Textile Enterprises Support the Refugees by Tents

In recent days,the tent manufacturers in ZhenJiang,JiangSu and TianJin have made all-out efforts to produce the relief tents,which are in urgent need of refugees in quake-hit areas,to show their human’s love to refugees in quake-hit area by their actual actions.

跳跃跟踪SSA交叉迭代AP聚类算法

针对传统近邻传播聚类算法以数据点对之间的相似度作为输入度量,由于需要预设偏向参数p和阻尼系数λ,算法精度无法精确控制的问题,提出了一种跳跃跟踪麻雀搜索算法优化的交叉迭代近邻传播聚类方法.首先,针对麻雀搜索算法中发现者和加入者位置更新不足的问题,设计了一种跳跃跟踪优化策略,通过考虑偏好阻尼因子的跳跃策略设计大步长更新发现者,增加麻雀搜索算法的全局勘探能力和寻优速度,加入者设计动态小步长跟踪领头雀更新位置,同时,利用自适应种群划分机制更新发现者和加入者的比重,增加算法的后期局部开发能力和寻优速度;其次,设计基于扰动因子的Tent映射,在此基础上增加3个参数,使映射分布范围增大,并避免了陷入小周期点和不稳周期点;最后,引入轮廓系数作为评价函数,跳跃跟踪麻雀搜索算法自动寻找较优的p和λ,代替手动输入参数,并融合基于扰动因子的Tent映射优化近邻传播算法,交叉迭代确定最优簇数.使用多种算法聚类University of California Irvine数据集的10种公共数据集,仿真结果表明,本文提出的聚类算法与经典近邻传播算法、基于差分改进的仿射传播聚类算法、基于麻雀搜索算法优化的近邻传播聚类算法和进化近邻传播算法相比具有更优的搜索效率以及聚类精度.对国家信息数据进行了聚类分析,提出的方法更加准确有效合理,具有较好的应用价值.

基于多策略麻雀搜索算法的径向基神经网络时延预测方法

网络诱导时延序列存在随机性和不稳定性,单一的预测算法难以准确预测,针对该问题,提出一种基于多策略麻雀搜索算法(ISSA)的径向基神经网络(RBF)时延预测方法来准确预测网络时延。首先,为了应对麻雀种群初始分布不均匀的问题,增加改进Tent混沌映射来提高种群早期的分布质量,并引入新的惯性权重因子改进发现者位置更新策略,扩大麻雀早期寻优范围;随后引入正余弦优化算法(SCA)更新跟随者位置,避免种群后期陷入局部最优。其次,考虑到RBF隐含层节点中心,幅值以及输出层权值不确定的问题,提出利用ISSA算法寻优求取。最后,搭建改进的时延预测模型并输入实测时延数据得到预测时延值。实验研究结果表明:相较于传统SSA-RBF模型,文中提出的ISSA-RBF时延预测模型的MSE、MAE和MAPE分别提高了69.46%、32.83%、34.43%,可有效预测网络时延,为之后的时延补偿提供基础。

基于改进蜘蛛猴算法的永磁同步电机多参数辨识

为解决一类智能算法对永磁同步电机(PMSM)参数辨识存在不稳定和精度不高的问题,现提出一种基于改进Tent混沌映射的反向学习蜘蛛猴优化(CSMO)算法。首先,采用改进的Tent混沌映射产生多样性强的初始种群,保证搜索空间的遍历性;其次,在局部领导阶段使用自适应步长取代随机步长,使其适应不同阶段的搜索,有效平衡了全局探索能力与局部开发能力;然后,在局部领导者决策阶段采用柯西变异策略使个体跳出局部最优,从而进一步加强了群体搜索能力,有助于在当前解的局部区域中发现较优解,使得算法的探索速度和寻优精度得到平衡;最后,使用标准测试函数来检测CSMO算法的性能,建立用于PMSM参数辨识的数学模型,再将该模型应用在改进的算法中来辨识电机参数。仿真与实验分析表明,CSMO算法对永磁同步电机参数的辨识有着较好的精度和收敛速度。

一种改进的变权科莫多优化算法及其应用

针对科莫多算法(KMA)在求解复杂函数和高维情况下容易出现早熟收敛的问题,提出了一种改进的变权科莫多优化算法(VWCKMA)。首先利用Tent混沌映射产生的序列对科莫多个体位置进行位置初始化,为全局搜索的多样性奠定基础。然后提出可变惯性权重,分别对不同社会等级的科莫多个体的运动进行不同控制,较好地提高了收敛速度。最后利用Tent混沌映射进行局部扰动,使其能够进行更加精确的局部搜索,避免局部最优值。仿真实验表明,在单峰函数和多峰函数求解的标准差和均值中,VWCKMA在收敛精度和收敛速度方面均有很大的提高。针对实际空气污染物PM_(2.5)预测非线性的问题,利用VWCKMA对BP神经网络的权值和阈值进行迭代寻优,基于最优参数的条件下使用BP神经网络对PM_(2.5)进行预测。实验结果表明预测准确率为85.085%,相比单一BP神经网络预测准确率提高19.85个百分点,体现VWCKMA具有一定的实践应用价值。

