基于全局和声搜索算法的椭圆拟合

建立了椭圆拟合问题的约束优化模型,利用绝对值函数给出了一种约束处理方法,将原问题转化为无约束优化,采用全局和声搜索算法求解.数值实验分别对长轴和短轴在坐标轴上、长轴和短轴不在坐标轴上的椭圆拟合问题进行了研究,结果表明在数据没有异常值的条件下,即使有噪声,拟合结果也较好.

基于改进布谷鸟搜索算法的压气机特性曲线预测

为了提高压气机特性曲线的预测精度和边界工况点的泛化能力,本文提出了一种改进布谷鸟搜索算法优化BP(ICS-BP)的模型,应用于某轴流压气机流量-压比特性预测方法研究,并对比分析了采用传统BP、遗传算法优化BP(GA-BP)、布谷鸟搜索算法优化BP(CS-BP)、径向基函数神经网络(RBF)、极限学习机(ELM)、自优化支持向量机(MSVM)和ICS-BP模型的预测结果。分析显示,ICS-BP模型整体预测结果的相对误差最小,普遍在±1%以内,评价指标展现出最高的精度和鲁棒性,预测结果具有最佳的泛化能力,且优化后的模型解决BP易陷入局部最优的问题;ELM和RBF模型运行速度较快的情况下依然具有良好的整体预测精度,但对于边界工况点预测效果欠佳,适用于对时间成本要求高的场景。针对7F重型燃气轮机和NASA74A型号压气机特性曲线,通过ICS-BP模型预测的压比特性精度较高,整体预测结果的平均绝对百分误差分别为1.129%和0.590%,进一步验证了其在特性预测方面的优势。

改进麻雀搜索算法的四旋翼无人机路径规划

针对麻雀搜索算法(SSA)容易陷入局部最优、求解精度不高和收敛速度较慢的问题,本文提出一种非线性正态差分SSA(NLN-DSSA)。采用改进Circle混沌映射初始化麻雀种群,提升种群多样性,提高算法在迭代开始时的全局搜索能力;引入非线性正态分布系数来控制发现者的搜索步长和收敛速度,平衡全局搜索和局部开发能力;引进差分变异策略增加种群的多样性,帮助算法跳出局部最优。在5个基准测试函数上寻优实验,结果表明:NLN-DSSA具有更好的收敛速度和寻优精度。最后将NLN-DSSA应用到无人机路径规划上,证明改进算法的有效性和实用性。

求解无容量设施选址问题的改进禁忌搜索算法

无容量限制设施选址问题(Uncapacitated Facility Location Problem,UFLP)属于经典组合优化NP-Hard问题,为了快速有效地求解UFLP,文章采用禁忌搜索算法来求解无容量设施选址问题。首先,描述了局部搜索中用来求解该问题的三种操作算子,进一步增强其全局搜索性能。其次,禁忌搜索算法在寻优过程中对初始解具有一定的依赖性,运用随机化与贪心算法相结合的方法来生成初始解,通过引入动态禁忌列表的方法,避免搜索到重复表中的解,并对改进后禁忌搜索算法的有效性进行了评估。最后,通过求解经典算例进行测试和其他算法进行比较的方式,验证了该算法用来求解UFLP的可行性和有效性。

基于麻雀搜索算法和长短期记忆神经网络的轨道交通站点客流预测

准确的短时客流预测可以为城市轨道交通的良好运营提供保障,但轨道交通的短时客流具有非线性和高随机性等特点,为了提高对短时客流的预测精度,提出将ISSA算法和LSTM模型进行组合,构建城市轨道交通短时客流预测模型.针对SSA算法收敛速度慢,容易陷入局部最优解的问题,引入黄金莱维飞行策略,通过动态调整探索者移动步长的方法,使得它在未知范围内搜索时,能够覆盖更大的范围,提高SSA算法全局搜索的能力.通过使用ISSA算法对LSTM模型的隐含层、学习率和迭代次数的神经元个数进行优化,构建ISSA-LSTM组合预测模型,用于城市轨道交通短时客流的预测.将该模型与BP、LSTM和SSA-LSTM等3种短时客流预测模型进行对比,结果表明:在针对工作日和非工作日客流的预测中,ISSA-LSTM模型预测误差最小,具有较好的预测效果.

