改进群体智能算法的无线传感器网络覆盖优化

为解决无线传感器网络(Wireless Sensor Networks,WSN)节点分布不均和随机部署中的低覆盖率问题,该文提出一种改进群体智能算法的无线传感器网络覆盖优化算法,即改进的黑猩猩优化和哈里斯鹰优化的混合优化算法(Improved Chimp Optimization and Harris Hawk Optimization Algorithm,ICHHO).该算法首先对黑猩猩优化算法(Chimpanzee Optimization Algorithm,ChOA)进行改进,使用Levy Flight来改善其探索阶段,然后设计一个更新的公式来计算猎物逃逸能量,作为开发和探索之间的选择因素.传感器节点随机部署后,将ICHHO在传感器节点上执行,按照改进策略更新个体位置信息,计算相应的适应程度,找到最优传感器位置,并根据传感器概率模型确定网络最优覆盖率.仿真结果验证了ICHHO对于解决WSN覆盖问题的适用性,与其他优化算法的对比结果显示,ICHHO在提高覆盖率方面优于其他算法.

智能算法的亚群优化策略综述

群智能算法的优化是提升群智能算法性能的一个主要途径,随着群智能算法越来越广泛地运用到各类模型优化、生产调度、路径规划等问题中,对智能算法性能的要求也越来越高。亚群策略作为一种优化群智能算法的重要手段,能够灵活地平衡算法的全局勘探能力和局部开发能力,已经成为群智能算法的研究热点之一。为了促进亚群优化策略的发展和应用,对动态亚群策略、基于主从范式的亚群策略和基于网络结构的亚群策略进行了详细调查,阐述了各类亚群策略的结构特点、改进方式和应用场景。最后,总结了亚群策略目前存在的问题以及未来的研究趋势和发展方向。

智能优化算法的模块化测试与仿真

生活及工程应用中许多问题可归结为目标之间相互矛盾的多目标优化问题,其应用需求强烈、理论创新性强、模型建立难、求解方法复杂。提出了智能优化算法的模块化测试与仿真方法,以多目标粒子群算法为例,通过对算法本身参数配置,以及多测试函数、多算法综合对比测试,可得出算法求解的帕累托前沿以及解集的收敛性与分布性指标,进而可评判该算法对于求解同类优化问题时的性能优劣。将上述方法应用到煤矿井下掘进截割路径规划中,得出了高效能、强安全的掘进截割最优路径。智能优化算法可用于“人工智能”相关课程课堂教学中,分析求解多目标优化问题,也可用于实验教学演示、创新实验项目,有助于提高学生的科研素养与实践能力。

基于粒子群优化算法的太阳能水培智能控制系统设计与实现

为实现水培营养液水质参数的高效、精确控制,减少设备供能产生的碳排量,构建了一个基于粒子群优化(Particle Swarm Optimization,PSO)算法和最大功率点跟踪(Maximum Power Point Tracking,MPPT)算法的水培智能控制系统。用PSO算法优化模糊控制器的量化、比例因子,加入Smith预估器补偿反馈时延,对pH为4.5、电导率(Electrical Conductivity,EC)为0 mS/cm的营养液进行精确调控。经过优化,分别在44 s和43 s后达到预设值,并能维持稳定状态。建立光伏发电模块,引入MPPT算法,缩短跟踪时长至0.04 s。结果表明,该系统能提高营养液水质参数的调节精度,缩短控制时长,增强水培环境的稳定性;同时,能提升发电效率,实现节能减排。

智能反射表面的主被动联合波束成形分组模型优化算法

针对智能反射面(IntelligentReflectingSurface,IRS)联合主动和被动波束成形优化中计算复杂度过高的问题,该文基于经典的半正定松弛算法和交替优化算法提出了一种对本地IRS进行分组的新模型,通过降低每个IRS信道矩阵的秩来降低优化算法的复杂度。具体的,首先通过已知的IRS相位得出BS(Base Station)的次优发送波束,其次通过BS的发送波束计算得出分组后各IRS面的次优相位,经过不断交替迭代上述两步优化得出最优发送波束的结果。仿真结果表明,合适的IRS分组数量、分组方式与交替优化迭代次数可以在几乎不影响原算法性能的情况下,大大减少交替优化算法的复杂度。

群体智能优化算法在医疗领域的应用

为应对传统算法所存在的一些限制,智能优化算法应运而生,其中群体智能算法成为研究焦点。本研究以灰狼优化算法、蚁狮优化算法、麻雀优化算法、蜻蜓优化算法、鲸鱼优化算法、蚱蜢优化算法为研究对象,从数学模型、改进策略和医疗领域应用方面进行综述。通过横向及纵向的文献对比发现改进后的优化算法在医疗领域中的应用最为广泛,这些优化算法在医疗领域中的优势有利于其后续应用。

