减小超出边界黏菌的迭代次数,增大算法的收敛速度;同时,引入了Lévy飞行策略优化其收敛准则,提升算法的随机搜索能力,进一步提高了算法的追踪速度.仿真和实验结果表明,该策略拥有较高的追踪速度和追踪精度,在各个光照条件下均能快速追踪到最大功率点,有效提高光伏系统的发电效率.

基于改进黏菌算法的光伏多峰值MPPT控制

针对传统最大功率点跟踪技术在局部遮阴等天气条件下存在无法追踪到全局最大功率点的问题,提出一种基于改进黏菌算法的MPPT控制。首先,对太阳电池模型及多峰值特性进行分析;其次,在黏菌算法中引入领导者策略和基于最优个体的凸透镜反向学习策略,在提高算法计算精度、收敛速度的同时克服了算法易“早熟”现象;最后,根据光伏阵列最大功率输出特性分别确定算法优化模型、初始化位置及重启机制。仿真与实验结果表明:基于改进黏菌算法的MPPT控制能快速、准确地跟踪到全局最大功率点,有效规避陷入局部最优问题,提高了光伏系统的转换效率。

基于改进黏菌优化算法的混合Seru生产调度研究

随着定制化生产的市场需求日趋显著,Seru生产系统(seru production system,SPS)应运而生,并逐渐成为生产研究领域的热点。文章针对混合Seru生产系统的构建以及调度问题进行研究,即在短生产线生产场景下,基于巡回式Seru单元,建立混合Seru生产系统的数学模型,并以最大完工时间以及总工时建立双优化目标,决策混合Seru的构建顺序。先基于黏菌优化算法,针对其初始化效率低的局限性,引入Tent混沌映射以及精英反向学习策略,得到混沌精英黏菌(chaoticeliteslimemouldalgorithm,CESMA)算法。最后,通过实验,验证了混合Seru生产系统中,混沌精英黏菌算法对于混合Seru生产系统构建实例的优越性。

基于混合混沌扰动与柯西变异的黏菌优化算法及其应用

针对黏菌优化算法存在自适应能力有限,抗停滞能力弱等不足,提出一种混合混沌扰动与柯西变异的黏菌优化算法。首先,初始化阶段采用折射反向学习策略精英化种群;然后,结合数量自适应调整策略协调算法的全局勘探与局部开发;其次,为降低算法陷入局部极值的缺陷,利用柯西算子对精英个体进行变异,混沌策略对其他个体进行扰动;其次,通过8个基准测试函数和Wilcoxon符号秩检验,结果均表明改进算法具有更好的寻优精度、稳定性;最后改进的黏菌优化算法对核极限学习机进行参数优化,应用于变压器故障故障诊断,实验结果进一步验证了改进策略的有效性。

融合多策略改进的黏菌优化算法

针对黏菌优化算法(Slime Mould Algorithm,SMA)的寻优过程存在收敛效率较低、容易陷入局部最优解等问题,文中提出融合多策略改进的黏菌优化算法(Improved SMA Fused with Multi-strategy,MISMA).引入Halton序列,丰富初始种群的多样性,提升算法寻优的遍历性和收敛精度.融入差分变异思想,改进算法的全局位置更新公式,强化全局探索能力,增强算法的持续寻优性能.糅合改进收敛因子和精英选择机制的局部搜索策略,提升算法的局部开采能力,更好地平衡算法的全局探索与局部开发进程.基于动态边界的透镜成像学习策略改善个体的质量,加强算法反早熟及摆脱局部最优解的能力.在13个基准函数及部分CEC2014测试函数上的数值仿真实验表明,MISMA具有较强的鲁棒性.此外,在光伏电池组件模型参数优化实验上进一步验证MISMA在处理实际工程优化问题时的优越性及适用性.

融合多策略的改进黏菌算法及工程应用

黏菌优化算法(Slime Mould Algorithm, SMA)是根据黏菌个体振荡捕食行为提出的一种新型元启发式算法,因其原理简单被应用于多种复杂的优化问题中,基本的SMA在处理一些较为复杂的问题时仍然存在收敛速度较慢、精度不足、鲁棒性差等劣势。为克服这些缺点,提升原算法性能,提出一种融合Sine混沌映射、t分布以及黄金正弦策略的改进黏菌算法(GTSMA)。首先,引入Sine混沌序列初始化种群,提高算法在初始迭代过程中黏菌种群个体的多样性;其次,在黏菌个体更新位置过程中将自由度参数t与基本SMA融合,增加算法跳出局部最优的概率;最后,通过与黄金正弦算法相结合,挑选更优秀的黏菌个体,输出最优解。利用基准测试函数、CEC2021测试集将GTSMA与其他算法进行对比,实验结果表明GTSMA在测试过程中鲁棒性、寻优精度和收敛性能都优于其他算法。将GTSMA应用于工程优化问题,进一步验证了GTSMA在处理实际优化问题上的优越性。

