基于Wolfe搜索机制的随机梯度地震反演方法

地震反演技术能够最有效地从地震信号中挖掘地层参数和岩性信息,一直是储层预测研究的焦点.传统线性地震反演算法缺乏全局搜索能力,反演结果精度较低.本研究以全局寻优为出发点,将一种结构简单和寻优能力强的全局优化算法——梯度优化算法(Gradient-Based Optimizer,GBO),引入地震反演.相比于差分进化等其他全局优化算法,GBO算法通过梯度随机搜索机制和局部逃逸算子进行全局搜索,能有效降低地震反演的多解性.但是,GBO算法收敛速度慢和局部随机性强,难以满足大批量的地震反演计算需求.因此,本文在GBO算法迭代过程中引入Wolfe线性局部搜索机制,提出基于Wolfe搜索的随机梯度优化算法(Stochastic—Gradient Optimization Based on Wolfe's Search,SGO-WS).在全局搜索过程中,通过线性搜索算子,充分挖掘当前迭代解周围的局部最优,既保证了反演解精度,又大幅提高了原GBO算法的计算效率,同时还有效降低了反演解的局部随机性.Marmousi-2模型测试验证了SGO-WS算法的可行性和准确性,厄瓜多尔Tapir油田地震资料也验证了SGO-WS算法的实用性.

Frank-Wolfe算法求解交通分配问题：比较不同流量更新策略和线搜索技术

Frank-Wolfe(FW)算法是一类广泛应用于求解交通分配问题的算法.它具有容易编程实现,所需内存少的特点.但是该算法收敛速度较慢,不能得到路径信息.为了提高算法的效率,本文研究三种流量更新策略(all-at-once,one-origin-at-a-time,one-OD-at-a-time)以及不同的步长搜索策略下的FW算法,其中步长搜索策略包括精确线性搜索方法(包括二分法、黄金分割法、成功失败法)和不精确的线性搜索方法(包括基于Wolfe-Powell收敛准则的搜索方法和Gao等提出的非单调线性搜索方法).最后,本文将上述策略应用于四种不同规模的交通网络中,并给出较适合求解的组合.

种群熵竞争粒子群算法

为进一步提高竞争粒子群优化算法的收敛性和求解精度,提出一种种群熵竞争粒子群算法(population entropy competitive particle swarm optimization algorithm,CSOPE);提出非线性惯性权重调整策略,以均衡粒子的全局勘探能力和局部开采能力;提出一种基于熵模型的种群状态检测策略,根据种群的标准化四分位差和标准化中位数差计算种群熵,通过相邻两代种群的熵值之差监测种群状态,当种群处于收敛状态时,对赢家粒子利用灰狼搜索进行局部开采,以提高算法的收敛精度。在CEC2008和CEC2013共21个测试函数上将所提算法与其他8种优化算法进行对比,实验结果表明,CSOPE算法的求解精度和收敛性得到了显著提高。将CSOPE算法应用到无线传感器网络节点定位问题,结果表明CSOPE算法具有较高的定位精度。

改进GWO算法求解柔性作业车间调度问题

针对以最小化最大完工时间为目标的柔性作业车间调度问题,设计一种改进的邻域搜索灰狼算法。设计一种适于灰狼算法的基于工序和机器的双层编码方案,改进种群初始化策略、灰狼变异操作以及种群更新机制;通过两点交叉操作、插入操作以及PR操作,得到GWO算法的全局搜索邻域,提出设计禁忌搜索邻域以增强GWO算法的局部开发能力。最后将所提算法在已知算例上进行仿真实验,并与其他算法进行对比。实验结果验证了改进GWO算法具有一定的优越性。

