基于PSO与AFSA的GNSS整周模糊度种群融合优化算法

载波相位测量是实现全球导航卫星系统(Global navigation satellite system, GNSS)快速高精度定位的重要途径,而准确解算整周模糊度是其中的关键步骤之一.粒子群算法(Particle swarm optimization, PSO)收敛速度快但易陷入局部最优,人工鱼群算法(Artificial fish swarm algorithm, AFSA)全局优化性能好但收敛速度慢,因此融合两种算法的优点,提出一种GNSS整周模糊度种群融合优化算法(PSOAF).首先,通过载波相位双差方程求解整周模糊度的浮点解和对应的协方差矩阵.然后,采用反整数Cholesky算法对模糊度浮点解作降相关处理.其次,针对整数最小二乘估计的不足通过优化适应度函数来提高算法的收敛性和搜索性能.最后,通过PSOAF算法对整周模糊度进行解算.通过经典算例和试验研究表明:PSOAF算法可以更快地收敛于最优解,搜索效率也更为出色,解算的基线精度可以控制在10 mm以内,在短基线的实际情况下具有较高的应用价值.

基于CSA-AFSA算法的集装箱港口连续型泊位分配优化

为提升集装箱港口运营效率,笔者研究了考虑潮汐因素与泊位偏好的连续型泊位分配问题。引入了船舶时空矩形不可重叠约束和潮汐时间窗约束,构建以最小化船舶等待、延迟离港、泊位偏离以及在港期间油耗费用和最小为目标的混合整数线性规划模型;根据模型特征,采用CPLEX求解软件、鱼群算法、布谷鸟搜索算法和布谷鸟鱼群混合算法进行求解,以计划周期为36 h的20个不同规模的船舶到港数据为研究算例,通过算例求解得到符和潮汐时间窗、泊位偏好等要求的泊位分配方案。算例求解表明:算例规模较小时,CPLEX可以在较短时间内求出最优泊位分配方案;算例规模较大时,CPLEX求解时间较长,布谷鸟鱼群混合算法可以在平均3 min内求出与CPLEX差距为0.39%~4.20%的次优解;不同算法间的对比表明,布谷鸟鱼群混合算法求解能力更优,混合算法所得泊位分配方案中,乘潮船舶的进出港时刻均在潮汐高水位时段,且85%以上的船舶在偏好泊靠点200 m内接受装卸服务。

中国北方太阳总辐射模型优化及适用性评价

太阳总辐射(Rs)模型是估算地表能源最简单的方法,对区域ET_(0)管理、水资源及太阳能利用具有重要意义。选取中国北方47个代表性气象站点(1994-2016年)逐日数据,采用鱼群算法优化温度模型(T1、T2和T3)、日照时数模型(N1、N2和N3)和混合模型(M1),在日和月尺度评价太阳总辐射模拟精度。结果表明:在日尺度上,基于日照时数的模型(N1-N3)精度最高,其次为基于温度的模型(T1-T3),混合模型相对较差(M1),R^(2)分别为0.90~0.93、0.64~0.78和0.80~0.90,MAE分别为1.47~1.95、2.51~4.33和4.88~6.28 MJ/(m^(2)·d);在月尺度上,基于日照时数的模型(N1-N3)精度最高,其次为混合模型(M1)和基于温度的模型(T1-T3),R2分别为0.94~0.97、0.92~0.95和0.86~0.95,MAE分别为25.45~44.29、36.21~102.73和101.25~144.56 MJ/(m^(2)·d)。因此,推荐基于日照时数模型模拟太阳总辐射。

基于混合人工鱼群的ABC支持型切换决策机制

面向下一代互联网(NGI,next generation Internet)的实际需要,提出了一种总最佳连接(ABC,always best connected)支持型切换决策机制。引入模糊数学和微观经济学等相关知识,刻画应用类型、服务质量(QoS,quality of service)需求、接入网络和移动终端,综合考虑接入网络状况、应用需求、用户对接入网络编码制式偏好、用户对接入网络供应商偏好、终端当前运动速度和终端当前剩余电量等因素。使用博弈分析,基于变异与模拟退火相结合的混合人工鱼群算法,寻找把N个终端分配到M个接入网络的最佳切换决策方案,使各方效用达到或接近Nash均衡下的Pareto最优。仿真结果表明,该机制是有效的,性能较好。

人工鱼群与微粒群混合优化算法

针对人工鱼群算法局部搜索不精确、微粒群优化算法易发生过早收敛等问题,提出一种新的人工鱼群与微粒群混合优化算法。算法的主要思想是先利用人工鱼群的全局收敛性快速寻找到满意的解域,再利用粒子群算法进行快速的局部搜索,所得混合算法具有局部搜索速度快,而且具有全局收敛性能。最后,以五个标准函数和一个应用实例进行测试,测试结果表明,提出的算法在一定程度上避免了陷入局部极小,加快了收敛速度且提高了搜索精度。