基于改进黏菌算法的风光电并网双层储能容量优化

为了提高并入大量风光电配电网的供电可靠性和经济性,提出一种配电网双层混合储能容量优化策略。采用自适应小波包分解方法得到风光电目标并网功率以及储能系统容量初次分配;通过考虑配电网网损和储能系统综合成本,分别建立了综合成本模型和配电网储能优化配置模型;给出一种自适应对抗黏菌-粒子群双层优化混合算法(adaptive opposition slime mould algorithm-particle swarm optimization hybrid algorithm,AOSMA-PSO),上层优化储能系统成本函数,下层优化配电网网损函数,通过上下层反复迭代得到最优混合储能容量配置方案,并对该方案进行最终储能修正,以达到风电平抑的标准。通过MATLAB并以IEEE33节点算例进行仿真验证,结果表明:所提方法和模型不仅能够有效降低混合储能综合成本,还降低了配电网网络损耗,提高了配电网的供电可靠性;通过对不同算法进行对比,验证了所提算法在收敛速度和寻优方面的优势。

基于改进黏菌优化算法的光伏MPPT方法

光伏阵列在局部遮荫的情况下会导致光伏系统输出的功率-电压曲线出现多个极值点,具有全局寻优能力的传统群体智能优化算法进行最大功率追踪(maximum power point tracking,MPPT),普遍存在收敛速度慢、易陷入局部最优等问题。该文提出了一种基于改进黏菌优化算法的控制方法。先采用正态分布初始化种群,增加种群的多样性。然后应用莱维飞行策略和螺旋搜索策略,提高算法的全局搜索能力,避免陷入局部最优。经仿真验证,与粒子群算法和普通黏菌算法相比,改进黏菌算法在跟踪速度、稳定性等方面均有更显著的效果。

多策略融合的改进黏菌算法及其应用

针对黏菌算法存在自适应能力有限,抗停滞能力弱等不足,提出多策略融合的改进黏菌算法。采用Bernoulli混沌初始化,丰富种群多样性,提升算法优化精度和收敛速度;提出动态非线性递减策略,动态调节黏菌个体探索幅度,协调并优化算法全局搜索与局部开发能力;结合麻雀算法的预警机制与折射反向学习策略,优化黏菌个体分离觅食过程,防止前期优质个体流失以及后期种群多样性匮乏,提升算法整体抗停滞能力。通过对基准测试函数及部分CEC2017测试函数进行寻优对比实验,测试结果表明改进算法具有更好的寻优精度、稳定性。利用改进算法优化XGBoost参数并将其用于变压器故障诊断,进一步验证了改进策略的有效性及算法的工程实用性。

透镜成像对立学习的SMA算法及舆情预测应用

网络舆情具有小样本特征,而传统方法预测准确率低,容易得到局部最优。为此,提出一种改进黏菌算法优化支持向量机的网络舆情预测模型ISMA-SVM。引入混沌Circle映射机制提高初始种群的多样性;利用对数非线性调节反馈因子均衡算法全局搜索与局部开发;设计透镜成像对立学习机制对最优个体变异,扩展搜索空间并避免算法陷入局部最优。利用改进黏菌优化算法优化支持向量机模型,构建网络舆情预测模型。以若干舆情热点百度指数作为样本进行实证研究,结果表明,改进模型具有更高的数据拟合度,预测准确度更高。