基于反吸引速度更新机制的改进蜉蝣算法

针对蜉蝣算法(MA)前期收敛速度较慢、后期寻优精度不高等问题,提出一种基于反吸引速度更新机制的改进蜉蝣算法(MMOA)。采用改进型Tent混沌序列初始化蜉蝣种群,使蜉蝣分布更加均匀,提升了种群的多样性;结合MA的特点,引入反吸引速度更新机制指导蜉蝣速度更新,平衡算法的全局搜索和局部寻优能力,进而提升算法的收敛性能;对全局最优蜉蝣进行逐维的重心反向学习变异,降低各维度间的干扰,帮助算法跳出局部最优并加速收敛。基于12个标准测试函数和部分CEC2017测试函数进行对比仿真实验,结果表明:MMOA较灰狼优化(GWO)算法、MA等算法在收敛速度、寻优精度和稳定性等方面都具有明显优势。

考虑运营成本和用户体验的电动汽车充电站布局优化模型

针对电动汽车充电站布局优化问题,综合考虑充电站建设运营成本和交通流量变化情况下的用户体验,据此建立充电站布局优化模型。先分析充电站城市土地转让成本、基建及充电设备成本、运营成本各项构成要素,并建立相应的数学模型,再结合交通拥堵指数建立用户体验数学模型,最终以满足充电站建设运营成本最低和用户体验最优为预期目标,建立充电站布局优化模型。引入Tent混沌映射对初始解空间进行均布化,采用AVOA优化算法对该模型进行问题求解。仿真结果表明:与对比文献模型相比,新的充电站选址方案与随机产生的需求点距离更近、更平均;在典型测试场景下,新选址方案可有效降低配电网络的网损率、提升充电站效能,并能为用户提供更优的用户体验,充分说明该模型能够较好解决充电站优化布局问题。

混合策略改进的风驱动优化算法

为解决风驱动优化算法存在的易陷入局部极值及收敛性差等问题,提出一种混合策略改进的风驱动优化算法。首先,使用Tent混沌映射初始化种群,增加初始个体的多样性;其次,引入柯西变异策略,扩大算法搜索范围,增强算法搜索能力并加速算法收敛;然后,利用反向学习策略生成新的全局最优解,提高算法逃离局部极值能力;最后,针对6个基准测试函数进行仿真实验,结果表明,所提算法收敛速度和精度均优于其他算法。

全粒子推动野马优化算法的无人机三维路径规划

针对无人机路径规划求解计算量大、难收敛等问题,提出了一种基于全粒子推动野马算法的路径规划方法。建立三维环境模型与路径代价模型,将路径规划问题转化为多维函数优化问题;采用一种自适应邻域搜索策略,改善算法的开发能力;利用高斯随机游走策略对个体的历史最优位置进行回溯搜索,改善算法的探索能力;考虑到自适应策略对初始种群多样性敏感的问题,结合Tent混沌映射初始化种群,提高算法的鲁棒性以及全局寻优能力;将提出的改进算法在13个经典测试函数中进行性能验证,并移植于无人机三维路径规划问题中。在30峰、40峰、50峰的环境模型下进行测试,与遗传算法、粒子群算法、SRM-PSO(self-regulating and self-perception particle swarm optimization with mutation mechanism)算法以及野马算法对比,全粒子推动野马算法皆取得最短平均路径,且在所有测试中都找到满足约束、无碰的路径。仿真结果证明,在复杂环境下全粒子推动野马算法具有优秀的全局寻优能力以及较好的鲁棒性。

改进灰狼优化算法的草坪修剪机器人路径规划

为解决传统灰狼算法(GWO)用于全覆盖路径规划草坪修剪作业时易陷入局部最优、收敛速度慢、迭代次数高、除草效率低等问题,提出了启发式混沌算子灰狼优化算法(CGWO)。通过对GWO算法融入启发式思想与Tent混沌映射后,加入自适应的参数调节策略,调节加速因子及不同控制参数以增加搜索过程中的随机性,帮助算法跳出局部最优解,获得更好的全局搜索能力。仿真分析发现:改进后的灰狼优化算法即CGWO算法比GWO、PSO(粒子群算法)算法的路径成本、迭代次数、耗时更优,且路径更平滑。在3种草坪环境下,进行实车试验。结果表明:CGWO算法提高了全覆盖效率和除草效率,试验结果优于GWO和PSO算法。

