基于群居蜘蛛优化算法的水库防洪优化调度模型及应用

针对水库防洪调度问题多约束、高维、非线性不易求解的特点,提出了基于群居蜘蛛优化算法的水库防洪优化调度模型求解方法,该方法利用蜘蛛群体的协同机制,寻找最优的防洪优化调度决策。实例验证表明,该算法不仅获得较好结果,而且参数少,优化计算结果稳定,能满足实际水库防洪优化调度的需求,可推广应用。

基于动态多子族群自适应群居蜘蛛优化算法

为了提高群居蜘蛛优化算法(SSO)样本多样性和算法收敛性能,提出了一种基于动态多子族群自适应群居蜘蛛优化算法(DMASSO).根据算法样本多样性和算法进化程度,动态的将蜘蛛种群分成若干个主导子族群和辅助子族群,在不同子族群中分别引入自适应学习因子和高斯扰动因子改进算法个体更新方式,实现提高算法全局寻优能力和保持群体样本多样性.针对具有典型特点的测试函数仿真结果表明,较SSO算法、MSFLA算法等优化算法相比,新算法在收敛速度和收敛精度上均有明显改善.

多峰函数优化的改进群居蜘蛛优化算法

针对群居蜘蛛优化(SSO)算法求解复杂多峰函数成功率不高和收敛精度低的问题,提出了一种自适应多种群回溯群居蜘蛛优化(AMBSSO)算法。引入自适应决策半径概念,动态地将蜘蛛种群分成多个种群,种群内适应度不同的个体采取不同的更新方式,提高了种群样本多样性;提出回溯迭代进化策略,在筛选全局极值的基础上,根据进化程度执行回溯迭代更新,保证了算法全局寻优能力。高维多峰函数仿真结果表明,同SSO算法、PSO算法等优化算法相比,AMBSSO算法具有较快的收敛速度和较高的收敛精度,尤其适用复杂高维多峰函数优化问题。

基于SSO-PP模型的滇池流域水质综合评价

针对投影寻踪（PP）模型在实际应用中最佳投影方向a难以确定的不足,利用一种新型群体智能仿生算法——群居蜘蛛优化算法（SSO）搜寻PP模型最佳投影方向a,提出SSO-PP水质综合评价模型。以云南省滇池流域4个监测断面2003—2013年水质评价为例进行实例研究,选取对水体影响较大的氨氮等5项水质评价因子,利用各指标标准阈值z构造水质综合评价分级标准。结果表明：1SSO-PP模型水质评价结果与单因子法评价结果基本相同,但对于断面1^#,2^#,4^#,部分年度水质的评价结果要优于单因子法评价结果 1-2级。通过Kendall统计量检验,断面3^#—4^#水质改善趋势相对明显。2SSO-PP模型评价结果客观、合理,能够有效应用于水质综合评价。

基于社会蜘蛛群优化的粒子滤波算法研究

重采样技术是改进标准粒子滤波器粒子退化的关键技术,但也造成了样本枯竭。针对重采样技术,提出了一种基于社会蜘蛛群优化的粒子滤波算法。针对样本枯竭问题,一方面依据有效粒子数,设置阈值判断是否重采样;另一方面依据可复制粒子数,以高斯分布在大权重粒子均值附近随机选取粒子,保证了算法的实时性以及粒子多样性。针对算法的收敛能力,首先依据群体突变思想,当迭代次数达到设置的动态次数因子,初始化粒子;其次依据粒子的寻优速度和程度因子,动态自适应调整粒子权重;最后依据遗传算法的交叉概率,限制新粒子诞生速度,从而提高算法的整体收敛性能。通过对比可知,该算法的整体性能优于其他改进算法,能够有效解决非线性误差对滤波精度的影响。

基于SSI-PSO的汽车碰撞试验时序数据处理与分类方法

为实现汽车碰撞试验假人响应曲线数据集的类别辨识,研究了面向智能优化算法的问题转换与构造方法。针对假人曲线数据的特征处理与分类过程,提出了一种基于社会蜘蛛粒子群优化算法(SSI-PSO)的碰撞试验多变量时序数据特征选择与分类方法;利用汽车碰撞试验采集的假人曲线数据,测试和验证了该方法。结果表明:本文方法可获得面向假人曲线数据分类的最佳特征组合方式与较小规模的神经网络结构;该方法的假人曲线分类模型性能提升17.5%、分类精度达到96.5%。因而,实现了对碰撞试验假人响应曲线标注信息的有效分类。

自适应多种群回溯群居蜘蛛算法求解TSP问题

在群居蜘蛛优化算法中引入自适应决策半径,将蜘蛛种群动态地分成多个种群,种群内适应度不同的个体采取不同的更新方式.在筛选全局极值的基础上,根据进化程度执行回溯迭代更新,提出一种自适应多种群回溯群居蜘蛛优化算法,旨在提高种群样本多样性和算法全局寻优能力.函数寻优结果表明改进算法具有较快的收敛速度和较高的收敛精度.最后将其应用于TSP问题的求解.

改进型社会蜘蛛优化算法

针对社会蜘蛛优化算法(social spider optimization algorithm,SSA)在寻优过程中步长固定且蜘蛛种群间因吸引力降低导致收敛速度慢且迭代后期计算精度低的缺陷,提出了一种改进型社会蜘蛛优化算法(modified social spider optimization algorithm,MSSA).算法采用自适应方法使寻优步长在迭代过程中自适应变化,提高了其收敛性能.引入偏好随机游动机制进一步强化算法的局部开发能力.典型函数的测试表明,MSSA的收敛性能较标准SSA及其它改进的群智能算法在收敛速度及精度方面具有明显优势.