基于秃鹰搜索算法的瑞雷面波频散曲线反演

针对使用传统粒子群算法及模拟退火算法等全局优化算法进行频散曲线反演时存在早熟收敛、易陷入局部最优的问题,将秃鹰搜索算法应用于频散曲线反演研究中。通过对多个典型地质理论模型和美国怀俄明地区的实测数据进行反演分析,结果表明,秃鹰搜索算法在瑞雷面波频散曲线反演中具有较强的适用性、稳定性和抗噪能力。

基于CEC2014基准测试集的和声搜索算法研究

作为一种基于群体的智能优化算法,和声搜索算法(Harmony Search,HS)因其具有控制参数少、健壮性强、结构简单等优点,引起了众多研究人员的广泛关注。然而随着研究工作的不断深入,和声搜索算法存在过早收敛、容易陷入局部最优的不足。因此,国内外许多研究人员提出了一系列的改进和声搜索算法。按照改进思路从改进控制参数的设置方法、改进HS的搜索算子与结合其他算法的优化方法3个方面,对现有的改进和声搜索算法进行归纳总结。此外,基于CEC2014基准测试集设计对比实验来比较5种具有代表性和声搜索算法的性能表现。根据实验结果,分析了5种具有代表性和声搜索算法在单峰、多峰、混合和组合函数上的性能表现,并给出了5种具有代表性和声搜索算法在不同函数类型工程优化问题上的建议。

窄带物联网(NB-IoT)中小区搜索算法的优化研究

本文研究了窄带物联网(NB-IoT)中的小区搜索算法。首先,本文详细剖析了NB-IoT的下行链路结构和小区搜索算法基础,包括物理层结构、信号传输特性以及主同步信号、辅同步信号的设计。针对现有同步算法在低信噪比和多径衰落环境下性能不佳的问题,提出了一种改进的同步算法,优化主同步的粗调过程和辅同步的参考信号设计,提高了同步的准确性和效率。其次,为了降低NSSS检测算法的复杂度,本文提出了一种分组算法,将所有NSSS参考序列分成多组,并选取代表序列进行互相关运算,该方法显著减少了运算量,提高了算法的运行效率。在此基础上,本文完成了NB-IoT小区搜索方案的整体设计,并在数字信号处理器(DSP)上实现了该算法,验证了该算法的可行性和实用性。研究结果表明,优化后的小区搜索算法在同步准确率和效率方面均优于传统算法,DSP实现结果与MATLAB仿真结果性能差距仅有0.2dB。最后,本文总结了研究成果,并展望了未来的研究方向,将继续深入研究NB-IoT中小区搜索算法的优化问题,为NB-IoT技术的广泛应用提供更坚实的技术支撑。

基于重引力搜索算法的大规模网络无界DoS入侵检测

为保证大规模网络安全,并降低无界DoS入侵危害,提出基于重引力搜索算法的大规模网络无界DoS入侵检测方法。利用DWT(离散小波变换)提取网络流量特征,完成大规模网络流量数据的降维,将该特征作为输入数据,使用SVM(支持向量机)进行无界DoS入侵检测,以SVM训练时输出结果的均方根误差最小作为目标,使用重引力搜索算法寻优获取最优的SVM惩罚因子、不敏感系数以及核参数,并将结果返回SVM中更新参数,利用具备最佳参数的SVM完成无界DoS入侵检测。实验结果表明,该方法优化后的SVM检测误差率迅速降低,仅进行了60次迭代,优化后的SVM完成误差率的收敛。在15:00时后节点的平均吞吐量由200~300 bit/s迅速增长至2 000 bit/s左右。

一种混合多策略改进的麻雀搜索算法

针对麻雀搜索算法SSA求解目标函数最优解时具有过早收敛、在多峰条件下易陷入局部最优和在高维情况下求解精度不足等问题,提出了一种混合多策略改进的麻雀搜索算法MISSA。考虑到算法初始解的质量很大程度上会影响整个算法的收敛速度与精度,引入精英反向学习策略,扩大算法的搜索区域,提升初始种群的质量和多样性;对步长进行分阶段控制,以提高算法的求解精度;通过在跟随者的位置中加入Circle映射参数与余弦因子,提高算法的遍历性与搜索能力;采用自适应选择机制在麻雀个体位置更新中加入Lévy飞行,增强算法寻优和跳出局部最优的能力。将改进后的算法与麻雀搜索算法及其他算法在13个测试函数上进行对比,并进行Friedman检验。实验结果表明,改进后的麻雀搜索算法能够有效提高寻优精度与收敛速度,并在高维问题中也具备较高的稳定性。

基于麻雀搜索算法的微电网分层优化调度

为综合考虑微电网供给侧和需求侧的利益,建立了微电网分层优化模型;上层以净负荷成本和用电满意度为目标优化负荷曲线,下层以运行成本和环境成本为目标优化各单元出力,并选择麻雀搜索算法(SSA)求解这类复杂优化问题。针对SSA易陷入局部最优的问题,提出一种改进麻雀搜索算法(ISSA),改进了发现者搜索方式,引入了变异、贪婪策略;并且加入非支配排序和轮盘赌法将ISSA改进为多目标算法。算例结果表明可转移负荷占比为10%时能够协调微电网供需两侧的利益;对比ISSA与SSA、粒子群算法(PSO)、鸡群算法(CSO)和灰狼算法(GWO)的迭代结果,证明ISSA具有良好的寻优效果和稳定性。