Tent5c基因对斑马鱼肌间刺发育的影响

为探究tent5c/fam46c基因(Family with sequence similarity 46c,家族序列相似性46 c)在斑马鱼(Danio rerio)肌间刺发育中的作用,选取11种鱼类分析tent5c系统演化特征,采用原位杂交技术和qRT-PCR分析tent5c基因在斑马鱼发育中的时空表达特征,并利用CRISPR/Cas9建立了斑马鱼tent5c基因敲除纯合突变系(tent5c^(-/-)),对其骨骼表型和肌肉转录组进行分析。结果显示,tent5c编码TENT5C氨基酸在不同鱼类中具有高度的保守性,但在无肌间刺鱼类里发生了相同的氨基酸替换;tent5c基因在48hpf(Hours post fertilization)斑马鱼的眼睛和肌隔表达,在60dpf(Days post fertilization)斑马鱼的脊椎和肌间刺特异高表达。与野生型斑马鱼相比,tent5c^(-/-)斑马鱼肌间刺表现为生长减缓,矿化程度降低以及数量减少。比较转录组结果表明,在tent5c基因敲除之后,斑马鱼肌肉组织有112个基因表达下调,118个基因表达上调。差异基因主要富集于肌肉收缩和骨骼发育等相关通路,由此推测tent5c可能是通过调控这些肌肉和骨骼相关通路来对肌间刺发育产生影响。研究初步表明了tent5c基因在斑马鱼肌间刺发育中的作用,为进一步研究鱼类肌间刺等骨骼发育的分子调控机制提供了科学依据。

基于改进GOOSE算法的VMD体征信息研究

本文中依靠60 GHz调频连续波(FMCW)毫米波雷达,通过改进的GOOSE算法,在种群初始化阶段结合Tent混沌映射,在探索阶段运用Levy飞行策略提升算法的全局搜索能力。然后,通过改进的GOOSE算法去应用到变分模态分解(VMD)中,得到k和α最优值。对GOOSE算法的改进提高了呼吸心率的检测的精度。最后,该实验结果表明:利用改进的GOOSE优化算法对VMD算法进行参数自适应优化,通过对信号的重构后分析,有效地去除了噪声分量,提高了分解效率。

基于改进袋獾算法的破片图像多阈值分割

针对静爆场中所拍摄图片存在破片目标小、背景复杂的问题,提出一种基于改进袋獾算法的破片图像多阈值分割。基于Tent混沌映射初始化种群,加入自适应权重策略以提高算法全局搜索能力,结合精英反向学习策略来避免算法过早陷入局部最优。基于优化袋獾算法求解Tsallis相对熵的最小值,作为目标函数值计算最佳阈值对破片图像进行目标分割。仿真结果表明,ITDO在12类基准函数上相较于其他算法表现出更强的收敛性和稳定性。ITDO-Tsallis算法与其他两种先进算法相比,收敛时间更快、求解目标更精准,说明该算法能有效解决静爆场破片图像目标分割问题。

基于改进秃鹰算法优化极限学习机的谐波发射水平估计

针对目前电力系统谐波发射水平难以直接测量的问题,提出了一种基于改进秃鹰算法(improved bald eagle search,IBES)优化极限学习机(extreme learning machine,ELM)的谐波发射水平估计方法。首先,在传统秃鹰搜索算法中引入Tent混沌映射和柯西变异算子,利用IBES算法对ELM模型的输入权重和阈值进行寻优。其次,输入公共连接点(point of common coupling,PCC)处谐波电压和谐波电流,代入IBES-ELM模型,估计用户侧和系统侧谐波发射水平。最后进行仿真和工程实例分析,并与其他算法的估计结果进行对比。结果表明,所提IBES-ELM方法估计精度优于长短期记忆网络(long short-term memory,LSTM)、卷积神经网络(convolution neural network,CNN)、反向传播神经网络(back propagation neural network,BP)和CNN-LSTM算法模型,验证了该方法的有效性和稳定性。

基于混合策略麻雀搜索算法优化的DC-DC变换器自抗扰稳压策略

为抑制城轨列车频繁启停引起的牵引网电压剧烈波动,在车载储能DC-DC变换器中设计一种基于改进麻雀搜索算法的自抗扰控制器。首先,建立DC-DC变换器的一阶自抗扰控制器进行稳压控制;然后,为提高系统快速性和抗扰性,引入麻雀搜索算法进行控制器参数寻优;之后针对麻雀搜索算法易陷入局部最优的缺点,引入Tent混沌序列和多样化变异处理,并提出基于樽海鞘算法的新型改进算子对麻雀搜索算法进行改进;最后,根据列车的速度曲线进行仿真验证。通过实验对比,自抗扰控制器在启动加速阶段的电压调节时间相较于PI控制、传统自抗扰和麻雀搜索自抗扰分别减小0.012、0.006、0.003 s,在制动减速阶段分别减小0.0054、0.0025、0.0015 s,结果表明所设计的控制器的可行性和有效性。

