计及行驶工况的多目标纯电动汽车路径规划

对纯电动汽车充电路径规划问题进行研究,提出了一种计及行驶工况的多目标纯电动汽车路径规划方法。充分考虑了驾驶特性、环境因素以及交通路况对电动汽车能耗的影响,建立了行驶工况数据库。设计了行驶工况特征参数提取策略,在最大限度降低数据维度的同时,筛选出最能反映行驶工况的特征参数子集。采用改进核FCM算法对行驶工况进行聚类分析,通过引入加权核函数和自适应聚类机制,实现行驶工况最佳聚类划分的同时,得到了反映不同行驶工况的平均参数水平。在此基础上,构建基于行驶距离、时间和能耗的多目标充电路径规划模型,并采用改进的离散多目标海豚群算法进行求解,通过重新定义海豚个体编码和群体进化方式,得到合理路径规划方案。仿真结果表明:所提规划方法得到的规划路径,行驶时间减少了约(3.8~12.4)%,充电成本降低了约(5.6~11.8)%。

基于混合算法的半刚性连接钢框架结构优化

海豚回声算法(DEA)是一种模拟海豚利用回声定位进行捕食的元启发式优化算法,具有高效的搜索能力。本研究通过对海豚回声算法的基本原理进行分析,发现该算法的选择机制容易导致优化结果陷入局部最优解,而算法本身不具备跳出局部最优解的机制。因此,为了改进海豚回声算法的全局搜索能力,引入了遗传算法(GA),提出了一种海豚回声-遗传混合算法(DEA-GA):在每一个迭代步中,首先基于海豚回声算法生成子代,再引入遗传算法中搜索能力很强的交叉、变异操作生成新的子代。该混合算法结合了海豚回声算法和遗传算法的优势,既拥有海豚回声算法收敛速度快、效率高等优点,也具备遗传算法全局寻优能力强的特点,同时克服了海豚回声算法容易产生局部最优解和遗传算法容易出现“早熟”等缺陷。本研究以一榀单跨5层和一榀两跨10层的平面框架为例,建立以结构总重最小为目标的半刚性钢框架结构优化的数学模型,分别使用遗传算法、海豚回声算法和本研究提出的混合算法进行求解,优化过程通过Matlab编程实现。算例结果显示:海豚回声-遗传混合算法所得结构的总重比遗传算法小50%以上、比海豚回声算法小7%以上,且该趋势随着设计变量的增加而增加;同时,混合智能优化算法在复杂结构的优化上效率更高、效果更好。

基于DPA-BP神经网络的地下水质综合评价

为了提高地下水质量的预测精度,提出了一种由海豚群算法与BP神经网络结合的水体质量评价方法(DPA-BP)。算法的主要思想是将求解BP神经网络最优权值和阈值的过程转化为海豚群捕食寻求最优位置的过程,通过逐代寻优,确定BP网络评价水环境质量的最优权值、阈值。并对文献[9]中8个采样点地下水的数据与其他算法进行对比评价。结果表明,DPA-BP算法对地下水质评价的精确性高、稳定性好,具有较好的鲁棒性和实际工程实用价值。

基于混合DE算法的改进海豚群算法

为了提高海豚群优化算法的优化能力,针对基本海豚群算法搜索阶段易陷入局部最优和早熟收敛的缺陷,将DE入算法,提出了一种改进的海豚群算法。算法通过DE的交叉和变异机制避免局部最优。测试结果表明,改进的算法在收敛速度和寻优精度方面有更好的表现。

基于信息熵的改进海豚群算法及其桁架优化

针对基本海豚群算法易陷入局部最优的缺陷,提出了基于信息熵的改进海豚群算法,引入信息熵来度量海豚群搜索阶段的不确定性,控制搜索阶段的选择概率,降低盲目搜索,克服了基本海豚群算法搜索阶段易陷入局部最优和早熟收敛的缺陷。将改进后的算法应用到桁架结构的优化中,并与其他算法优化结果进行了比较,证明了改进的算法在收敛速度和寻优精度方面有更好的表现,将其应用到桁架结构优化设计中,为结构优化设计提供了一种有效的方法。

基于DSA的局部阴影下光伏阵列MPPT方法研究

针对传统的最大功率点追踪(MPPT)在局部阴影下失效、粒子群算法收敛慢以及易陷入局部搜索等缺陷,而海豚群算法(DSA)在多峰函数寻优中具有收敛速度快且收敛精度高的优点,把海豚群算法应用到光伏MPPT中,提出一种基于DSA的MPPT控制方法。使用MATLAB/Simulink搭建光伏MPPT模型,将其与粒子群算法在多组光照模式下进行对比仿真验证。仿真表明,所提方法能精准搜索到全局最大功率点,且收敛速度提升50%~60%。

跳跃海豚群算法

针对海豚群算法收敛速度慢、容易陷入局部最优等缺陷,提出一种跳跃海豚群算法.增加跳跃步骤,保留更多优秀解,加快收敛;提出声波长度随迭代自适应变化的策略以及含有变异因子的动态位置更新策略,满足算法不同时期对进化的需求;并加入早熟收敛机制,降低陷入局部最优的机率.最后,分析了参数对算法性能的影响,并与四种算法进行对比,实验表明其在收敛速度、收敛精度以及鲁棒性上优势明显.

