采用随机探测的改进FSOA

针对FSOA中渔夫搜索效率低且易陷入局部极值等不足,提出了一种采用随机探测的改进FSOA算法。该算法采用随机选点与旋转定点相结合的选择探测点方法,并对渔夫的收缩搜索操作做了一定的限制,以进一步提高渔夫的搜索效率。从数值实验仿真结果上看,该改进方法是有效的和可行的。

一种采用随机探测策略的改进FSOA

在分析FSOA方法存在不足的基础上,提出了改进的FSOA。该优化方法要求渔夫采用随机探测策略,渔夫的搜索方向受其当前前进方向的限制;位于当前最优位置的渔夫采用收缩搜索策略,其余的渔夫采用移动搜索策略。四个典型函数的优化实验结果表明,该方法对于解决复杂函数的优化问题是有效的和可行的。

AFSA与改进FSOA相结合的优化方法

提出一种采用AFSA和改进FSOA相融合的混合优化方法。该优化方法在寻优过程中交替使用AFSA和改进FSOA优化方法,使用AFSA来搜索局部最优域,使用改进FSOA优化方法来加快算法收敛速度和提高优化精度。实验仿真结果表明,该优化算法具有收敛速度快、优化精度高、全局寻优能力强、算法稳定性好等特点,对于求解高维复杂函数的优化问题是有效的和可行的。

自调整的捕鱼策略优化算法

针对基本捕鱼策略优化算法(FSOA)在优化过程中存在易陷入局部最优、求解高维的复杂优化问题时优化性能不好的不足,对基本捕鱼策略优化算法(FSOA)进行了改进,提出了自调整的捕鱼策略优化算法(ADFSOA):算法采用时变的搜索半径,每个渔夫可根据自己所处的状态自我调整搜索策略。通过与基本FSOA、RFSOA和标准PSO算法的数值实验对比,表明了所提算法的优化性能具有显著的优势,可用于求解高维的复杂优化问题。

一种人工鱼算法与捕鱼算法相结合的优化方法

在分析人工鱼群算法和捕鱼算法存在不足的基础上,提出了一种人工鱼群算法(AFSA)与采用捕鱼策略的优化算法(FSOA)相结合的混合算法。该算法在优化初期使用AFSA算法搜索局部最优域,而在优化后期则使用FSOA算法在优化前期所初步确定的局部最优域中搜索最优解。实验计算结果表明,该算法具有优化精度高、收敛速度快的特点。

具有认知能力的捕鱼策略优化算法

针对捕鱼策略优化方法在处理复杂优化问题时易陷入局部极值,且后期收敛速度慢的缺陷,根据现实中渔夫的捕鱼习惯,将渔夫的认知能力应用到基本FSOA中,提出了一种改进的具有认知能力的捕鱼策略优化方法(CAFSOA)。该算法中的渔夫可根据其前期捕鱼经验和当前群体状况来判断何处鱼的浓度比较高。实验结果表明,该优化方法具有较快的收敛速度和较好的优化精度,能有效地避免早熟收敛问题。

SFOA算法在电力系统多目标无功优化的应用

电力系统由于无功分布不合理引起的事故越来越多。以系统网损、电压平均偏离、电压安全稳定裕度3个指标建立无功优化模型,引入了动态罚函数体现状态变量约束在优化过程的影响,并用个人偏好约束下的权值分配方法根据用户的需求对各个指标分配权值,采用SFOA算法求得电力系统多目标无功优化在可行域内的最优解。从SFOA算法和PSO算法运用于IEEE 30和IEEE 57节点系统优化结果比较表明:所提出的算法是可行有效的。