多项式变异和自适应权重优化的阿奎拉鹰算法

针对基本阿奎拉鹰算法存在收敛精度低、易陷入局部最优的问题,通过在全局搜索阶段引入多项式变异扰动策略,在局部开发阶段引入自适应权重优化策略,改进了阿奎拉鹰算法的局部探索能力,并且引入了Tent混沌映射初始化种群,增加种群多样性,引入动态转换概率策略来平衡全局探索和局部开发的比重,故提出多项式变异和自适应权重优化的阿奎拉鹰算法。采用基本阿奎拉鹰算法、哈里斯鹰算法、灰狼算法、鲸鱼算法、海鸥算法做对比,9个基准测试函数和2个工程优化问题对改进后的算法进行寻优性能验证,结果表明:改进后的算法在多数测试函数上取得较好的寻优效果,在工程优化问题中,效果优于多数对比算法。证明了改进后的算法具有更快的收敛速度和精度,并在工程应用中取得较好效果。

基于混沌精英和Lévy飞行策略的鲸鱼优化算法

针对鲸鱼优化算法(Whale Optimization Algorithm,WOA)存在的收敛速度慢、精度低的问题,提出了基于Tent混沌精英和Lévy飞行策略的鲸鱼优化算法(TELWOA)。使用Tent混沌映射初始化鲸鱼种群,保持种群的多样性,并通过引入精英反向学习策略,对初始种群的精英个体生成反向解,选取适应度高的种群作为下一代鲸鱼种群,加快算法收敛速度。其次,通过使用非线性收敛因子,缓解算法全局搜索和局部搜索能力不平衡的现象。最后,在鲸鱼位置寻优过程中使用Lévy飞行策略,避免算法陷入局部最优,提升算法的全局搜索能力。通过对不同改进策略的有效性分析、与其他智能算法的对比分析,证明了TELWOA算法在收敛精度、算法稳定性和全局寻优能力上与对比算法有显著提升,具有一定的实际工程应用能力。

基于改进GWO的多无人机三维协同航迹规划

针对GWO算法求解多无人机协同航迹时存在协同性差、易陷入局部最优、收敛速度慢以及求解精度差的问题,提出一种基于改进GWO的多无人机三维协同航迹规划方法。首先,建立多无人机三维协同航迹规划数学模型,以消耗代价、高度代价、威胁代价、空间约束、时间约束5者的加权和以及惩罚项作为目标函数;其次,利用贪心算法和Tent映射相结合的方法来提高种群适应度,并保留种群的多样性来减小陷入局部最优的可能性;再改进收敛因子来提高算法收敛速度;然后,设计一种动态权重位置更新方法来提高算法的探索和开发能力;最后,将改进的GWO算法应用于多无人机航迹规划问题求解。与GWO算法和CSGWO算法对比的仿真结果表明,所提出的改进GWO算法在求解精度上分别提高了64.8%和16.7%,在收敛速度上分别提升了28.5%和25.4%,并且协同能力明显优于对比算法。

基于改进蜣螂优化算法的永磁同步电机参数辨识

针对目前永磁同步电机多参数辨识准确率不足、效率低等问题,提出了一种基于改进蜣螂优化算法的参数辨识方法。首先,建立了在同步旋转坐标系下PMSM满秩离散方程;其次,为提高蜣螂优化算法辨识PMSM模型的精度,采用Tent映射和反向学习策略改进了初始种群的均匀性,并设计一种非线性更新因子,该因子随着迭代次数的增加进行调整,提高了算法的搜索和开发能力;最后,针对蜣螂优化算法收敛慢的问题,改进了无障碍滚球蜣螂位置更新策略来加速算法收敛,并设计了PMSM参数辨识适应度函数以及改进蜣螂优化算法应用于参数辨识的流程。仿真及试验验证表明,改进的蜣螂优化算法对永磁同步电机参数辨识速度更快,精度更高。

基于灵敏度分析的同步调相机及其励磁系统参数分类辨识方法

同步调相机及其励磁系统间由于电气耦合而导致参数辨识困难,但目前缺少对待辨识参数量与观察量间耦合特性的分析。对此,提出一种基于灵敏度分析的同步调相机及其励磁系统参数分类辨识方法。分析同步调相机在不同时间尺度下的关键参数,基于轨迹灵敏度信息划分待辨识参数的类型,构建关联参数集合。考虑稳态、次暂态和暂态下同步调相机及其励磁系统响应特性的差异,在不同时间尺度上分别建立参数分类辨识模型。依据关联参数集合进行参数分类辨识,采用基于Tent混沌映射的改进蛇优化算法求解。通过算例分析验证了所提方法的有效性和适应性。