融合松鼠搜索策略的混沌飞蛾算法

飞蛾算法是一种结构简单、配置参数少且适用范围广的群智能算法,但在收敛精度和收敛速度等方面还有待提高,且存在易收敛到局部最优的问题,为此提出一种融合松鼠搜索策略的混沌飞蛾算法。该策略采用sinusoidal混沌映射获取高质量初始种群;在飞蛾寻优过程中引入松鼠算法中松鼠的寻优途径,设置高质量火焰个体与近距离火焰个体指导飞蛾高质量寻优,通过余弦控制因子触发的捕食者概率促使飞蛾跳出原始火焰对其的吸引,提高飞蛾算法全局搜索能力;改造自适应t分布因子与火焰自适应减少公式,控制适应度较差的种群通过列维飞行进行随机迁移,增加算法的局部搜索能力。通过CEC2017测试集、CEC2022测试集与两个工程应用实例分别与其他15种智能算法进行对比验证,结果表明改进算法在收敛速度、搜索能力和跳出局部最优等方面具有一定优势。

求解高维复杂函数的改进飞蛾扑火算法

提出一种融合自适应动态扰动系数和分段可调节搜索策略的飞蛾扑火优化算法(a moth-flame optimization algorithm with adaptive dynamic disturbance coefficient and piecewise adjustable search strategy,ADMFO),求解高维复杂函数优化问题。通过自适应动态扰动系数策略来提高算法的全局搜索能力,避免算法陷入局部最优;通过分段可调节搜索策略来平衡全局探索和局部开发的比重,以此实现更好的寻优策略。对15个单峰和多峰复杂高维基准函数进行寻优实验,与粒子群算法、正弦余弦算法、蝴蝶算法、灰狼算法和其他4种改进算法进行对比。实验结果表明,ADMFO算法具有更好的寻优精度和稳定性。

基于改进飞蛾扑火算法的集成调度仿真

针对制造型企业成本上升等问题,建立生产与运输集成调度的数学规划模型,提出一种双自适应权重飞蛾扑火算法(double adaptive weights for moth flame optimizer,DAWMFO)进行求解。提出了一种双自适应权重机制;使用螺旋函数更新种群,提高了算法的收敛速度和精度。采用改进算法对基准函数进行了测试,结果表明:DAWMFO不仅能够快速收敛且不易陷入局部最优,寻优能力较其他算法也有所提升。通过对生产与运输集成调度的数据集做仿真实验,验证了改进算法在求解此类问题时可行高效。

基于改进飞蛾扑火算法的电动汽车充电站选址

为解决电动汽车充电站的选址问题,将Tent混沌映射反向学习策略和动态惯性权值策略与飞蛾扑火优化算法相结合,得到混沌反向学习的飞蛾扑火算法。在所提算法中,引入Tent混沌映射和反向学习初始化策略来提高初始解的多样性;采用动态惯性权值策略在前期提高探索能力,并在后期加快迭代速度。用算例进行分析,采用改进算法对电动汽车充电站进行选址比标准飞蛾扑火算法和标准粒子群算法更有效。

基于自适应飞蛾扑火优化算法的三维路径规划

三维路径规划问题是在干扰环境下寻找出发点到目的地之间最优路径的组合优化问题。针对传统群智能算法在求解该问题时存在收敛精度低、易陷入局部最优等缺陷,提出了一种自适应飞蛾扑火优化算法对该问题进行优化求解。改进算法通过引入飞行方向动态调整策略和位置交叉策略,在动态调整飞蛾飞行方向的同时不断产生新个体,有效避免了算法陷入局部最优;通过自适应调整火焰的数量,在算法全局探索阶段增强了种群多样性,避免了早熟收敛。将自适应飞蛾扑火优化算法与其他群智能算法用于三维路径规划问题求解,实验结果表明,改进的自适应飞蛾扑火优化算法在所有算法中代价值最小,收敛速度最快,说明该算法在三维路径规划问题中具有更好的求解能力。

虚拟电厂参与下含高渗透可再生能源系统的运行策略

为电力系统能够规模化灵活控制分布式可再生能源与可控负荷参与系统市场交易和优化调度。文中提出一种虚拟电厂(Virtual Power Plant,VPP)参与下含高渗透可再生能源的双层优化调度模型,将虚拟电厂作为独立市场主体参与系统调度,两层之间交替求解,实现协同优化;同时利用威布尔分布、贝塔分布模拟风电、光伏的随机性,计及可再生能源出力不确定性带来的高估与低估成本。针对双层优化模型,混合整数、非凸、非线性、多目标的特点提出一种新颖的多目标飞蛾扑火算法(Multi-Objective Moth-Flame Optimization,MOMFO)。最后通过修改后的IEEE 39节点为算例验证文中提出的模型可均衡各层收益主体,在维持安全稳定运行的前提下,系统运营利润最大化,有效实现了电力系统的可持续性发展;同时也验证了多目标飞蛾扑火算法的有效性与竞争性。