基于扩展有限元和改进海豚回声优化算法的损伤识别方法

提出了一种基于扩展有限元和改进海豚回声算法的方法,对结构中损伤的位置和尺寸进行识别。该方法在获得实际结构测量响应后,运用改进海豚回声算法对实际响应与扩展有限元模拟结构响应之差进行最小化,优化损伤参数,实现对损伤的估计和识别。在改进的海豚回声算法中,提出了一种搜索范围动态变化的寻优机制,增加了初搜索、精搜索、平移搜索、回溯搜索和重搜索等五个过程,相比原算法有较高的效率和较好的收敛性能。通过数值仿真方法验证了所提出的改进算法以及损伤识别方法的合理性和有效性。

基于海豚回声定位算法的SDWSN路由算法

针对软件定义无线传感器网络(Software-Defined Wireless Sensor Networks,SDWSN)模型中分布式传感器存在能量消耗大以及网络寿命低等问题,本文提出了一种基于海豚回声定位算法的SDWSN路由算法,该算法的目标是考虑利用节点的剩余能量来选择节能路径,利用海豚回声定位算法优化SDWSN中的路由选择来实现节约能量,提高传感器网络寿命.实验结果表明,与其他几种元启发式算法相比,本文提出的算法在能耗和吞吐量参数方面具有明显优势.

求解约束优化问题的改进海豚算法

海豚算法是一种新型的群智能优化算法,但该算法仍存在末期收敛速度慢、求解精度不高、易陷入局部极值的缺点。针对算法的不足,提出了一种改进的海豚算法。改进算法通过限制海豚最大速度,并在优化调整原算法中捕食行为的基础上提出新捕食行为,以此来提高算法的搜索性能。最后,通过使用经典工程设计问题对算法性能进行测试。仿真结果表明,与原算法相比,改进算法的全局搜索能力和局部精细搜索能力得到了明显提高,并具有更好的收敛速度、求解精度和稳定性。

基于DPO-BP的建筑混凝土配合比优化设计研究

为解决BP神经网络在混凝土抗压强度的预测中训练效果差、泛化能力低的缺陷,将海豚算法(DPO)与BP神经网络结合构建基于DPO优化BP神经网络模型(DPO-BP)应用于混凝土配合比优化,提出了一套切实可行的混凝土配合比设计方案。结果表明,与BP算法、遗传算法优化BP神经网络(GA-BP)、粒子群算法优化BP神经网络(PSO-BP)等算法相比,该优化方式具有收敛速度快、鲁棒性好等优点。DPO-BP算法求解精度高、可移植性强,还可以用作边坡稳定性判断、机器故障诊断、空气水体质量评价等诸多领域,具有重要的工程价值。

求解约束优化问题的海豚算法

针对广泛存在于实际工程等领域,但使用传统方法难于求解的约束优化问题,提出了一种求解约束优化问题的海豚算法。海豚算法主要通过模仿海豚利用超声波在大海中追逐和捕食猎物的行为进行寻优。对三个经典工程实例的优化结果表明,该算法具有收敛速度快、求解精度高、稳定性好且不易陷入局部极值等优点,非常适合解决约束优化问题。

混沌海豚群优化灰色神经网络的空中目标威胁评估

分析空中目标威胁评估特点,综合考虑威胁价值、威胁能力和威胁程度,建立空中目标威胁评估框架;针对海豚群算法易陷入局部最优和早熟收敛等问题,提出一种混沌海豚群算法,将混沌搜索策略引入海豚群算法,通过混沌初始化、动态分群和早熟优化机制,提高算法的全局寻优能力;利用混沌海豚群算法对灰色神经网络的初始参数寻优,通过搜索到的最优解建立基于混沌海豚群算法优化的灰色神经网络模型,并用于空中目标威胁评估.仿真实验表明,混沌海豚群算法优化的灰色神经网络在保证一定收敛速度的基础上,能够提升寻优精度,对测试集的预测效果优于传统灰色神经网络和基本海豚群优化的灰色神经网络,验证了所提算法模型在空中目标威胁评估中的有效性.