基于改进麻雀搜索算法优化LSTM的滚动轴承故障诊断

为了对滚动轴承的工作状态及故障类别进行准确的诊断,本文采用长短时记忆(LSTM)神经网络作为分类器对滚动轴承数据集进行分类诊断。首先,从滚动轴承原始运行振动信号中提取时域和频域特征参数,组成具有高维特征参数的数据集;使用核主成分分析(KPCA)方法对高维特征集进行降维处理,选取重要性程度高的特征构成输入特征向量。然后,针对LSTM神经网络在滚动轴承故障诊断中存在的超参数难以确定的问题,提出一种基于自适应t分布策略的麻雀搜索算法优化LSTM神经网络的故障诊断方法(tSSA–LSTM)。最后,使用凯斯西储大学滚动轴承数据中心的数据进行故障诊断精度测试、泛化性能测试及噪声环境下故障诊断性能测试等多个仿真实验,并将本文提出的诊断模型与麻雀搜索算法优化长短时记忆神经网络(SSA–LSTM)、遗传算法优化长短时记忆神经网络(GA–LSTM)、粒子群算法优化长短时记忆神经网络(PSO–LSTM)及传统LSTM诊断模型进行对比。结果表明:tSSA可以更有效地对LSTM的隐含层神经元数量、周期次数、学习率等超参数进行合理优化;所提方法的平均诊断准确率达到98.86%,交叉验证平均诊断结果为98.57%;所提方法在噪声干扰下的故障诊断准确率也优于对比方法。因此,本文提出的tSSA–LSTM模型不仅可以更精准地诊断滚动轴承故障状态,而且具有更强的泛化能力及抗干扰能力,有效地提高了滚动轴承故障诊断的性能。

基于改进松鼠搜索算法优化神经网络的数控机床进给系统热误差预测

为探究数控机床进给系统中各因素对热误差的影响规律,建立精准的热误差预测模型。在进给速度为10 m/min、环境温度20℃的条件下进行进给系统热误差测量实验,获得进给系统关键点的温升及热误差。为提高预测精度,采用Tent混沌改进松鼠搜索算法,并利用改进的算法对神经网络进行优化,建立热误差预测模型。利用热误差测量实验获得的数据进行验证,结果表明改进前的神经网络预测误差为12.23%,改进后的模型预测误差为8.92%,精度有较大提升。利用预测模型针对不同进给速度下相同位置处热误差进行分析,结果表明,进给系统中关键测温点的温度和丝杠各点的热误差随着进给速度的增加而增加。因此提出的预测模型可实现进给系统热误差的准确预测,为误差补偿提供理论依据。

基于改进引力搜索算法的水轮机调节系统仿真

针对现阶段水电机组存在多种复杂工况、工程计算受限于算法本身的复杂性等问题,提出一种改进的引力搜索算法(改进PSOGSA),以此提高水轮机控制参数的优化性能,弥补传统控制策略难以满足动态需求的不足.首先,结合PSO算法,在GSA的速度更新公式中引入学习因子进行改进.其次,应用一种权重系数优化其位置更新公式,提高算法的自适应性.最后,结合相关仿真建模试验,使用所提改进PSOGSA对水轮机调节系统PID参数进行优化调节.仿真结果表明,在5%空载频率扰动下,改进PSOGSA的PID控制器明显优于上述传统算法,所调节的模型系统能在更短时间内趋于稳定,此时的超调量远低于传统算法,表明此改进PSOGSA在后续迭代中具备更高的迭代效率,并且改善了常规算法中易陷入局部最优的问题,从而证明了改进PSOGSA的合理有效性,水轮机调节系统的控制效果在一定程度上得到优化.

多舱共配绿色车辆路径问题的改进变邻域搜索算法

针对社区团购前置仓配送场景中“多中心、高时效、多品类、高排放”难题,本文提出多车场带时间窗的绿色多舱车车辆路径问题(MDMCG-VRPTW),构建混合整数线性规划模型,并设计改进的变邻域搜索算法(IVNS)实现求解.采用两阶段混合算法构造高质量初始解.提出均衡抖动策略以充分探索解空间,引入粒度机制以提升局部搜索阶段的寻优效率.标准算例测试结果验证了两阶段初始解构造算法和IVNS算法的有效性.仿真实验结果表明,模型与算法能够有效求解MDMCGVRPTW,且改进策略提高了算法的求解效率和全局搜索能力.最后,基于对配送策略和时效性的敏感性分析,为相关配送企业降本增效提供更多决策依据.

