多策略融合改进的金豺优化算法及其在马斯京根模型参数估计中的应用

针对金豺优化算法在解决复杂或高维优化问题时易陷入局部最优、收敛速度慢和计算精度低等不足,提出一种基于多策略融合改进的金豺优化算法(Multi strategy fusion improved Golden Jackal Optimization Algorithm,MGJO)。首先,通过引入混沌映射策略初始化种群代替随机参数,使得算法能够在搜索空间中生成具有良好多样性的初始解,避免初始种群分布偏离最优值;其次,提出一种非线性变化的动态惯性权重使搜索过程更加符合实际情况,有效平衡了算法的全局搜索和局部搜索能力;最后,引入柯西变异的位置更新策略使其充分利用最优个体的引导作用提高种群多样性,以有效探索未知区域避免算法陷入局部最优。为了验证改进的金豺优化算法的寻优精度、收敛性能和稳定性,选择了8个不同特征的基准测试函数进行试验。结果表明,在8个基准测试函数中,改进的金豺优化算法的平均值、标准差、最优值都取得了最优的结果。此外,Wilcoxon符号秩检验的结果表明改进的金豺优化算法在统计学上是显著优越的。通过实例应用表明,基于多策略融合改进的金豺优化算法可以有效地估算出马斯京根模型的参数,优化效果明显优于粒子群优化算法、正弦余弦优化算法和金豺优化算法,进一步验证了多策略融合改进的有效性和改进算法在参数优化中的优越性,为更精确估计非线性马斯京根模型参数提供了一种有效的新方法。

基于遗传粒子群动态聚类算法的物流柔性分拣系统品规分配

目的针对目前烟草物流配送中心条烟分拣量大,不同条烟品规的分配对订单的总处理时间影响较大的问题,研究平衡各个分拣区品规的分配,提高分拣效率。方法建立以各分区品规相似系数和最小为目标函数的数学模型,并采用改进的遗传粒子群动态聚类(GAPSO-K)算法进行求解。首先,结合各品规分拣量对品规相似系数进行改进,并将其作为适应度函数;然后在粒子群算法中对惯性权重因子进行改进,使其值可以进行自适应改变;最后,在粒子群动态聚类算法中引入遗传算法中的交叉变异扩大解的搜索范围,基于Matlab对文中的其他算法进行求解对比,求得结果在EM-plant中进行仿真验证。结果结合某烟草物流配送中心数据仿真验证,利用GAPSO-K算法处理订单的时间为234.5 s,较传统时间大幅度较少,有效提升了柔性物流分拣效率。结论采用该算法可充分发挥2种算法的优良性,具有更好的收敛性及寻优性,为柔性物流品规分配提供了新思路。

基于动态惯性权重的电子节气门改进PSO-BP优化控制

针对汽车电子节气门系统存在的动态迟滞非线性问题,提出一种模糊神经网络PID控制器的设计方法。该控制器将动态调整惯性权重的粒子群优化算法和BP算法结合来优化模糊神经网络参数,修正模糊神经网络在寻优过程中收敛缓慢、易陷入局部最小值的不足。利用模糊神经网络的自学习能力,对PID控制器参数进行整定。仿真结果表明,经过优化后的模糊神经网络PID控制器相比于模糊PID控制器在响应时间、超调量和振荡次数等方面都有显着提升。在模拟气流扰动工况施加扰动信号后,该控制器表现出良好的抗干扰性能。在电子节气门响应试验中,节气门响应曲线存在轻微超调,但稳态误差较小,表明该控制方法下电子节气门具有良好的动态响应特性。