基于蝙蝠优化算法的智能机器人路径规划方法

为了解决智能机器人规划路径时,由于未能获取机器人信号目标强度,路径规划存在适应度值低和规划时间长的问题,提出基于蝙蝠优化算法的智能机器人路径规划方法。建立机器人模型并获取机器人目标信号强度,利用粒子群算法搜索机器人移动目标,结合蝙蝠算法和黄金正弦算法获取种群平均位置,通过分阶段搜索流程,实现机器人移动路径规划。结果表明:所提方法的路径规划时间仅为2.0 s,适应度达到了24.1,不可行解个数为零,该方法有效提高了适应度值,降低了规划时间,具备可行性和实际应用价值。

基于人工神经网络智能算法的9310钢本构模型优化

目的研究9310钢在变形温度为800~1200℃、应变速率为0.01~50s-1和高度压下量为70%条件下的热变形行为,建立预测效果相对较好的9310钢本构模型。方法使用Gleeble-3800热模拟机对9310钢进行等温恒应变速率热压缩实验,基于热压缩实验数据,分析了应变速率对9310钢流动软化效应的影响,建立了考虑应变补偿的Arrhenius本构模型与支持向量回归(SVR)本构模型,并进行了模型精度分析,之后引入人工神经网络(ANN)智能算法优化了Arrhenius本构模型。结果与变形温度相比,应变速率对9310钢流动软化效应的影响更为显著。相较于支持向量回归(SVR)本构模型,考虑应变补偿的Arrhenius本构模型精度更高,其相关系数R为0.9934,平均相对误差(AARE)和均方误差(MSE)分别为0.0556和89.362,它在预测高应变速率(1、10、50 s-1)流动应力时出现了较大偏差,经ANN智能算法优化后,相关系数R提高至0.9991,AARE和MSE分别降至0.0199和9.998,且绝对误差在±10MPa以内的预测流动应力占比为98.34%。结论在低应变速率(0.01 s-1)下软化效应更强,在高应变速率(10 s-1)下再结晶程度较低,软化效应较弱。ANN智能算法优化后的Arrhenius本构模型具有较高的精度,能较准确地预测9310钢的流动行为。

基于智能优化算法及其优化BP神经网络的室内定位

为研究智能优化算法在室内到达时间差(time difference of arrival,TDOA)定位方面的应用效果。首先,分别使用白鲨优化算法(white shark optimizer,WSO)、变色龙优化算法(chameleon swarm algorithm,CSA)、蛇优化算法(snake optimizer,SO)、鲸鱼优化算法(whale optimization algorithm,WOA)、灰狼优化算法(grey wolf optimizer,GWO)、麻雀优化算法(sparrow search algorithm,SSA)这6种智能优化算法进行室内的二维TDOA定位,对比分析上述算法在室内定位领域的表现,并和传统的Taylor算法的定位误差进行对比;接下来,使用SOA算法对BP神经网络进行优化,使用优化后的SOA-BP进行定位,与基础的BP神经网络的定位误差进行对比。结果表明:所使用的6种智能优化算法在室内定位领域有着不错的表现,各智能优化算法的效果相似,平均定位误差为0.44 m,相较于传统的Taylor算法提升约9.2%;SOA-BP的定位误差相较于基础的BP神经网络降低超过30%。

基于改进教与学优化算法的废旧智能手机拆解深度优化研究

针对现有拆解深度决策方法无法客观准确地得到废旧智能手机最优拆解深度的问题,提出了一种基于改进教与学优化(Teaching-Learning-Based Optimization,TLBO)算法的废旧智能手机拆解深度优化方法。构建了拆解利润模型、拆解时间模型和拆解能耗模型并确立拆解深度优化目标,利用改进教与学优化算法求解得到一组最优的拆解深度解集。以小米5手机的拆解过程研究为例,验证了提出的拆解深度优化方法的有效性;结果表明提出的拆解深度优化方法的最优解搜寻能力和收敛速度均得到增强。

群集智能优化算法的典型改进方法综述

元启发式群集智能优化算法通过模拟自然现象或生物行为来寻找问题的最优解,是一类成功且具有竞争力的全局优化方法。本文概述了近几年典型的元启发式群集智能优化算法及其设计原理;详细介绍了其中4类典型改进方法:种群初始化、增添新策略、迭代公式调整、算法混合;对元启发式群集智能优化算法未来的改进和发展进行了展望。

基于智能算法的火电机组变负荷控制策略优化

现有火电机组的AGC(automatic generation control,自动发电控制)系统存在控制精度低、响应速度慢等问题,为满足电力保供要求,引入人工智能算法对火电机组变负荷控制逻辑进行升级优化。对行业内已开展应用的神经网络、模糊控制、智能优化算法、专家系统、模型预测控制等各类智能算法进行特性总结与适用性分析,在此基础上提出利用线性自回归模型修正锅炉、汽轮机主控逻辑的方案,并在某350 MW超临界燃煤机组上进行10%额定出力的变负荷仿真实验,结果表明,智能算法优化后的控制逻辑有利于机组缩短响应时间,减少超调量,提高AGC系统的调节品质。