基于改进布谷鸟搜索算法的光伏MPPT控制

复杂阴影情况下,光伏阵列的P-V特性曲线会出现多个峰值,传统的MPPT算法因不能准确识别局部峰值和全局峰值,而无法进行复杂阴影情况下的最大功率点跟踪。针对传统布谷鸟搜索(Cuckoo Search,CS)算法因鸟窝之间缺乏交流能力导致可能陷入局部最优的问题,提出了一种多策略改进布谷鸟搜索(EGICS)算法。将传统CS算法中发现概率值的选择自适应变化,提高算法的搜索能力;将步长因子自适应化,提高算法的收敛速度;引入高斯扰动和精英反向学习策略,增加种群多样性,避免算法陷入局部最优。对EGICS算法在单峰和多峰函数中进行性能测试,并将其应用于光伏系统MPPT控制中进行仿真验证。仿真结果表明,EGICS算法在收敛速度、跟踪精度以及动态稳定三个方面有更好的效果。

改进麻雀搜索算法的入侵检测特征选择

针对网络入侵检测所处理数据存在特征维数高、检测效率低、准确率不高的问题,提出一种改进麻雀搜索算法的特征选择方法,旨在减少特征冗余的同时提高分类准确率。利用改进Circle映射初始化种群;结合秃鹰搜索算法中的螺旋搜索方式更新发现者位置;采用单纯形法和小孔成像法优化适应度较差和最优麻雀的位置,提升算法的寻优能力。将该算法与其它算法在6个经典基准函数上进行对比测试,其在收敛速度、精度等方面均有提升。使用数据集CIC-IDS2017进行特征选择实验,平均保留了7.6个特征,准确率达到了99.5%,结果表明,该算法可以在保证准确率的同时有效降低特征维度。

基于改进蝴蝶搜索算法的DGPS整周模糊度快速解算

为了快速准确地解算差分全球定位系统(DGPS)整周模糊度,提出了一种改进蝴蝶搜索算法(IBOA)求解整周模糊度。首先在蝴蝶优化算法(BOA)的香味系数中加入一个自适应权重,弥补BOA算法觅食行为中较弱的搜索能力;其次使用动态切换概率权衡BOA算法中全局搜索与局部搜索的比例;最后在全局搜索和局部搜索阶段引入新的迭代位置更新策略,提升了算法全局搜索能力和跳出局部最优能力。与最小二乘模糊度降相关平差算法(LAMBDA)算法进行1000个历元数据的解算对比实验,结果表明所提算法的平均搜索成功率比LAMBDA算法提高了5.07%。

基于新混合乌鸦搜索算法的置换流水车间调度

为了更加有效地求解以最大完工时间最小化为目标的置换流水车间调度问题,提出一种新混合乌鸦搜索算法(NHCSA)。首先,对一种基于NEH的启发式算法进行了改进,在此基础上提出新的方法以改善初始种群的质量和多样性;其次,采用SPV(Smallest-Position-Value)规则进行编码,使算法能够处理离散的调度问题;最后,针对迭代贪婪算法,提出了自动调整重插入工件范围的方法、引入了TB机制,并采用改进的迭代贪婪算法对最佳工件排序进行局部搜索,以提升算法收敛的精度。基于典型测试集进行了仿真测试,结果验证了所提算法的寻优能力和稳定性。尤其是在针对Rec19和Rec25算例的比较中,仅NHCSA取得了当前最优解,进一步证明了其优越性。

基于多策略麻雀搜索算法的机器人路径规划

通过多种策略对基本麻雀搜索算法(SSA)进行改进,以解决麻雀搜索算法后期由于种群多样性丢失而导致的全局优化精度和速度问题。首先,改进无限折叠迭代映射(ICMIC)初始化种群,将自适应分段步长因子引入麻雀探测器的位置更新公式中,使麻雀搜索算法观察者的固定比例系数随迭代次数动态变化。然后,将观察者的位置与新公式和正弦余弦算法(SCA)相结合,并干扰先前的观察者步长。最后,在基准测试函数上比较了改进的麻雀搜索算法(ISSA)、麻雀搜索算法(SSA)、鲸鱼算法(WOA)、灰狼算法(GWO)、改进的灰狼算法(CGWO)、正弦余弦算法(SCA)和粒子群优化算法(PSO)的收敛性和准确性,并将其应用于路径规划。实验表明改进的麻雀搜索算法具有良好的优化性能。