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。

基于改进乌鸦搜索算法评定圆度误差

针对传统启发式智能优化算法评定圆度误差计算效率低且容易陷入局部最优解的问题,提出采用改进乌鸦搜索算法评定圆度误差。根据最小区域拟合准则建立乌鸦搜索算法评定圆度误差数学模型,并引入权重系数,提高算法全局搜索能力,同时设定最小二乘圆心附近为乌鸦搜索初始位置,提高算法搜索效率。最后通过模拟和实验验证了所提算法的准确性和高效性,并通过多组数据对比发现改进乌鸦搜索算法的全局搜索能力较遗传算法(GA)、粒子群算法(PSO)和传统乌鸦搜索算法(CSA)得到明显提升。

基于声音特征优化和改进支持向量机的鸟声识别

为了在低参数量下提高鸟鸣声的识别准确率,提出了一种新的鸟声识别方法,包括鸟声信号特征优化和乌鸦搜索-支持向量机(Support Vector Machine,SVM)分类识别。该方法首先采用主成分分析法对从鸟声中提取的梅尔频率倒谱系数(Mel Frequency Cepstrum Coefficient,MFCC)和翻转梅尔频率倒谱系数进行选择,得到优化后的声音特征参数并将其作为鸟声识别算法的输入;然后利用乌鸦搜索算法对SVM的核参数和损失值进行选优,得到改进的SVM网络用于鸟声分类识别。试验结果表明,该方法对5种鸟声识别的准确率为92.2%,声音特征维数在16时可以得到最好的识别效果。该方法为野外鸟声自动识别提供了一种可行的方式。

一种融合乌鸦搜索算法的K-means聚类算法

传统的K-均值聚类算法(K-means)对初始聚类中心的选择敏感,容易陷入局部最优解,并且需要预先设定聚类数量K,这在实际操作中往往难以实现。为了解决这些问题,提出了一种融合乌鸦搜索算法的K-means聚类算法。该算法利用乌鸦搜索算法的全局搜索能力,自动确定最佳的聚类数目K,从而提高聚类的质量和效率。通过在Seeds数据集进行实验计算卡林斯基-哈拉巴斯(Calinski-Harabasz)指数等评价指标,发现该算法聚类效果明显优于传统的K-means算法。

基于二次分解和乌鸦搜索算法优化组合模型的超短期风速预测

针对风速的波动性和随机性等特点,提出一种基于二次分解和乌鸦搜索算法优化组合模型的超短期风速预测方法。该方法的基本思路是构造基于变分模态分解、样本熵和奇异谱分析的二次分解的方法,将原始风速序列分解为不同的子序列,并对这些子序列分别建立预测模型,最后重构。对变分模态分解的子序列建立基于长短时记忆网络的深度学习模型预测,而残差序列进行二次分解后的子序列建立乌鸦搜索算法优化的组合预测模型预测。最后,对子序列进行重构并得到最终的预测结果。使用实际的风速观测资料开展模拟实验,结果表明:在3个风电场中,所提模型与其他模型相比平均相对误差分别提升了30.07%、37.56%和37.40%,验证了混合模型在超短期风速预测中的有效性和稳定性,以及在不同数据集上的泛化性能。

考虑充电设施的无人机配送路径规划研究

为解决偏远农村地区物流配送存在的困难,对无人机配送进行系统性规划,共分3个阶段:考虑到续航里程限度,建立了充电设施选址模型;从绿色路由的角度,以最小化总能耗作为目标,建立了考虑充电设施的无人机多包裹配送路径规划模型;根据实际无人机数量进行任务分配,建立了任务分配模型。第一、三阶段的模型应用SCIP求解器求解。对第二阶段的混合整数非线性规划模型,设计了双层启发式算法CW节约-改进和修复乌鸦搜索算法(CW-IRCSA)求解。实验表明,对于洪格尔高勒镇的案例,充电设施的选址有利于节约资源,能得到能耗最低的配送路径,且任务分配合理;对于100个及以下的需求点规模,与CW节约-离散修复乌鸦搜索算法(CW-DRCSA)、CW节约-修复模拟退火(CW-RSA)相比,CW-IRCSA算法具有较高的求解精确度;在偏远地区,相对于传统卡车配送模式,无人机配送成本平均节约61.45%。