融合多策略改进的灰狼优化算法及其在汽轮机转子应力监测上的应用

针对灰狼优化算法求解精度低和易陷入局部最优的缺陷,提出一种融合多策略改进的灰狼优化算法(improved grey wolf optimization algorithm,IGWO)。首先采用混沌映射规则生成初始解,以增强初始种群的均匀性和遍历性;其次加入狼群交叉变异过程,以增加种群的多样性,避免陷入局部最优;最后引入动态惯性权重对灰狼位置进行更新,加快迭代过程的收敛。将IGWO与其它相似算法进行实验对比分析,结果表明:IGWO在6个标准函数的测试中优化性能表现最优,验证了其求解精度更高,泛化能力更强;将IGWO应用到某300MW级火电机组的汽轮机转子应力监测问题上,采用IGWO优化支持向量回归(support vector regression,SVR)建立的预测模型相对误差处于[-1.33%,1.88%],平均相对误差为0.64%;相较于其它预测方法,IGWO-SVR具有较高的求解精度和稳定性,验证了改进措施可有效提高IGWO的寻优性能,相关研究结论可为GWO的改进和汽轮机转子应力监测提供参考。

基于时序配合的主从微电网需求侧资源动态聚类算法

为了合理利用和动态聚类主从微电网需求侧资源,提高资源利用效率和运行性能,提出了基于时序配合的主从微电网需求侧资源动态聚类算法。在时序配合下,对主从微电网需求侧资源进行提取。将主从微电网需求侧资源负荷峰谷差、负荷波动率最小化和负荷消纳率最大化作为目标函数,设定主从微电网需求侧资源曲线波动率和负荷互补约束条件,构建主从微电网需求侧资源动态聚类模型。基于动态调整惯性权重的粒子群算法,求解主从微电网需求侧资源动态聚类模型,实现主从微电网需求侧资源动态聚类。实验结果表明,所提算法的主从微电网需求侧资源动态聚类效果较好,能够有效实现主从微电网需求侧资源的合理利用,提高主从微电网需求侧资源动态聚类效率。

改进蝙蝠算法的紫外光引导无人机路径规划

为了解决农业无人机在障碍物干扰环境中进行路径规划任务时存在的寻优精度低、避障能力弱等问题,利用无线紫外光通信引导设备全天候非直视通信、隐秘通信及适用于各种特殊场合等特点,建立了无线紫外光飞行路径引导系统,提出基于指数递减策略的改进蝙蝠算法(EDS-IBA),引入基于指数递减策略的动态惯性权重和相邻路径点的人工势场,在保证无人机路径平滑的同时,避免陷入局部最优,通过障碍物干扰代价和紫外光通信代价保证飞行环境的多样性及真实性。结果表明,EDS-IBA相较于基于差分进化算法的改进蝙蝠算法和传统蝙蝠算法,2维环境下,规划的平均路径长度分别缩短了10.7%和16.3%;3维环境下,规划的平均路径分别缩短了13.7%和36.2%;算法达到收敛状态时,EDS-IBA的适应度值也较小,在路径规划能力和算法性能方面有较好的可行性和有效性。该研究对无人机路径规划的实际应用和开发具有一定的现实意义。

基于改进粒子群算法的机械臂逆运动学求解

为了克服一般传统方法在求解机器人逆运动学问题时的不足,通过构建合理的适应函数将机械手逆运动学问题转变为目标优化问题,然后通过群智能算法加以优化,进而求解逆运动学问题。给出一种粒子群算法的优化方法,通过动态惯性权重来调节算法全局搜索和局部搜索的能力,同时引入收缩学习因子来避免算法陷入局部最优。以机器人末端执行设备的位置误差最小,设机器人在运动过程中的能量消耗最小为优化目标,在一种串联仿人机械臂上进行了仿真实验。通过计算机仿真结果便可发现,与其他粒子群算法对比,经过改进的粒子群算法具有较好的收敛速率和求解精度。可以看出,该方案能够合理地进行机器人逆运动学问题的解决。

