Dolphin swarm algorithm

群体智能算法采取分布式解决问题的策略,已成功应用于很多传统算法难以解决的优化问题。目前已有粒子群算法、遗传算法、蜂群算法、蚁群算法等已经成功实现且效果良好的算法,但在优化对象日益复杂的今天,这些算法越来越难以满足人们对精度和时间的要求,而改进这些算法所带来的收益也越来越低。在这种情况下,设计一种新的算法来更好地解决优化问题变得越来越有意义。海豚有很多值得关注的生物特性和生活习性,如回声定位、信息交流、合作分工等。通过将这些生物特性和生活习性与群体智能的思想结合起来,引入优化问题中,我们提出了一种新的算法——海豚群算法,并给出了算法的相关定义,详细阐述了算法中搜寻、呼叫、接受、捕猎四个关键阶段。为了验证海豚群算法的效果,使用了10个性质各异的基准函数对海豚群算法以及粒子群算法、遗传算法、蜂群算法进行实验,并将4个函数的收敛速度和基准函数结果进行比较。实验结果表明,海豚群算法在大多数情况下,特别是在低维单峰函数、高维多峰函数、步长函数、带随机变量的函数中表现良好,具有收敛速度先慢后快、阶段性收敛、不易陷入局部最优、对基准函数具体性质没有要求等特点,尤其适用于适应度函数调用次数较多、使用个体较少的优化问题。

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.

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。

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.