基于CSA-PLS算法的养殖水体水质快速高光谱预测反演模型研究

养殖水体水质的优劣直接影响养殖对象的成长,准确、快速、全面地掌控养殖水环境的水质参数变化情况具有重要意义。传统的水质指标监测方法都通过人工采样的方式,不仅耗费时间长,且只能体现局部水体情况。针对这些问题,提出了一种乌鸦搜索算法(CSA)结合偏最小二乘回归(PLSR)的高光谱特征波段筛选方法,快速构建回归模型,实现光谱数据的精准预测反演。以连片的养殖小区为研究对象,采集养殖水体样本并拍摄同时期的高光谱影像数据。首先对提取的采样点光谱数据利用多种数据变换方法分别预处理;其次利用这些数据,对水质指标总氮(TN)、氨氮(NH_(4)^(+)-N)、总磷(TP)和化学需氧量(COD)分别构建全波段的SVR和AdaBoost回归模型,同时与提出的CSA-PLS自动筛选波段方法和传统的连续投影算法(SPA)筛选波段后构建的模型进行比较分析;最后根据决定系数(R^(2))和均方根误差(REMS)选出适合各水质指标的最优模型。从实验结果可以看出,所提波段筛选方法的AdaBoost模型预测结果优于SVR和传统SPA方法提取特征波段后构建的模型,与全波段最优模型相比,在评价指标R^(2)和RMSE上TN提升了18.32%和10.73%;NH_(4)^(+)-N提升了17.42%和11.19%;COD提升了2.15%和2.54%。结果表明,基于CSA-PLS算法的光谱波段自动筛选方法结合AdaBoost构建的预测反演模型是有效、可行的,具有较高的精准度,为实现养殖水环境实时准确的预警调控提供了一种新的数据预测模型。

结合改进ANFIS的车辆半主动悬架振动控制

为改善MR阻尼器半主动悬架的减振效果,提出一种基于改进自适应神经模糊推理系统(ANFIS)的半主动控制方法。首先,针对MR阻尼器的逆向动力学模型难以精确确定的问题,采用改进乌鸦搜索算法(MCSA)对ANFIS进行优化,即分别用MCSA和最小二乘法对ANFIS的前件参数和后件参数进行寻优,以克服标准ANFIS易于陷入局部最优解的缺陷。为了提高标准乌鸦搜索算法(CSA)的搜索精度,采用三角概率分布策略选择目标乌鸦,并对更新后的解实施反转变异操作。然后,根据悬架响应设计LQR控制器以计算理想控制力,并与改进逆向模型相结合,实现理想控制力与MR阻尼器输入控制信号之间的转化,从而调节阻尼力,实现车辆半主动悬架系统的振动控制。仿真结果表明:相较于GA-ANFIS和PSO-ANFIS,所提出的MCSA-ANFIS逆向建模方法具有更高的预测精度,使MR阻尼器的输入信号和阻尼力的预测精度分别提高17.49%和30.62%;以随机路面信号作为半主动悬架的激励,相较于被动控制和LQR-COC半主动控制,所提出的LQR-MCSA-ANFIS控制策略能使簧载质量加速度、悬架动行程和轮胎动载荷的均方根值分别下降12.37%、37.63%、30.70%以及6.64%、14.89%、17.27%。该半主动控制策略可为MR阻尼器悬架系统的减振研究提供参考。

电力物联网光伏微网多目标容量配置优化研究

光伏微网内部容量配置较小,导致光伏并网自我消纳能力不足,造成经济损失。为了解决这个问题,提出了电力物联网光伏微网多目标容量配置优化研究。建立运行成本、投资成本、年收益目标函数,以经济最优为目标,构建多目标容量配置目标函数。在改进乌鸦搜索算法中引入最优粒子群算法,求解目标函数,以乌鸦评判感知率为依据,输出配置结果最优解。实验结果表明,该方法光伏负荷曲线与理想光伏负荷曲线一致,总收益比理想收益高1 410万元,说明使用该方法经济效益较高。

含电动汽车和热电联产的区域微电网参与电网辅助服务调度

如今,在发达的特大城市,越来越多的分布式电源和电动汽车接入微电网。该文提出一个区域微电网,由一个热电联供系统和一系列插电式电动汽车组成。其主要目的是通过将PEV整合为快速响应存储来提供辅助服务和充分利用可再生能源提高系统的能源利用率和经济效益。停车场会聚集形成电力电子设备集群,并与CHP签订双边合同,以便能够参与调节电力市场。提出改进的乌鸦算法,对问题进行求解。通过MATLAB对算法进行数值仿真表明,如果区域微电网参与电力市场调控,每兆瓦的经济价值显著提高,总利润增加。