复杂环境下异构无人机集群协同目标搜索方法

为实现无人机集群高效且精准的多目标搜索,考虑集群成员中探测范围广的高空无人机和机动能力较强的低空无人机,提出了一种新颖的异构无人机集群协同目标搜索方法,根据不同无人机的特性快速实现区域搜索以及多目标的精准搜索。高空无人机采用基于数字信息素的区域搜索算法确定目标存在区域,在较短时间内实现区域覆盖。低空无人机在其指引下前往目标区域,并根据目标信号强度采用改进狼群算法实现对目标的精准搜索。对于传统狼群算法信息共享不足、步长固定和易陷入局部最优的问题,采用粒子群算法、自适应参数调整和差分进化方法进行改进,提高了算法的全局寻优能力和收敛速度。仿真实验证明了所提出的模型与方法在复杂环境下目标搜索任务中的有效性和优越性。

基于改进灰狼优化算法的柔性作业车间分批调度问题研究

针对以最小化最大完工时间为目标的柔性作业车间分批调度问题(Flexible Job shop Batch Scheduling Problem,FJBSP),提出了一种改进灰狼优化(Improved Grey Wolf Optimization,IGWO)算法,优化对象为工件的分批方案。首次将流体模型应用于FJBSP的求解,提出了一种基于流体模型的解码方法,用于获得更好的子批调度方案;然后改进了狼群的等级制度,避免了算法过早收敛;其次设计了一种全新的适应可变长编码的交叉方法,深入交流2个个体之间的分批信息,增强了算法的搜索能力和稳定性;再次,提出了能够动态更新个体游走率的自适应灰狼游走策略,兼顾了算法的搜索质量和收敛速度;此外,对领头狼使用自适应邻域搜索动态调整每种工件选择各邻域的概率,提高算法的局部搜索能力;最后,设计了9个算例和3组实验,验证了所提出的IGWO算法的有效性和优越性。

Wolfe线搜索下充分下降性的FR型共轭梯度法

在FR共轭梯度法的基础之上,提出了一种新的共轭梯度法.在标准的Wolfe线搜索下,证明了该算法的充分下降性和收敛性.最后,给出初步的数值实验结果并表明该方法是有效的.

基于改进灰狼算法的无人船路径规划

为了提高无人船(USV)在不同水域环境中航行的自主性、航行时路径规划的自适应度和航行任务的执行效率,基于一种添加扰动因素的改进型灰狼(IGWO)算法,在电子海图中进行路径搜索。通过道格拉斯-普克(RDP)算法对航行路径中的关键路径点进行搜索以减少冗余路径。通过自由边界3次样条插值法对路径进行优化,生成连续、平滑且符合USV航行特征的路径。结果表明,IGWO算法能改善搜索路径时存在的收敛速度慢、适应度差、无效路径多和易陷入局部解等问题;采用RDP算法进行路径点筛选,采用自由边界三次样条插值法进行路径优化,能有效平滑路径,缩短路径长度。研究成果可为USV自主航行路径规划提供一定参考。

基于改进ELM的柴油机故障诊断方法研究

结合变分模态分解(VMD)和极限学习机(ELM)的柴油机故障诊断方法对柴油机的故障进行诊断分类。针对柴油机振动信号非线性、非平稳性的特点,给出了基于麻雀搜索算法(SSA)优化VMD分解方法,以此达到较好的分解性能。针对柴油机故障信号故障种类多样等问题,给出了基于灰狼优化算法(GWO)优化ELM的分类模型,使分类性能更加稳定。最后将所提出的方法用于五十铃6BB1型柴油机的故障检测与识别中,其故障识别准确率达98.04%。诊断结果验证了GWO-ELM具有较高的精准度,证明该方法是可行有效的。

一种带强Wolfe线搜索的CD和LS混合共轭梯度算法

在CD方法和LS方法的基础上,结合二者的优势,提出了一种求解无约束优化问题的混合共轭梯度算法,并在强Wolfe线搜索下证明了算法的全局收敛性;数值实验结果表明算法是有效的.