基于黏菌优化极限学习机的煤矸石多光谱识别

煤和矸石的精准辨识是煤矸分选和煤炭清洁高效利用的重要前提,针对传统方法存在效率低、需加装辐射隔离以及受环境干扰等诸多不足,提出了基于多光谱图像特性和光谱特性来识别煤和矸石,构建黏菌优化极限学习机(Slime Mold Algorithm Extreme Learning Machine,SMA-ELM)的分类模型。搭建多光谱数据采集系统完成煤与矸石的光谱图像采集,通过LBP对光谱图像进行特征提取并使用PCA主成分分析对提取后的特征向量降维,输入SMA-ELM分类模型、蚁狮优化极限学习机(Antlion Algorithm Optimized Extreme Learning Machine,ALO-ELM)分类模型、鲸鱼优化极限学习机(Whale Algorithm Optimized Extreme Learning Machine,WOA-ELM)分类模型进行对比,重点研究不同波长响应下煤和矸石的辨识精度来筛选最佳波长,通过多评价指标对优化后的最优波段进行比较。实验结果表明,SMA-ELM分类效果最佳,第6波段为最优波段,SMA-ELM在该波段的平均识别准确率为95.08%,煤和矸石的识别F1-Score分别为96.47%和92.68%,用时10.6 s。所提出的方法可以实现煤和矸石的精准识别,这对煤和矸石的智能分选具有重要的研究意义。

基于t分布变异的自适应黏菌优化算法

黏菌算法是一种新型的智能优化算法,针对其全局搜索速度慢,陷入局部最优的风险较大,为提高其全局搜索能力及搜索精度,提出了一种基于t分布变异的自适应黏菌优化算法.其思想是在黏菌算法中引入自适应t分布变异算子,使用算法的迭代次数作为t分布的自由度参数来增强黏菌搜索多样性,避免算法陷入局部最优。通过对12个基准函数测试及寻找图像的多阈值分割点工程问题进行测试,结果表明,基于t分布的黏菌优化算法寻优精度,收敛速度,鲁棒性高于基本黏菌优化算法。

基于黏菌算法的热电联产机组负荷优化分配

针对母管制热电联产机组热电分配不合理、能耗高的问题,提出采用黏菌优化算法,以先汽机侧、后锅炉侧的顺序进行负荷优化分配的方法,并通过某“三炉两机”母管制热电联产机组的实际运行数据,对所提方法进行了验证。结果表明:优化后机组汽耗率降低了0.063 t/(MW·h),煤耗率降低了0.126 kg/t;在满足供热条件的基础上,通过合理的热电负荷分配,可以降低汽机侧汽耗率和锅炉侧煤耗率,从而实现能量利用效率的最大化。

基于黏菌算法的再捕获区域覆盖优化策略研究

针对面向再捕获区域高覆盖率的传感器节点部署问题进行研究,提出了一种基于黏菌算法(SMA)的覆盖优化方法。首先,设置监视区域边界,根据传感器节点数、目标节点坐标、区域内离散点计算区域覆盖率;然后,将区域覆盖率作为适应度函数,将初始随机节点集作为输入,通过黏菌的扩散、振荡、收缩改变黏菌位置,利用适应度和权重更新黏菌位置;最后,选择适应度值最高的黏菌个体作为传感器节点部署的最优解,迭代更新直到达到阈值输出最优解。仿真实验将SMA与差分进化(DE)算法、粒子群(PSO)算法及改进鲸鱼优化算法(IWOA)进行比较,结果表明,在覆盖率方面,SMA优化后覆盖率最高,平均覆盖率达到91.1%,验证了该算法的有效性。在收敛速度方面,DE算法收敛最快,SMA次之。

融合随机反向学习的黏菌与算术混合优化算法

黏菌优化算法(SMA)和算术优化算法(AOA)是最近提出的新型元启发式优化算法。SMA算法具有较强的全局探索能力,但迭代后期振荡作用较弱,易陷入局部最优,且收缩机制不强,导致收敛速度慢。AOA算法利用乘除算子进行位置更新,随机性强,具有较好的避免早熟收敛能力。针对上述问题,将两种算法结合并利用随机反向学习策略提高收敛速度,提出一种性能优越且高效的融合随机反向学习策略的黏菌与算术混合优化算法(HSMAAOA)。改进算法保留了SMA全局探索部分位置更新公式,局部开发阶段将乘除算子替换SMA收缩机制,提高算法随机性与跳出局部极值的能力。此外,通过随机反向学习策略增强改进算法种群多样性,提高收敛速度。实验结果表明,HSMAAOA算法具有良好的鲁棒性以及寻优精度,且明显提升了收敛速度。最后,通过焊接梁设计问题与压力容器设计问题,验证了HSMAAOA在工程问题上的适用性与有效性。