基于改进乌鸦搜索算法的无人艇新型路径规划策略

鉴于无人艇的实际航行需求,所规划的路径应满足顺滑性和经济性要求,为此提出一种基于改进乌鸦搜索算法和新型路径拟合方法的路径规划策略。文中提出一种新型路径拟合方法,用于优化转向点的数量并对转向点进行圆弧过渡处理,从而缩短路径长度,并保证无人艇在航速稳定的情况下实现转向,在此基础上提出一种改进的乌鸦搜索算法,用于优化路径转向点的位置。算法的改进主要体现在3个方面:采用反向学习策略以提高初始种群质量及多样性;提出一种动态变化的意识概率以提高算法局部和全局的搜索能力;采用莱维飞行策略以改善搜索的方向性和有效性。仿真结果表明,所提出的新型路径拟合方法优于B样条曲线拟合方法和直线段拟合方法。迭代计算和方差分析结果表明:在优化新型拟合路径方面,所提出的改进乌鸦搜索算法相较于标准乌鸦搜索算法、差分进化算法和遗传算法具有更高的收敛精度和鲁棒性,能更高效地处理无人艇路径规划的实际问题。

一种以优秀个体记忆位置为导向的改进乌鸦搜索算法

为了克服乌鸦搜索算法搜索能力弱、易陷入局部最优之不足,提出新的以优秀个体记忆位置为导向的改进乌鸦搜索算法(EICSA):基于个体贮藏食物量之多少,种群中多数个体划归为普通个体、少数贮藏食物量较多的个体划归为优秀个体.优秀个体只在其贮藏食物的巢穴附近开展局部搜索活动.多数普通个体以优秀个体贮藏食物之巢穴为导向,在算法前期以较大步长进行全局探索,保持了种群的多样性;算法后期则以较短步长进行局部开发,使算法的全局探索能力和局部开发能力均得到了增强.通过12个基准函数和3个工程应用问题的数值实验,结果表明EICSA的全局优化能力得到了明显提高,在函数和工程应用问题优化中具有较快的全局收敛速度、较好的优化精度和稳定性.

基于改进乌鸦搜索算法的动态柔性作业车间调度应用研究

车间运作中常会面临许多随机事件扰动,这会扰乱原始调度方案,使得车间生产混乱,生产效率降低。文章以随机机器故障可恢复、不可恢复或需较长事件恢复、紧急工件插入以及紧急工件插入时机器发生故障等4种情况作为随机事件,使用一种混合重调度驱动方式来响应随机事件。同时,构建出动态柔性作业车间调度模型,将本用于处理连续性问题的乌鸦搜索算法进行改进,采用基于机器和基于工序的离散编码方式,设计了3种子代生成方法来增强全局搜索能力,以一定概率发生变异避免产生局部最优。另外,采用IG迭代贪婪算法增加算法的开拓能力,采用完工时间偏差以及序列偏差作为评价标准,在多个测试案例中对右移重调度和完全重调度进行比较分析,同时将文章提出的算法与遗传算法GA和差分进化算法DE进行对比。实验证明,在测试不同的调度方法时,所提出的算法具有优越性与高效性。

协同粒子群算法的乌鸦搜索算法与无线传感器网络应用

无线传感器网络技术在随机部署过程中经常面临节点分布不均匀的挑战。为了提高节点部署覆盖率,提出了一种协同粒子群算法的乌鸦搜索算法。该方法将粒子群优化与乌鸦搜索算法相结合,使乌鸦搜索算法能够利用粒子群优化的全局最优位置信息,平衡全局和局部搜索能力。在初始化过程中,采用了Logistic混沌映射来处理种群的多样性。此外,引入自适应步长和Levy飞行,提高了算法逃避局部最优的能力,提高了收敛速度和优化精度。当应用于优化8个基准函数和部署WSN节点时,新算法始终优于其他智能算法,证明了其在函数优化和WSN节点部署方面的有效性。

A Real-time Lithological Identification Method based on SMOTE-Tomek and ICSA Optimization

In petroleum engineering,real-time lithology identification is very important for reservoir evaluation,drilling decisions and petroleum geological exploration.A lithology identification method while drilling based on machine learning and mud logging data is studied in this paper.This method can effectively utilize downhole parameters collected in real-time during drilling,to identify lithology in real-time and provide a reference for optimization of drilling parameters.Given the imbalance of lithology samples,the synthetic minority over-sampling technique(SMOTE)and Tomek link were used to balance the sample number of five lithologies.Meanwhile,this paper introduces Tent map,random opposition-based learning and dynamic perceived probability to the original crow search algorithm(CSA),and establishes an improved crow search algorithm(ICSA).In this paper,ICSA is used to optimize the hyperparameter combination of random forest(RF),extremely random trees(ET),extreme gradient boosting(XGB),and light gradient boosting machine(LGBM)models.In addition,this study combines the recognition advantages of the four models.The accuracy of lithology identification by the weighted average probability model reaches 0.877.The study of this paper realizes high-precision real-time lithology identification method,which can provide lithology reference for the drilling process.