利用新型群体智能优化算法研究微震震源定位

引入并介绍6种新型群体智能优化算法(灰狼算法、鲸鱼优化算法、蝗虫优化算法、麻雀搜索算法、蚁狮算法、蜻蜓算法)的仿生原理、核心计算公式及优化特性,在经典到时差模型基础上设计一种新型微震震源反演数学模型,利用仿真的矿山微震震源正反演数据对比分析6种方法的性能差异。结合实际矿山人工爆破数据,通过6个统计指标从精度、收敛速度、稳定性等多个角度测试这6种新型群体智能优化算法在微震震源定位中的有效性和可靠程度。

一种面向城市战的无人机路径规划群智能算法

针对传统路径规划算法用于解决无人机战术路径规划问题时存在局部最优、慢收敛等问题,提出一种改进的群智能算法,以改变初始种群的更新方式,提升灰狼算法的全局寻优能力并加快其收敛速度。引入莱维飞行随机策略以及共生生物搜索算法,借助莱维飞行策略更新种群个体,利用共生生物搜索算法偏利共生阶段的交互性避免陷入局部最优问题。威胁建模是UAV路径规划的重要前提,对威胁物进行等效预处理,结合适应度函数检验算法。设计一种虚实映射仿真验证平台,通过以实映虚的手段验证算法的有效性。实验结果表明,改进后的算法改善了传统路径规划算法的局部最优和慢收敛等路径规划问题,对UAV作战能力的提升具有一定参考价值。

基于灰狼&电导增量的局部遮阴下光伏最大功率跟踪

为解决光伏电池被局部遮挡时发电效率降低的问题,需要选用合适的最大功率跟踪技术。结合灰狼算法和电导增量法的特性,提出一种灰狼算法和电导增量法相结合的方法。先利用灰狼算法进行全局搜索,再使用电导增量法进行局部搜索。仿真结果表明:在静态遮挡情况下,与灰狼算法相比,所提的方法搜索最大功率点的时间更少;在动态遮挡条件下,重新搜寻到最大功率点的响应时间达到0.2 s。所提算法可以适应动态变化的天气,快速实现最大功率跟踪技术,改善了传统算法收敛速度慢和易陷入局部最优等问题。

引入改进迭代局部搜索的灰狼算法及应用

针对标准灰狼算法(GWO)收敛速度慢,易陷入局部最优等缺点,提出一种引入改进迭代局部搜索的灰狼算法(IGWO)。首先,通过佳点集策略增强初始种群的均匀性与多样性;其次,采用双收敛因子,收敛因子基于种群位置非线性自适应更新,在种群寻优全期平衡全局勘探与局部开发能力;再次,在种群位置更新公式引入欧氏动态权重与莱维飞行策略,提升寻优精度,并帮助种群跳出局部最优值;最后,引入改进迭代局部搜索,使算法的搜索能力更加灵活,帮助算法加速收敛。通过10个基准测试函数的仿真分析及种群寻优平衡性对比,证明了IGWO具有更优的寻优精度、稳定性及收敛速度,随后将IGWO应用于工程优化问题中,相比GWO、GJO、WOA、HSSAHHO、SCHOA、NCPGWO、DSFGWO 7种算法,适应度分别优化了3.25%、27.2%、28.9%、3.15%、3.04%、0.23%、0.07%,证实了在工程应用中的可行性和有效性。

分布估计灰狼算法求解低碳选址路径问题

针对碳定价背景下的低碳选址路径问题(Low-Carbon Location Routing Problem,LCLRP),首先构建了一种考虑油耗和碳排放成本,并以最小化设施选址成本、车辆启用成本以及运输成本为目标的选址-路径模型;其次,根据模型的特征,设计了一种分布估计灰狼算法(Grey Wolf Optimizer with Estimation of Distribution Algorithms,GWOEDA)对其进行求解。算法利用概率模型引导灰狼,并利用多父代交叉和两种邻域搜索算子增强了算法的全局搜索与局部搜索性能。算例分析结果表明:加入概率模型学习能力的灰狼算法在选址路径问题上有更好的寻优能力,并且在碳定价背景下,所构建的模型可以有效降低总成本和碳排放量。