基于中低压交直流配电网的工业园区综合能源系统设计探索

为解决交流配电网电能传输效率低下等问题,以融合中压与低压层级的交直流混合配电网为基础,提出了一种基于中低压交直流配网的综合能源系统配置方法,同时还能提高新能源消纳能力与供电可靠性。首先,建立综合能源服务设备配置和日常运行经济性双层规划模型;然后,通过改进飞蛾火焰优化算法与CPLEX进行联合求解;最后,在给定算例下得到最优的综合能源设备配置方案,并与传统交流配电网下的各项成本进行对比分析,验证了基于交直流配电网的综合能源系统更具有先进性与可靠性。

新型飞蛾火焰优化算法的研究

飞蛾火焰优化算法(Moth-Flame Optimization,MFO)是一种自然激励且易于实现的全局优化算法,在许多实际优化任务中表现出良好的性能。然而,MFO算法存在早熟收敛和容易陷入局部最优解的问题,针对这些不足,提出了一种Kent混沌动态惯性权值的改善飞蛾火焰优化算法(Ameliorative MFO,AMFO)。在AMFO算法中,引入Kent混沌映射搜索策略帮助当前最优解跳出局部最优;采用基于适应度值和迭代次数的动态惯性权值策略来平衡算法的开发和探索能力,以进一步提升MFO算法性能。在8个经典benchmark函数上验证AMFO算法的搜索精度和性能,并将其结果与标准飞蛾火焰优化算法、粒子群算法和差分进化算法进行比较,仿真结果表明AMFO算法具有较好的搜索性能。

基于改进飞蛾优化算法的农业物流配送中心选址策略研究

农业物流配送中心选址模型是一类具有多约束条件的复杂非线性模型,难以有效优化,提高配送效率,节约配送成本。针对上述问题,本文通过引入基于控制因子的非线性惯性权重和遗传算法中的交叉变异策略对飞蛾优化算法进行改进,提高算法的全局收敛能力和收敛速度,并将改进后的飞蛾优化算法对农业物流配送中心选址模型进行优化。通过测试函数和实际算例的仿真试验,验证本文所提改进算法的高效性,配送中心选择所需计算时间提高50%,配送效率提高30%。

基于飞蛾扑火算法的自移式排岩机轻量化设计

为降低大型露天矿自移式排岩机的自重,基于飞蛾扑火算法对其进行轻量化研究。首先分析了传统排岩机的系统组成和受力特点,基于排岩机的结构参数、性能指标以及物料排放工艺参数,提出一种新型的结构布局方案。在此基础上,对排岩机进行简化并运用飞蛾扑火优化算法开展轻量化研究,优化结果表明:优化后的重量相对优化前减少158 480 kg,降低了12.42%。

面向绿色再制造系统的AGV路径规划研究

为了解决绿色再制造系统中的自动导引运输车(AGV)路径规划问题的问题,提出一种粒子群遗传融合的AGV全局路径优化的自适应算法.该方法集成了遗传算法(GA)和粒子群算法(PSO)二者的优点,为了改善传统PSO-GA融合算法迭代前期寻优速度慢的问题,引入了自适应惯性权重;为了提高算法进入迭代后期的收敛精度,提出了一种双重交叉变异策略,使得改进的PSO-GA融合算法比传统的PSO-GA融合算法搜索能力更强,进化速度更快,收敛精度更高.为了验证改进后算法的优越性,采用栅格法模拟自动导引运输车运行环境并通过MATLAB对标准粒子群、遗传、传统的PSO-GA融合、改进PSO-GA融合四种算法解决路径优化问题进行试验对比,结果证明了改进后的PSO-GA算法的可行性和有效性.

基于改进飞蛾扑火算法的区域水资源优化配置模型研究

为解决复杂的区域水资源优化配置问题,以区域缺水率最小和污染物排放量最小为目标函数建立了水资源优化配置模型,并以汾河下游谷地供水区为例,预测其在规划水平年20%、50%、75%和95%来水频率下的供需水量。针对飞蛾扑火算法(MFO)存在的搜索耗时较长、易陷入局部最优的问题,改进其烛火更新公式及对数螺旋函数。通过对群智能算法中常用的测试函数做仿真实验,对比分析了改进前后MFO算法的寻优结果,并采用改进的MFO算法对模型进行求解。实例结果表明,所构建的区域水资源优化配置模型合理有效,改进的飞蛾扑火算法收敛速度快,寻优性能优越,可用于水资源优化配置领域。

自适应双层粒子群优化算法

针对粒子群优化算法(PSO)在解决复杂问题时存在着早熟收敛和进化后期收敛速度较慢的问题,提出一种自适应双层粒子群优化算法(ADLPSO).在每次种群迭代时,利用双层粒子群中的记忆群体向全局最优位置靠近的特性,通过改进的粒子群更新公式更新记忆群体.同时为提高群体的多样性,对惯性权重进行自适应调整,并令自适应过程和双层粒子群的更新同步进行.仿真结果表明ADLPSO算法能够快速的得到更优解.