PSO和AFSA混合优化算法

结合粒子群优化(PSO)算法和人工鱼群算法(AFSA)的优势,提出一种PSO-AFSA混合算法。将种群分为2个子群体,在每次迭代中,一个子群体利用PSO算法进化,另一个子群体利用AFSA进化,2个算法共享整个种群极值信息。通过混合算法对5个标准函数进行实验,并与标准PSO算法进行比较,结果表明混合算法具有更好的优化性能。

一种新的混合粒子群优化算法

针对标准粒子群算法在优化过程中受初始值影响较大且容易陷入局部极值的缺陷,将鱼群算法中聚群行为的基本思想引入粒子群算法中,据此建立了粒子中心的基本概念,并利用粒子的聚群特性调整粒子的飞行方向与目标位置,从而提出了一种新的混合粒子群算法,旨在改进原粒子群算法的全局收敛能力。为了检验混合粒子群算法的优化特性,采用三种典型的标准函数对五种现行智能算法进行了多方面的测试和比较。实验结果表明,新算法具有良好的搜索精度与速度,有效弥补了标准粒子群算法局部收敛和鱼群算法精度不高的双重缺陷,适用于解决复杂函数优化问题。

一种鲁棒的无线传感器网络覆盖空洞修补方法

在静态节点和少量移动节点构成的无线传感器混合网络中,针对部分静态节点失效会导致形成若干覆盖空洞的问题,提出了一种鲁棒的空洞修复算法。受鱼群运动模式的启发,该算法以网络覆盖率为目标函数,将移动节点的位置迁移过程抽象为人工鱼的生物行为,在传统鱼群觅食、追尾、聚群运动模式的基础上又定义鱼跃、优胜劣汰重生两个新的运动行为以提高寻优的收敛性;在人工鱼状态更新的过程中,采用自适应的视野和步长;最后以实际随机部署的移动节点距离目标点最近为原则,通过鱼群寻优完成空洞目标位置的修补。模拟实验结果表明,该算法无需修补前的地理位置信息和空洞探测,鲁棒性强,能够在使用较少移动节点的情况下快速完成空洞修复,显著地提高了网络覆盖率。

利用混沌鱼群算法的配网无功优化

为了更有效快速地处理电力系统配网无功优化问题,建立了配电网无功优化的数学模型,以网损和电压偏差最小以及电压稳定最大化为目标函数,以无功平衡、电压合格等为约束条件。采用新型混合优化算法,综合考虑混沌优化算法和人工鱼群算法两种算法的特点,使算法能够更好地适应问题的求解。并且对IEEE14节点系统和IEEE33节点进行系统仿真计算,结果表明,该算法在计算速度和收敛能力方面都具有优势,且优化效果可满足实际需要。

带多处理器混合流水车间调度问题的混合鱼群算法

针对带多处理器的混合流水车间调度问题(hybrid flow shop scheduling with multiprocessor task problems),以最小化所有工件的最大完成时间(makespan)为优化目标,提出一种融合了改进的人工鱼群算法和禁忌搜索算法的混合算法。首先改进人工鱼群算法相关行为及实验优选算法参数,提高了人工鱼群算法收敛速度和精度;然后结合人工鱼群算法收敛快和禁忌算法局部搜索能力强的特点,利用改进的人工鱼群算法进行全局搜索,获得较好的优化解域,再通过禁忌算法在优化解域内进行局部寻优,得到一个最终满意的优化解。基于180个标准算例,算法实验结果表明混合算法的优化性能明显优于禁忌算法和粒子群算法,并且很接近改进的遗传算法。

基于多元Taylor级数和AFS的混合定位算法

针对传统Taylor级数定位算法存在精度严重依赖初始值,导致定位精确度不高的缺陷,结合人工鱼群算法和多元Taylor级数展开算法的优点,提出了一种基于人工鱼群算法初值选取与多元Taylor级数展开算法精确求解的混合定位方法。算法充分发挥了人工鱼群算法初值估计性能良好和多元Taylor级数展开算法求解精度高的优点。仿真结果表明:上述算法减少了鱼群数目和迭代次数的选取对定位精度的影响,混合定位算法的精度更高。

基于人工鱼群算法的混杂FMS优化调度

针对已有的调度方法难以找到混杂柔性制造系统调度全局最优解的问题,根据一阶混杂Petri网模型提出了一种基于人工鱼群算法的混杂柔性制造系统调度方法。利用混杂Petri网不变行为状态序列与时间序列的对应关系把寻找最优解转换成寻找最优时间序列。首先给出了合法时间序列的定义及其基于人工鱼群算法的判定方法;然后给出了最优时间序列求解的人工鱼群算法,同时提出基于最优解视野变异的人工鱼群算法以解决多次优化过程中只会得到某个局部最优解的问题。最后基于这些算法给出混杂柔性制造系统的最优调度求解方法。实验结果表明所提出方法正确有效。