基于混沌反向学习改进灰狼算法的移动网络调度运行信息共享方法

为了提高移动网络调度运行信息的效用程度,提出了基于混沌反向学习改进灰狼算法的移动网络调度运行信息共享方法。在研究信息内部网/省调隔离区(demilitarized zone,DMZ)、网/省调III区之间的信息共享结构的基础上,通过包含共享任务层、信息层以及用户层的三层调度网络模型实现信息共享,并确定信息效用最大化的信息调度优化目标函数,通过灰狼算法求解该目标函数,获取信息调度结果;为获取更佳的目标函数求解结果,创新性地引入混沌反向学习和信息共享搜索策略,优化灰狼算法的初始种群和交流能力,以此获取更佳的求解结果,实现信息最优共享。测试结果显示:该方法具有较好的应用性能,信息效用值均达到20以上,偏差率低于0.12、拟合优度高于0.92,能够完成不同传输模式下的信息共享,并且呈现共享信息详情。

离散灰狼优化算法求解VRPSPDTW问题

本文针对带时间窗约束的同时送取货车辆路径问题,建立了以总配送距离最小化为目标的数学模型.根据模型的特征,在保留灰狼算法(GWO)搜索机制的基础上,提出了离散灰狼优化算法(DGWO)进行求解.采用多种策略构建种群的初始解,并允许出现不可行解,扩大种群的搜索区域;引入带评分策略的邻域搜索策略,调整每种算子的概率,使算法选择优化效果更好的算子;使用移除-插入机制,对优质解区域进行探索,加速种群的收敛.在仿真实验中对标准数据集进行了测试,将实验结果和p-SA算法、DCS算法、VNS-BSTS算法和SA-ALNS算法进行了对比,实验表明DGWO算法能有效地解决带时间窗约束的同时送取货车辆路径问题.

基于多策略融合的灰狼算法的多阈值图像分割

为充分利用灰狼算法良好的搜索能力并进一步提升算法的收敛速度和计算精度,提出融合多种策略的灰狼算法,分割Renyi熵多阈值图像。文章提出非线性收敛因子,提高算法收敛性;采用自适应搜索策略,自动调整迭代初期和后期的头狼等级划分方式,对个体位置更新范围进行前期扩展和后期压缩,从而加快了寻优速度;应用柯西变异策略,帮助种群跳出局部极值;对比分析此算法与其他元启发式算法的多阈值分割方法。结果表明:所提算法在同样迭代次数下,得到最低的适应度值,且迭代曲线下降速度最快;当达到与次优算法相同的最小收敛值时,迭代次数平均可节省64.2%;在峰值信噪比和特征相似性分割指标上,得到至少一项最高分。

基于维度学习狩猎搜索策略的改进灰狼算法

针对基本GWO存在的早熟收敛、精度低等问题,提出了一种维度学习狩猎搜索策略的改进灰狼算法。首先,引入PWLCM映射—准反向学习策略对种群进行初始化,增强个体对解空间的搜索能力;其次,通过改变收敛因子和变权重的搜索方式求出第一候选个体位置,最后引入维度学习狩猎搜索策略寻找第二候选个体,通过比较选择最优的灰狼位置。为验证该算法的优异性,选取9个测试函数进行仿真实验,结果表明,提出的改进灰狼算法具有很好的稳定性和收敛精度。

舰船智能导航显控界面交互设计与应用

为提升显控界面的交互效果,确保舰船航行安全,提出舰船智能导航显控界面交互设计与应用。利用PS平面软件或Axure软件,绘制显控交互界面元件;在Axure软件内,以最大元件间距、最大视觉注意等级与最大隐喻度为目标,建立绘制显控交互界面元件布局模型,通过灰狼搜索算法求解该模型,得到绘制显控交互界面元件布局结果;在布局后的界面内加入交互用例,实现显控界面交互原型设计。若符合交互需求,则完成显控界面交互设计,反之修改界面布局方案。实验证明:该方法可有效布局显控交互界面的元件,并符合人眼的视觉需求;应用该方法后,操作人员操作显控界面时的反应速度较快,θ波功率较低,该方法可有效降低操作人员的脑力负荷,具备较优的交互效果。