基于扩展等几何分析和混沌离子运动算法的带孔结构形状优化设计

为了解决带孔结构形状优化问题,提出了一种将扩展等几何分析方法和混沌离子运动算法相结合的优化求解模式。针对带孔结构的力学计算,采用扩展等几何分析方法,以几何体外轮廓划分背景网格,利用非均匀有理B样条描述带孔边界,其中在劲度矩阵组装过程中,孔内区域不做积分。另外,为获得高精度的积分计算,与孔边界相关的单元采用自适应四叉树细化规则。在优化模型中,以描述结构形状的控制点作为设计变量,以结构质量最小作为优化目标;利用离子运动优化算法代替传统的敏感性移动渐进法对优化模型进行求解。带孔无限平板算例的扩展等几何分析计算结果和转矩臂结构优化算例的计算结果证明了本文方法的有效性。

一种采用混合策略的改进离子运动算法

为了克服离子运动算法(IMO)存在的不足,提出一种新的改进离子运动算法(IIMO)。该IIMO算法基于同类离子相互排斥而异类离子相互吸引,以及离子在液态空间中出现随机移动的特征,刻画出一种新的离子运动数学模型。选取14个比较典型的优化问题用来测试IIMO算法的性能。测试结果表明,IIMO算法比IMO和PSO算法具有更快的收敛速度、更强的局部搜索能力和全局搜索能力,IIMO算法的鲁棒性比IMO和PSO算法强。

基于离子运动-人工蜂群算法的移动机器人路径规划

针对移动机器人在仓储环境下的路径规划问题,提出了一种基于离子运动的人工蜂群(IM-ABC)算法用于路径规划。该方法为提高传统的人工蜂群(ABC)算法在路径规划中的收敛速度和搜索能力,采用一种模拟离子运动规律来更新蜂群的策略。首先,在算法前期利用离子运动算法中的阴阳离子交叉搜索来更新引领蜂和跟随蜂,从而引导种群进化方向,极大提高种群开发能力;其次,在算法后期为了避免前期过早收敛导致局部最优,引领蜂采用随机搜索,跟随蜂则利用反向轮盘赌来选择蜜源,以扩大种群多样性;最后,在全局更新机制中提出自适应性花香浓度以改善抽样方式,进而得到改进后的IM-ABC算法。标准测试函数测试与仿真实验结果表明,IM-ABC算法不仅能快速收敛,且和传统ABC算法相比迭代次数减少了58.3%,寻优性能提升了12.6%,表现出较高的规划效率。

一种改进的离子运动算法分析

离子运动算法是一种新型智能优化算法,该算法通过考虑带异性电荷离子间相互吸引的特征,实现全局寻优,但针对该算法存在的仅向自身异性离子学习模式单一的问题,提出了一种改进的离子运动算法,在增加种群多样性的同时加快了算法的寻优速度,提高了算法的全局寻优能力。

基于改进离子运动算法的MIMO雷达正交波形设计

针对MIMO雷达波形正交性能不佳的问题,提出一种基于改进离子运动算法的MIMO雷达正交波形设计。首先,根据信号间自相关和互相关的特性设计出表征MIMO雷达波形正交性能的能量模型;其次,在离子运动算法的液态更新阶段提出一种同类离子种群最优搜索策略,并在晶态更新阶段设计一种基于适应度排名机制的搜索方式;最后,将改进算法与其他3种优秀算法进行对比实验,结果表明本文算法在MIMO雷达波形的正交性能上具有一定优势。

基于多样性全局最优引导和反向学习的离子运动算法

针对离子运动算法空间探索能力和开发能力的不足,提出一种改进算法.在离子运动算法的液态阶段中,该算法嵌入一种多样性反馈搜索机制和全局最优引导策略的算法结构;同时,优化算法晶态阶段中的初始化过程采用反向学习方法生成,其中,初始化概率采用动态惯性改变方式.经过国际上通用的23个基准函数测试,与一些流行的元启发式算法比较,并从平均收敛值、方差、Wilcoxon符号秩检验、收敛成功率以及最优收敛时间等方面进行综合评估,从而表明所提出算法的有效性.

基于记忆策略的动态离子运动优化算法

针对动态优化问题求解时普遍存在的多样性保持不够、寻优能力不足等问题,提出了一种基于记忆策略的动态离子运动优化算法。该算法引入了全局最优个体和斥力的作用,改进了固体阶段的启动条件和更新方式;提出了根据概率选取存储记忆个体,构建正、反向记忆种群;依据余弦相似度排序规则,利用正、反向记忆种群更新进化种群,加快进化种群跟踪最优解的能力;并提出基于余弦相似度排序的环境变化后增加种群多样性的方法。将本文算法与近年效果较好的4种动态优化算法在国际上通用的动态测试函数DF1和MPB移动峰问题上进行测试,仿真结果表明,本文算法在求解精度、收敛速度及稳定性上都优于其他对比算法。