融合禁忌搜索和惯性权重动态调整的二进制粒子群优化算法

传统的二进制粒子群算法在优化过程中容易出现收敛速度慢和容易陷入局部最优的问题,因此提出了一种融合禁忌搜索和惯性权重动态调整的二进制粒子群优化算法。该算法不仅综合了粒子群优化算法的快速性、随机性、全局收敛性的优点,而且能够进行禁忌搜索以实现局部寻优。通过在4个基准测试函数上进行实验,实验结果表明该算法在逃离局部最优解方面具有更好的能力,提高了算法的收敛性能。

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。

基于改进粒子群优化算法的永磁球形电机驱动策略研究

永磁球形电机(PMSpM)是一种结构紧凑、可多自由运动的单关节传动装置。该文提出一种适用于PMSpM驱动策略优化的改进粒子群优化(IPSO)算法,该算法可实时计算PMSpM期望转矩所对应的线圈驱动电流。首先,通过圆环函数建立PMSpM转矩解析模型,并构建转矩Map图;然后,在确定种群数量后为标准粒子群优化(PSO)算法引入自适应动态惯性权重和自适应学习因子,将所提IPSO算法与PSO算法进行仿真对比,仿真结果表明,在同样的精度下采用IPSO算法计算驱动电流比采用PSO算法有更快的计算速度;最后,通过PMSpM控制试验进一步证明了该仿真结论的正确性。

增强型麻雀搜索算法及其工程优化应用

提出一种增强型麻雀搜索算法(Enhanced Sparrow Search Algorithm, ESSA)并应用于压力容器设计问题的优化.首先,ESSA在初始化阶段采用Gauss映射生成混沌序列替代原算法种群;其次,在迭代阶段加入动态惯性权重和以迭代次数为参数自由度的学生t分布扰动因子引导算法搜索全局最优;最后,采用随机回归的越界处理方法进一步提升算法搜索性.通过对15组基准函数测试,对比了改进的灰狼优化算法(PSO_GWO)、改进的鲸鱼优化算法(EGolden-SWOA)、两种改进的麻雀搜索算法(ISSA1、ISSA2)以及原算法(SSA),仿真实验结果验证了改进策略的有效性.同时,针对约束优化问题,采用一种基于自适应参数的双适应度函数对比法处理约束条件,将ESSA应用于压力容器设计问题的优化,实验数据对比其他文献中方法,取得了最优的结果.

基于改进布谷鸟算法的配送车辆路径优化方法

针对配送车辆行驶路径选择不合理、配送效率降低等问题,提出基于改进布谷鸟算法的配送车辆路径优化方法。遵循路径最短配送原则,构建目标函数,为简化模型结构,设置路径优化的相关约束条件,保证每个需求点只能被配送一次,车辆必须在最大距离负荷范围内行驶,建立路径优化模型;分析经典布谷鸟算法的鸟巢位置更新过程,添加调整因子,引入动态惯性权重;通过布谷鸟搜索算法求解优化模型,经过种群初始化、鸟巢位置更新等过程不断寻找全局最优解,当满足迭代停止条件时,输出最佳优化方案。实验证明,该方法搜索能力强,解集分布均匀,能确保配送路径最短,提高配送效率。

一种混沌映射动态惯性权重的樽海鞘群算法

为提升群海鞘群算法求解精度和收敛速度,提出了基于混沌映射动态惯性权重的群海鞘群算法.首先利用Tent混沌映射生成初始种群,计算种群适应度并保留最优个体作为初始食物源位置;将种群大小均分为领导者和追随者两部分以提高算法全局搜索能力,通过引入疯狂算子完成对领导者的位置更新;在追随者位置更新公式中,提出了基于精英保留及动态惯性权重的追随者位置更新策略,通过计算个体适应度值完成食物源的位置更新.实验结果表明,改进算法拥有更好的性能.

