基于改进鼠群优化算法的起重机主梁轻量化设计

为提高元启发式算法求解桥式起重机主梁优化问题的寻优精度与效率,文中提出一种改进的鼠群优化算法(IRSO)。该算法采用Hénon混沌随机反向学习初始化种群,提高算法的初始寻优性能;在追逐行为中,引入随机反向学习和高斯变异混合策略对鼠群进行逐维学习,增强算法的全局搜索能力;在搏斗行为中,采用翻筋斗搏斗搜索策略更新鼠群位置,增强算法的局部搜索能力;在算法中引入自适应余弦控制因子,实现算法控制参数之间的动态平衡,提高算法的整体寻优能力。仿真结果表明:与其他算法相比,IRSO算法寻优能力更优、收敛精度更高、稳定性和鲁棒性更强;同时,IRSO算法可高效地解决桥式起重机主梁轻量化设计问题,减重效果可达20.72%,具有较好的工程实际应用能力。

基于数据驱动的热连轧终轧温度预测

终轧温度是热连轧生产过程中主要控制的工艺参数,是确保带钢质量的重要前提。带钢在精轧阶段经历复杂的换热过程,现场采用的半机理模型很难提高预测精度。针对此问题,从数据驱动角度出发,建立一种基于多策略改进鲸鱼优化算法(IWOA)与极限学习机(ELM)相结合的终轧温度预测模型。融入柯西变异提升鲸鱼算法跳出局部最优的能力;借助余弦控制因子平衡鲸鱼算法全局搜索与局部开发能力;引入翻身觅食策略降低鲸鱼算法陷入局部最优的概率和提升算法的收敛速度。实验结果表明:建立的IWOA-ELM终轧温度预测模型在预报精度方面优势明显,预测终轧温度在±6℃以内的命中率为94%,具有广阔的应用前景。

基于改进WOA参数优化的反应釜PID控制器

为了解决工业中传统PID控制算法对于大时滞、非线性系统较难取得良好的控制效果的问题,提出一种基于改进鲸鱼优化算法(IWOA)的PID控制器整定算法。该算法考虑均衡算法的探查以及开发能力,引入非线性收敛因子;为了提高算法的勘察能力,避免陷入局部最优的情况,引入正余弦扰动因子改进位置更新策略;最后以化工反应中反应釜温度为被控对象,对其PID控制器进行参数自整定实验,并将结果与WOA算法、Z-N整定算法、PSO算法进行对比,验证了IWOA算法在优化PID控制器工程上的优越性。

自适应t分布与动态边界策略改进的算术优化算法

针对算术优化算法(arithmetic optimization algorithm,AOA)存在的收敛速度慢、易陷入局部最优等问题,提出了自适应t分布变异和动态边界策略改进的算术优化算法(t-CAOA)。利用引入自适应t分布变异策略提高种群的多样性和质量可以有效提升算法的收敛速度,同时通过引入余弦控制因子的动态边界策略优化AOA的寻优过程,从而协调AOA的全局勘探和局部开发能力。对10个单模态和多模态函数进行寻优实验,并与鲸鱼优化算法、灰狼优化算法等算法进行对比,实验结果表明,经过改进的算术优化算法具有更高的寻优精度和稳定性。进一步对t-CAOA进行求解大规模优化问题的实验,实验结果表明,改进过的t-CAOA可以有效地解决大规模优化问题。

基于余弦控制因子和迭代局部搜索的蝙蝠优化算法

针对蝙蝠算法寻优精度低、易陷入局部极值、求解不稳定的问题,提出了一种基于余弦控制因子和迭代局部搜索策略的蝙蝠的算法。首先在蝙蝠速度公式中加入由余弦因子控制的非线性惯性权重,来动态调节算法全局搜索与局部搜索的平衡,提高算法寻优精度和稳定性。其次,在每轮迭代结束时引入迭代局部搜索策略,扰动局部最优解获得中间状态,并重新搜索上述中间状态得到全局最优解,使算法快速跳出局部最优解,找到全局理论最优。最后与其他算法在12个复杂基准函数上进行仿真实验。结果表明,改进后的算法较好地解决了蝙蝠算法寻优精度不高、易陷入局部极值和求解不稳定的问题。

融合差分进化与多策略的阿基米德优化算法

鉴于阿基米德优化算法存在易早熟,收敛慢等缺点,提出一种融合差分进化与多策略的阿基米德优化算法.首先,通过位置参数,随机选择两种混沌映射初始化种群来增强种群的多样性;其次,通过余弦控制因子的动态边界策略改进密度因子,来平衡算法的全局探索与局部开发能力;接着,融合差分进化算法,缩小最优位置的范围,以达到快速向最优位置靠拢的目的.最后,选取10个基准测试函数进行仿真实验,并对实验结果进行Wilcoxon秩和检验,结果表明所提算法性能优于对比算法.