基于极限学习机模型的风电功率预测方法

风能具有较强的波动性和随机性,风电功率也具有同样的特点。因此,本文提出了改进极限学习模型来提高风能的利用率。首先,本文提出了通过乌鸦搜索算法来优化参数,通过收敛性能的测试,乌鸦搜索算法在全局搜索能力以及局部的开发能力上具有较大的优势。其次,确定模型函数的输入输出变量,然后分别用多个评估性指标与其他模型进行比较。最后,对改进极限学习机模型的预测结果进行了评估和分析。预测结果表明改进极限学习模型的预测精度和稳定性均高于其他模型。

基于乌鸦搜索算法的医疗数据填补方法

医疗数据的缺失会导致统计功效降低,进而严重影响诊断的准确性,甚至出现误诊。因此,对医疗问题中的各缺失数据选用有效的填补方法极为重要。为了在医疗数据存在缺失的情况下,对数据进行高效填补以提升医疗数据挖掘效果,本文提出了基于乌鸦搜索算法的医疗数据填补方法。设计了数据填补模型,在此基础上确定了算法个体编码与数据填补模型的映射方式,进而应用乌鸦搜索算法对填补模型进行迭代寻优,最后通过最优的填补模型构建完整医疗数据集。在4个医疗数据集上与2种传统填补方法[均值填补(Mean Imputation,MI)、K最近邻填补(K Nearest Neighbor Imputation,KNNI)]等进行了对比实验,人工构造不同缺失率的数据集,运用各填补方法对缺失数据集进行填补,并将分类算法在填补数据集上的准确率作为填补方法的效果评估指标,结果显示,相较于MI,所提方法使得分类算法在4个数据集上平均提高了3.7%、3.8%、11.1%和17.7%的准确率;相较于KNNI,所提方法平均提升了分类算法4%、14.8%、12.6%和21.7%的准确率。以上结果表明,本文所提基于乌鸦搜索算法的填补方法能够有效完成缺失数据的填补,提升数据挖掘算法的性能。

C-V2X中基于CSA-GA的多跳广播算法

高效可靠的多跳广播算法可以有效降低交通异常事件对交通的影响。在车联网中,由于车辆高速移动和车辆间通信链路频繁丢失,使得设计高效可靠的多跳广播算法颇具挑战。鉴于此,提出一种基于乌鸦搜索算法和遗传算法的多跳广播算法。划分了异常事件影响区域;为稳定可靠地将消息转发至影响区域,综合考虑多种因素,设计了评价模型;为适应车联网的复杂环境,针对不同道路区域设计了不同的转发策略;针对中继节点选择问题,设计了基于乌鸦搜索算法和遗传算法的优化算法;使用OMNeT++工具进行仿真。结果表明,在每跳平均时延、冗余率和分组投递率3种常用指标下,所提算法性能较其他算法均有不同程度提升。

基于多目标乌鸦搜索算法优化DenseNet图像分类算法研究

图像分类是计算机视觉领域中的关键任务,其目标是将输入的图像分配到预定义的类别中,核心思想是通过学习从图像的局部特征中提取高级抽象表示,使模型能够有效识别并区分不同类别的图像。图像分类已应用于诸多领域,包括医学影像识别、自动驾驶、安全监控等。但图像分类也存在一些问题,如小样本问题、类别不平衡及对抗攻击等。近年来,随着深度学习的迅速发展,卷积神经网络(CNN)在图像分类任务中取得了显著的效果。设计了一种启发式算法,引入多目标乌鸦搜索算法,解决多目标优化问题,通过实验,与其他先进算法进行比较,验证了优化后的DenseNet在图像分类任务上性能有所提升,可优化卷积神经网络模型在图像分类中的应用。

混合D-H参数法与改进CSA的康复机器人在老年人体育锻炼中的应用

针对当前康复机器人轨迹规划优化算法优化性能不足,导致康复机器人对老年人体育锻炼的辅助效果不显著的缺陷,提出一种结合D-H参数法和改进乌鸦搜索算法来进行康复机器人轨迹规划的优化方法.首先,基于D-H参数法对康复机器人进行运动学和动力学建模,在此基础上构建目标函数;然后,引入Levy飞行机制和Tent混沌映射策略来优化乌鸦搜索算法;最后,再利用改进乌鸦搜索算法来实现康复机器人轨迹规划优化.实验结果显示,改进乌鸦搜索算法完成收敛需要迭代39次,在函数f1上GD值为0.0020,比WOA算法低0.0005;在函数f2上GD值为0.0020,优于其他算法.结果表明,结合D-H参数法和改进乌鸦搜索算法能够有效优化康复机器人轨迹规划,从而提高老年人体育锻炼的辅助效果,对老年人的生活质量提升有积极作用.