基于量子人工鱼群混合算法的输电网规划

人工鱼群算法是一种基于动物自治体模型的优化算法,量子算法是一种随机搜索算法,全局随机搜索能力强。利用鱼群算法强大的局部搜索功能与量子算法混合,构造出随机性和方向性比较平衡的量子人工鱼群混合算法。针对输电网络网架的优化规划这样一个复杂的组合优化问题,建立相应的数学模型,采用量子人工鱼群混合算法求解。24节点系统的计算结果表明,该算法用于电力系统输电网规划问题是可行的,有效的。

一种基于人工鱼群和文化算法的新型混合全局优化算法

提出一种基于人工鱼群和文化算法的新型混合全局优化算法,该混合算法的思想是将人工鱼群嵌入文化算法框架中,作为种群空间的一个进化过程;通过从进化种群中获得的知识组成知识空间,两空间具有各自群体并独立并行演化,从而实现增加人工鱼群的群体多样性。最后通过数值实例仿真结果表明,本算法具有较高的计算精度和收敛速度。

粒子群优化人工鱼群算法

针对标准粒子群算法寻优高维极值函数能力低,基本人工鱼群算法后期收敛速度慢,精度有待于提高等问题,提出了粒子群优化人工鱼群算法。上述算法综合利用了人工鱼群算法的良好全局收敛性、快速跳出局部极值的能力和粒子群算法信息策略、局部快速收敛性及简单操作易实现等优点。此外,引进了粒子的飞行速度和线性惯性权重特征,充分使用了两种算法的优点。通过仿真分析,验证了上述算法相比于两种基本算法具有更快的收敛速度和更高的寻优精度,且性能稳定。

基于精英高斯学习的改进鱼群粒子群混合算法

为提高算法在高维函数上的寻优性能,提出改进鱼群粒子群混合算法。该算法将鱼群算法全局搜索性能好与粒子群算法局部搜索性能强的优点相结合,在寻优初始阶段采用鱼群算法获得最优群体,在后期用粒子群算法实现精搜索。针对初始种群随意性大、分布不均的问题,通过均匀初始化,优化初始种群的分布;并对算法全局搜索方向性差、效率低的问题,采用仿照蛙跳算法的分组方式对种群进行分组,同时对组内优秀个体和一般个体使用不同搜索策略,提高搜索的目的性和效率。引入改进的精英高斯学习,从而提升最终结果的精度。利用该算法对6个标准函数寻优并与其他算法比较,结果表明,该算法的改进有效且性能优于其他算法。

基于混合优化算法的最优潮流计算

应用粒子群(PSO)与人工鱼群(ASFA)混合优化算法求解最优潮流(OPF)问题[1];该算法利用ASFA良好的全局收敛性与PSO的局部快速收敛性等优点,结合动态调整罚函数,将最优潮流问题转化为一个无约束求极值问题。最后,应用此算法对IEEE-30系统进行仿真,并与遗传算法、标准PSO算法、ASFA算法进行比较,结果表明该混合算法具有更好的优化性能。

中国区域经济协调发展的混合鱼群算法聚类分析

文章构造模拟退火—混沌鱼群混合算法(SA—CAFSA),对中国区域经济协调发展水平进行聚类分析。首先建立区域经济协调发展评价指标体系,通过主成分分析对指标数据做降维处理;然后利用模拟退火—混沌鱼群混合算法,对2014年的中国区域经济协调发展水平进行聚类分析。仿真表明,聚类分析结果与客观实际有较高的吻合度,混合鱼群算法聚类分析合理有效。

混合改进人工鱼群算法逆向回收车辆路径问题的研究

以电子废弃物回收为例,考虑车辆路径问题(VRP),以运输成本、时间窗下的惩罚成本和碳排放成本最小为目标,构建多目标VRP非线性规划模型,并提出用混合改进人工鱼群算法对该模型进行求解。在确定初始人工鱼群规模前引入ε-约束法,实现人工鱼群规模的自适应生成并加快算法收敛速度。通过对人工鱼群算法视野、步长及拥挤度因子的自适应改进以改善算法易陷入局部最优解的缺陷。利用算例仿真实验验证设计的混合改进人工鱼群算法在求解精度和收敛速度上的优越性。结果表明,该算法具有较强的全局寻优能力,能有效地解决逆向回收车辆路径优化问题,可为电子废弃物逆向回收车辆路径规划提供参考建议。

人工鱼群——粒子群混合算法优化进港航班排序

针对空中交通管理中的进港航班排序问题,提出了人工鱼群—粒子群混合算法(AFPSO)这一航班排序算法来优化进港航班排序,使时段内进港航班队列总延误时间最少。算法结合了基本人工鱼群算法(AFSA)和基本粒子群算法(PSO)各自的优点,先以AFSA在全局寻找满意的解域,再以PSO算法在这些解域中进行快速的局部搜索获得精确解,最终使算法提高收敛速度和搜索精度。仿真结果表明,在单跑道和双跑道情况下,AFPSO算法使得航班队列总延误时间比FCFS调度方法减少了20.9%和34.4%,比基本AFSA减少了3.2%和3.5%。算法得到的满意解能够为自动化空中交通管理提供实时支持。