基于混合身份搜索黏菌优化的模糊C-均值聚类算法

针对模糊C-均值聚类算法(fuzzy C-means clustering,FCM)对于初始化聚类中心敏感、收敛速度慢,聚类效果不稳定且容易陷入局部最优等问题,提出了一种将黏菌(SMA)与青少年身份搜索(AISA)相融合的自适应优化模糊C-均值算法(AISA-SMA-FCM)。该算法首先通过引入AISA算法中的青少年社会机制,改善SMA算法中的全局搜索和局部开发性能。克服了SMA对于高维数据及部分混峰数据不敏感的缺陷,通过标准测试函数验证改进后的混合AISA-SMA算法寻优求解性能更为优秀;其次此算法用于FCM聚类算法的迭代机制中,通过将AISA-SMA聚类环节加入FCM算法聚类中心迭代过程中,使FCM算法获得自适应优化算法相同的特性,即算法在每次迭代中都将具有探索和开发两个过程,并依据循环迭代次数调节比重,求解聚类结果;最后通过UCI标准数据集仿真测试,利用适应度平均值与聚类正确率评价所提算法的稳定性与有效性,结果表明,AISA-SMA算法用于FCM聚类问题效果较好,AISA-SMA-FCM算法较其他聚类方式和相应的优化技术具有收敛速度快、求解精度高的优点。

基于多元振荡黏菌算法的田路分割模型参数优化方法

田路分割是农机轨迹语义分割模型的重要任务之一,其目的是将轨迹自动分割为田间作业轨迹和道路行驶轨迹。田路分割模型的参数是影响其分割准确性及精度的关键因素,传统的参数选择方法效率较低且难以获得较好的方案,限制了模型的分割性能。因此,该研究选用基于方向分布的田路分割模型(Field-Road Trajectory Segmentation Based on Direction Distribution,BDFRTS),尝试从参数优化的角度研究模型的性能提升,提出的方法主要包括两个方面,首先建立了一种基于元启发式算法(Metaheuristic Algorithms,MA)的田路分割模型参数优化解决方案;其次,在黏菌算法(Slime Mould Algorithm,SMA)的基础上提出了一种改进的多元振荡黏菌算法(Multiplex Oscillation Slime Mould Algorithm,MOSMA)求解参数优化方案以更好地提高模型的分割性能。MOSMA分别提出一种动态引导策略与多元振荡策略强化了黏菌的振荡收缩反应及细胞质的流动过程,进而增强了算法的优化能力。为验证所提参数优化方法的有效性,将博创联动提供的中国农机在2021年9月底—10月中下旬进行水稻收割的作业轨迹作为数据集开展试验。试验结果表明,该研究所提方法有效地提升了田路分割模型的准确性和性能。MOSMA-BDFRTS分割模型在10组高密度轨迹中的平均准确率相比网格搜索田路分割模型、粒子群田路分割模型分别提高了25和28个百分点;在10组低密度轨迹中分割的平均准确率分别提高了17和14个百分点。该研究可为田路分割技术提供合理的性能优化方案,也为农业机械运动轨迹分割技术的效率研究提供参考依据。

基于ASMA算法的直流配电网故障定位方法研究

针对直流配电网故障测距中算法收敛速度慢、易陷入局部极小、收敛精度低的问题,采用改进的人工蜂群黏菌优化算法(slime mold optimization algorithm,SMA)解决此问题。在SMA算法的基础上,引入自适应可调反馈因子,提高收敛速度,形成自适应黏菌算法(adaptive slime bacteria algorithm,ASMA)。首先,基于六端直流配电网拓扑结构,以G-VSC和W-VSC之间发生的故障为例,建立了双极短路故障的数学模型。然后,介绍了改进ASMA算法的原理,并建立了适合于直流配电网故障定位的适应度函数。最后,通过仿真试验,对优化搜索得到的故障点进行分析,并与实际值进行比较,验证了算法的准确性。此外,通过比较进一步验证了ASMA算法的有效性和鲁棒性。

基于指数控制和自适应权重的黏菌优化算法

随着人类对动物或细菌等群体行为的深入研究,归纳出了许多基于生物智能的算法,这些算法能够解决一些无法在定义域内直接寻找到最优值的凸优化问题,是目前求解最优化问题的关键方法,但此类算法求解最优值过程中各有不足之处。本文针对黏菌优化算法(SMA)进行改进,引入权重更新和替换反正切函数为指数函数控制算法中关键参数这两种策略,在基准测试函数中得到结论,有效解决 SMA 算法在 3 个不同类型的基准函数中易陷入局部最优、收敛速度慢等瓶颈问题,提高了黏菌优化算法的收敛精度和速度,加强了全局搜索能力,在解决工程实际问题上,具有较高实际应用价值。