多策略鼠群优化算法的无人机三维航迹规划

针对在复杂电力检测环境中无人机三维航迹规划问题,提出一种基于跳跃式自适应小孔成像反向学习鼠群优化(JAPRSO)算法的无人机三维航迹规划方法。JAPRSO算法引入了Sobol序列初始化种群以增强种群多样性;引入了非线性自适应因子实现动态权衡局部开发和全局搜索能力;嵌入了跳跃式围捕猎物机制以避免算法陷入局部最优;同时,引入跳跃式自适应小孔成像反向学习追赶猎物机制以提高算法的全局寻优能力。仿真结果表明:所提出的路径规划方法寻优性能优于RSO算法、灰狼优化(GWO)算法,金枪鱼群优化(TSO)算法和海鸥优化(SOA)算法,能够有效地躲避威胁区,快速获得航迹代价最小的安全可行航迹,可适用于求解电力检测方面的无人机三维航迹规划问题。

基于Logistic回归麻雀算法的图像分割

针对麻雀搜索算法后期种群多样性减少、易陷入局部最优解等问题,提出一种新的改进麻雀搜索算法。所提算法先引入小孔成像反向学习策略对发现者的位置进行更新,提升寻优位置的多样性;其次受Logistic模型的启发,提出一种新的自适应因子对安全阈值进行动态控制,平衡所提算法的全局搜索与局部开发的能力。通过与其他算法在6个基准函数上进行仿真对比,结果表明:所提算法的收敛精度与速度均优于其他算法。在工程应用上,用所提算法优化K-means聚类算法进行图像分割,峰值信噪比(PSNR)、结构相似性(SSIM)及特征相似性(FSIM)3种度量指标验证了其良好的分割性能。

基于改进哈里斯鹰算法的SVM与特征选择同步优化

标准支持向量机结合封装式特征选择具有冗余特征多、分类准确率低的不足,为此,提出基于改进哈里斯鹰算法的特征选择同步优化策略。为改进特征子集选取能力和支持向量机的分类准确率,利用混沌映射、能量因子非线性调整和小孔成像对立学习对哈里斯鹰算法进行改进,将改进哈里斯鹰算法用于SVM参数调整和特征子集选取同步优化问题。实验结果表明,改进算法能够在降低特征维度的情况下实现更高的分类准确率,实现同步优化效果。

基于多策略改进鼠群算法的机器人路径规划

鼠群优化(RSO)算法求解复杂环境下移动机器人路径规划问题时易出现早熟现象导致求解精度不足,针对此问题,提出一种多策略改进鼠群优化(MRSO)算法。首先,提出一种旋转小孔成像反向学习搜索策略,将其嵌入算法攻击猎物过程中对种群进行反向学习,提高算法全局搜索能力;其次,引入Iterative混沌RPOBL反向学习策略保证了算法的初始种群多样性,提高了算法初始寻优效率与收敛精度;最后,在算法追逐猎物过程中,采用“双平滑”和“双碗式”非线性自适应因子动态平衡了算法的全局搜索与局部探索,增强了算法局部和全局寻优能力。结果表明,在不同地图环境中,MRSO算法的路径寻优结果优于RSO、TSO和GWO算法,MRSO算法可快速和高效地解决复杂环境中移动机器人路径规划问题。

嵌入Circle映射和逐维小孔成像反向学习的鲸鱼优化算法

针对鲸鱼优化算法(WOA)容易陷入局部最优解、收敛速度慢等缺陷,提出一种改进鲸鱼优化算法.首先,利用Circle混沌序列取代原始算法中随机产生的初始种群,提高初始个体的多样性;其次,提出一种逐维小孔成像反向学习策略,增加寻优位置的多样性,提高算法摆脱局部最优的能力;最后,提出融合贝塔分布和逆不完全Γ函数的自适应权重,在保留鲸鱼优化算法优点的前提下,协调算法的搜索能力.通过对10个基准函数进行仿真实验,同时使用Wilcoxon检验、MAE等方法来评价改进后鲸鱼优化算法的性能,实验结果表明,改进算法在求解效率和稳定性等方面都有较大提升,同时,算法的寻优精度和收敛速度也比原始算法更优秀.