基于CEEMDAN-MFO-RBF的风电功率短期预测

文中提出一种基于自适应噪声完整集成经验模态分解与飞蛾扑火算法优化径向基神经网络的短期风电功率预测方法.首先,利用自适应噪声完整集成经验模态分解对风电功率信号进行分解,以获得不同时间尺度的固有模态函数分量和剩余分量,该方法相较于经验模态分解与集成经验模态分解具有更好的收敛性和完整性.其次,利用飞蛾扑火算法优化径向基神经网络的结构参数来提高网络的泛化能力,构建风电功率预测模型.最后,将分解后的各个分量分别输入风电功率预测模型,得到各分量的预测结果,再将各分量的预测结果线性组合得到最终的风电功率预测结果.算例结果表明,文中的预测模型对风力发电功率具有更好的预测性能.

基于蛾火优化的自适应最稀疏时频分析方法及应用

自适应最稀疏时频分析(Adaptive and sparsest time-frequency analysis,ASTFA)方法能对复杂信号进行自适 应的分解,但是初始相位函数和带宽参数取值需要人工经验,如果选择不当会严重影响ASTFA方法的分解能力。针对 该问题,论文将蛾火优化(Moth-FlameOptimization,MFO)算法应用于ASTFA方法的初始相位函数和带宽参数的优化, 提出基于蛾火优化的自适应最稀疏时频分析(Moth-flame optimization based adaptive sparsest time-frequency analysis, MFO-ASTFA)方法。将MFO-ASTFA与ASTFA方法进行了对比,并将MFO-ASTFA方法应用于齿轮故障诊断,结果表 明了MFO-ASTFA的优越性及有效性。

不对称参数同塔双回线故障定位方法

为迅速而准确地实现不对称参数同塔双回线故障定位,分析了不对称参数同塔双回输电线路电气特性,根据解耦后由两端推算至故障点电压序分量相等的原理,构造出以故障距离为未知数的含有多维复数双曲函数的测距方程。为克服传统方法求解该方程存在伪根等缺陷,引入自适应粒子群算法(AWPSO)进行优化求解。通过分析测距结果提出该故障点所在回线判据。PSCAD/EMTDC仿真结果表明,该方法能准确定位故障点及其所在线路,且不受故障类型、过渡电阻及系统运行方式的影响。

货运列车自适应模型平滑切换及节能优化研究

为了使货运列车运行过程切近实际,提出了一种基于加速度自适应的货运列车质点模型平滑切换方法。首先,建立列车的单质点和多质点模型,基于扰动加速度偏差变化率进行列车多模型的自适应切换研究。然后,为了降低大功率机车牵引电机的工作能耗,引入货运列车牵引控制的多目标和约束条件,建立了多目标优化模型,并提出一种新型的多目标飞蛾扑火(MOMFO)算法用于优化货运列车运行过程。最后,采用HXD1型电力机车牵引50节C80货车作为研究对象,通过仿真验证了所提方法对货运列车牵引电机节能及运行过程优化具有重要意义。

结合重心反向变异的飞蛾扑火优化算法

针对经典飞蛾扑火优化算法(MFO)在寻优过程中容易存在早熟及寻优精度低等问题,本文提出一种改进型飞蛾扑火优化算法(IMFO)。首先,使用佳点集初始化种群,使得初始种群分布更具遍历性;其次,引用惯性权重更新飞蛾位置,平衡算法的开发和探索能力;最后,采用重心反向变异策略对位置进行变异,跳出局部最优。选取8种测试函数进行测试,仿真结果表明:IMFO算法具有更快的收敛效率、更强的全局寻优能力和鲁棒性。

求解高维全局优化问题的改进飞蛾火焰优化算法

针对标准飞蛾火焰优化算法在求解高维全局优化问题时存在收敛速度慢、解精度低和易陷入局部最优等缺点,提出一种改进的飞蛾火焰优化算法(简记为IMFO).该算法首先引入动态惯性权重对飞蛾位置更新方程进行修改以平衡算法的勘探和开采能力.受差分进化算法启发,设计出一种新的随机差分变异策略,以帮助种群跳出局部最优,选取18个高维(100、500和1000维)全局优化问题进行数值测试,结果表明,在相同的适应度函数评价次数下,IMFO在收敛速度和求解精度指标上明显优于基本MFO算法和其他对比算法.

基于Lévy飞行和自适应权重的混合WOAMFO算法

针对鲸鱼优化算法(Whale Optimization Algorithm,WOA)在迭代后期种群多样性丧失,易陷入局部最优的问题,将飞蛾-火焰算法(Moth-Flame Optimization algorithm,MFO)的位置更新机制融合到WOA中,由此提出了一种混合型算法WOAMFO.并在此基础之上进行了改进:通过引入Levy飞行策略对种群进行干扰,使算法在前期全局勘探阶段能够扩大搜索范围,预防算法早熟;通过引入自适应权重,使算法在后期的局部开发过程能够获得更快的收敛速度和更精细的搜索范围.改进的算法命名为IWOAMFO.选取10个经典基准测试函数对算法的性能进行了测试,结果表明WOAMFO能够有效平衡全局勘探能力和局部开发能力,性能要优于WOA和MFO.同时,IWOAMFO相较于WOAMFO来讲,具有更快的收敛速度、更好的全局勘探能力和稳定性.