双种群协同演化的改进蜜獾算法

针对蜜獾算法存在的局部搜索能力不足、易陷入局部最优值等问题,提出一种双种群协同演化的改进蜜獾算法。在初始化阶段采用Cubic混沌映射对种群进行初始化,扩大可行解的搜索范围并提高种群的分布均衡性;引入融合黏菌算法和蜜獾算法的双种群优化机制,依托两者的更新优势协同推进个体逼近目标位置,进而提高整个算法的搜索效率和优化性能;采用柯西随机反向扰动策略对蜜獾种群最优位置进行扰动,以提高算法跳出局部最优的能力。通过评估单一策略的改进有效性实验、与七种对比算法的不同高维实验以及Wilcoxon秩和检验,结果表明该算法具有良好的收敛精度和求解速度。最后将改进算法应用于压缩弹簧设计和压力容器设计问题,进一步验证了改进策略的有效性及该算法的工程实用性。

基于精英引导的社会学习粒子群优化算法

为了改进经典粒子群算法(PSO)过早收敛和全局搜索能力不足的缺点,提出了一种基于精英引导的社会学习粒子群优化算法(ESLPSO)。在ESLPSO中,提出了一种分层拓扑结构的搜索方法。这一策略根据粒子的适应度表现将粒子分化为最优的精英粒子和其余的平民粒子,革新了传统种群迭代搜索的更新样本,由此加强了整个种群演化信息的引导作用。采用Cubic混沌初始化赋予了初始粒子群体在搜索空间内的广域覆盖能力。设计了精英粒子引导的社会学习策略,通过增加态叠加的不确定性更好地利用了种群演化的多维信息。在此基础上,结合极值扰动迁移机制激励粒子经历新的搜索路径和区域,增加种群的多样性,平衡种群在搜索过程中的探索和开发能力。基于12个涵盖单峰、多峰以及旋转多峰的基准测试函数集对所提算法的性能进行了验证。此外,ESLPSO与其他8种PSO改进算法的比较结果表明,ESLPSO在解决不同类型函数方面表现出了优秀的搜索性能,具有高效的求解稳定性和优异的求解结果。

多策略改进的鱼鹰优化算法及其应用

针对鱼鹰优化算法存在收敛速度慢、收敛精度低以及易陷入局部最优的问题,提出一种多策略融合改进的鱼鹰优化算法。首先采用Cubic混沌映射初始化种群,增加种群的多样性;其次引入互利共生策略,加强搜索个体之间的信息交流,提高算法跳出局部最优的能力;最后利用透镜成像反向学习策略,增强算法跳出局部最优的能力,平衡算法的探索与开发。通过18个基准测试函数求解对比分析、统计测试,该算法在收敛速度、寻优精度以及稳定性上都得到明显提升。此外,通过压力容器设计问题的实验对比,进一步验证了所提算法在实际工程应用中的适用性。

基于ISCSO-BP-PID的SMB组分纯度模糊解耦控制方法研究

针对模拟移动床色谱分离系统中存在的强耦合、多变量、非线性和时滞等问题,提出了一种基于改进沙猫群优化算法的BP神经网络自调整PID参数的模拟移动床组分纯度模糊解耦控制方法。该方法首先通过模糊解耦消除了A、B组分纯度控制回路之间的耦合,然后结合改进的沙猫群优化算法和BP神经网络,实现了PID参数的自适应调整,从而有效控制A、B组分的纯度。在改进的沙猫群优化算法中,引入了Cubic混沌映射来初始化沙猫种群,以提高种群分布的均匀性;在搜索猎物阶段加入了可变螺旋搜索策略,使沙猫群拥有更多的搜索路径来调整自身位置;同时,融合了麻雀搜索算法的警戒机制,以加速算法的收敛速度。通过对12个CEC2022测试函数进行验证,证明了改进沙猫群优化算法的有效性。仿真结果表明,所提方法不仅能够有效消除A、B组分纯度控制回路间的耦合效应,而且在各个实际应用场景中均展现出卓越的性能。与传统的PID控制方法相比,在流量突变情况下,调节时间分别缩短了75.40%和77.57%,超调量分别减少了91.84%和81.96%。该方法具备较强的抗干扰能力和良好的鲁棒性,显著改善了整个系统的控制性能。

基于CDE的空间直线度误差评定

针对空间直线度误差评定中求解精度不高等问题,提出基于改进差分进化算法的空间直线度误差评定方法。使用产品技术几何规范(GPS)公差标准,通过最小二乘法计算得到符合最小区域法的空间直线度数学模型;将差分进化算法(DE)加入Cubic混沌映射使种群初始化,并对算法中变异因子和交叉概率进行改进,经测试函数仿真对比证实,该算法在收敛速度、精度上均有一定提高。对两个评定实例进行误差评定,研究结果表明:相比于HTMLBO,PSO,DE,ABC算法,CDE算法在计算精度、速度、稳定性上更具有优势,在同一零件的内径上提取截面圆圆心坐标时,规定最佳提取点数可以有效降低算法误差。

基于神经网络优化模型的保险公司应对灾害情况的决策安排

针对保险公司应对突发环境污染事故的决策安排,文章以BP神经网络为中心,利用WOA算法对网络拓扑结构及BP的权重系数进行了优化,同时采用Cubic混沌映射优化WOA算法的初始种群以避免局部极值,不仅改进了网络预测精度,还得到了预测误差较小的优化模型。以河南省相关环境数据为主要依据进行仿真测试,文章在确定整体模型结构层数的同时减小了误差指标,符合保险公司的决策预期。

基于改进海洋捕食者优化算法和瑞雷波频散曲线的近地表地层参数反演

面波勘探是获取近地表地质结构的重要手段,利用瑞雷波频散曲线可以反演得到地层横波速度和厚度或泊松比等参数.本文提出了一种新的优化策略来处理瑞雷波频散曲线的反演问题.改进海洋捕食者算法(ACMPA)是一种改进混沌初始化,引入自适应步长和精英竞赛机制优化的反演算法.采用混沌映射进行种群位置初始化,提高初始化种群位置的质量;加入自适应函数,增强全局搜索能力;引入精英等级制度,避免算法陷入局部极值点,从而从局部和全局寻优进行优化,提高反演的收敛速度.通过正演模拟和实测数据进行测试分析,证明了改进的海洋捕食者优化算法的有效性与稳定性.该方法可以利用瑞雷波频散曲线信息反演得到近地表地层的介质参数,其收敛精度和收敛范围明显优于其他优化算法,具有较强的应用前景.

改进海鸥算法的多阈值图像分割算法

为进一步提高图像分割精度,改善传统多阈值图像分割方法计算量大、分割慢的问题,提出了改进海鸥算法(improved seagull optimization algorithm,ISOA)的多阈值图像分割方案。针对原始海鸥算法(seagull optimization algorithm,SOA)存在早熟、寻优精度不足的问题,首先,采用cubic混沌映射优化初始解,提高搜索效率;其次,引入鹰栖息优化算法(eagle perching optmizer,EPO)的缩放因子和疯狂算子进行扰动,并与麻雀搜索算法(sparow search algorithm,SSA)警戒者的位置更新相结合,优化寻优精度和收敛速度,避免陷入局部最优。利用6种基准测试函数对ISOA进行寻优性能测试。最后,将ISOA与图像分割的最优阈值选取相结合,进行基于Otsu的多阈值图像分割,并与现有分割算法进行对比。仿真结果表明,ISOA在基于Otsu的图像分割中,100%取得了最优值,且80.9%的结果优于其余算法,使图像的分割精度和质量均得到了优化。