智能优化算法在土木工程领域的应用综述

为进一步提高建筑施工智能化水平,对遗传算法和粒子群算法等典型算法在土木工程领域的应用进行了调查。通过分析调查结果,总结了各类算法在典型场景下的应用情况,并基于大型复杂结构施工过程,提出了智能优化算法的具体应用场景。

基于散列函数算法的智能物料搬运机器人优化设计

随着现代制造业的快速发展,物料搬运机器人在生产过程中面临许多问题,如路径规划、负载分配、避障与定位以及性能评价等,这些问题严重影响了机器人的工作效率和运行稳定性。为了解决这些问题,提出了基于散列函数算法的智能物料搬运机器人优化设计方法,以提高机器人的工作效率和运行稳定性,为实际生产过程提供有效的解决方案。通过实验验证了所提出方法的有效性和可行性,为智能物料搬运机器人的设计和应用提供了新的思路和方向。

群体智能优化算法的区域景观规划方法

由于应用传统方法无法因地制宜地进行区域景观规划设计,导致规划后的区域景观适应度较低,因此提出基于群体智能优化算法的区域景观规划方法。采用倾斜摄影测量技术,构建区域景观三维场景,在此基础上,利用群体智能优化算法划分景观建设区域,最后从道路、建筑、水体、绿化设施等方面,得出区域景观的规划结果。将设计的规划方法应用到实际中可以发现,应用所提方法可进行区域景观优化设计,且规划后适宜度综合评分为90.47,优于对比方法,具有更好的规划效果。

基于排序交叉优化算法的智能微电网调度研究

分布式可再生能源具有出力不稳定等问题,导致智能微电网的经济效益与环保效益较差,为此研究基于排序交叉优化算法的智能微电网调度。根据分布式电源与储能装置的运行特性建立其数学模型,为智能微电网多目标调度提供理论基础,以智能微电网运行成本和排污、治污花费最小为目标,构建多目标调度模型,基于排序交叉优化算法求解模型,实现各机组出力的优化调度。以某地冬季典型日为例,获取智能微电网负荷数据展开算例分析,结果显示采用所设计方法调度后微电网的运行与排污、治污总成本节约了46.25%,说明该调度方法具有经济与环保效益优化的效果。

基于智能优化算法的配电自动化系统运维管理分析

阐述基于智能优化算法的配电自动化系统运维管理系统设计,探讨该系统运维管理策略,包括基于改进遗传算法、基于改进人工蜂群算法、基于改进布谷鸟算法的配电自动化系统运维策略。

基于种子优化算法的电力系统物资智能调度方法

常规的电力系统物资调度多数采用强化学习方法原理对物资调度线路介数进行计算,全面覆盖性较差,且线路介数计算精度较低,无法为物资调度提供精确的数据支持,增加了物资调度时效。基于此,引入种子优化算法,提出了一种全新的电力系统物资智能调度方法。首先,设计电力系统物资调度供应网络,满足物资需求点的调度需求。其次,利用种子优化算法,计算物资调度线路介数,获取物资调度最短路径传输网络中包含的信息。在此基础上,构建电力系统物资智能调度优化模型,获取最优化调度方案。由实验分析结果可知,新的方法应用后,电力系统完成物资智能调度任务所需时间较短,调度时效得到了显著提升,具有较高的可行性。

基于人工智能算法的机械设计优化与制造过程控制研究

本文首先分析了传统机械设计优化方法的局限性,包括计算复杂度高、搜索空间大等问题。接下来,阐述人工智能算法的基本理论和分类,这包括遗传算法、粒子群优化算法以及神经网络算法等。然后,研究了各种算法如何运用于机械设计优化与生产流程管理,包括遗传算法、粒子群优化算法以及神经网络算法的使用。通过本文的研究,以期为机械工程领域的发展提供新的思路和方法,推动机械产品的创新和制造过程的改进。 。

群智能优化算法最新进展

群智能优化算法是一种模拟自然界中生物群体行为特征的优化算法,具有全局搜索能力强、适应性强、并行性强和易于实现的优点。群智能优化算法属于生物启发式算法,在解决复杂优化问题时,面临收敛速度、参数敏感性和鲁棒性的挑战。近年来,在群智能优化算法领域,研究者已经提出了一系列新型的群智能优化算法。综述了最新提出的六种群智能优化算法及其变体模型和应用,并在CEC2020测试函数上进行实验。全面评估了这六种群智能优化算法的收敛精度和稳定性,并简要阐述了群智能优化算法的未来发展趋势。