基于改进粒子群算法的室内可见光定位研究

为了提高现行室内可见光定位系统的定位精度,提出考虑噪声干扰的动态惯性权重及认知因素的改进型粒子群算法。首先,将决定定位精度的欧式距离转换为目标函数最小值优化问题;其次,利用惯性权重动态赋值,增强粒子群算法初期的全局搜索能力和后期的局部搜索能力;然后,利用正弦函数使得个体认知因素值非线性地减小,利用余弦函数使得群体认知因素值线性地增加,以进一步提升定位精度;最后,通过仿真与实验测试对所提定位算法进行验证。仿真测试结果表明,在5 m×5 m×3 m和5 m×4 m×3 m两种定位模型中,在0,0.5,1.0和1.5 m四个高度平面的空间定位平均误差分别为0.65和0.54 cm;实验结果显示,在搭建的1 m×1 m×0.8 m和1 m×0.8 m×0.8 m室内空间中的平均定位误差分别为2.67和1.81 cm。

基于多尺度排列熵和IWOA-SVM的滚动轴承故障诊断

针对滚动轴承信号表现出的非线性和非平稳性特征问题,合理的特征选择可提高故障诊断率,提出基于多尺度排列熵(MPE)与改进鲸鱼算法(IWOA)优化支持向量机(SVM)的故障诊断模型。首先,通过变分模态分解(VMD)进行信号降噪预处理,计算多尺度排列熵进行信号特征重构;其次,引入惯性动态权重对鲸鱼算法进行改进,通过训练SVM参数,建立IWOA-SVM故障诊断模型;最后用美国凯斯西储大学轴承数据集进行仿真。结果表明,相较于多尺度熵,MPE可表征的故障特征信息更加丰富,故障识别率提高了2.1%;与同类优化算法相比,采用IWOA对SVM进行优化的故障诊断模型,收敛速度快、训练时间短、故障识别精度高,可对滚动轴承进行有效诊断。

混合策略改进的正弦余弦算法

针对正弦余弦算法在求解函数优化问题时存在的求解速度慢和收敛精度低等缺陷,提出了一种混合策略改进的正弦余弦算法.首先,采用余弦拟合度策略,通过旋转变换算子与轴向变换算子来更新种群位置信息,进而能够有效保持种群的多样性和提高求解精度.其次,利用单纯形法对种群中适应度较差的个体更新位置信息,增强算法的勘探能力和开采能力.最后,采用自适应参数调整策略,来均衡全局的搜索性能和局部的开采性能.增加动态惯性权重策略,使寻优过程充分利用个体的位置信息,提高局部的开采性能和加快算法的收敛速度.采用8个基准测试函数来评估改进算法的性能,并与其它改进算法用于压力容器设计中.实验结果表明:改进算法在求解速度和收敛精度方面均具有实质性的优势.

基于改进粒子群优化PID的矿用机电设备控制策略

针对矿用机电设备自动控制误差大、实时性差的问题,文中基于改进粒子群优化PID算法,设计了一种矿用机电设备优化控制策略。在矿产行业常用电机设备工作特点的基础上,推导了其定子电压、磁链方程和传递函数。使用模糊PID控制算法来改善PID算法超调严重问题,同时采用动态惯性权重对粒子群算法进行改进,改进后的粒子群算法被用来对PID控制参数进行优化,从而实现PID控制器的最佳性能。实验测试结果表明,所提控制策略的超调量为0.035%,过渡时间为0.35 s,相比于传统PID控制模型分别降低了0.015%和18.6%,证明该方案具有一定的工程应用价值。

混合变异自适应樽海鞘算法的甩挂运输多目标调度优化

建立一种考虑时间窗的甩挂运输多目标调度模型,提出一种改进樽海鞘算法的求解策略。通过引入混合变异算子,改进樽海鞘算法领导者位置易陷入局部最优的问题,增加种群多样性;通过引入动态惯性权重策略,使追随者在迭代后期减小搜索步长,提高算法收敛精度。实验结果表明,该改进的樽海鞘算法具有较高的全局搜索能力,能有效得出甩挂运输多目标问题最优解,相关研究结论能够为大型企业运输提供决策支持。

基于ISSA-GRU的混凝土抗压强度预测

考虑到抗压强度对混凝土设计的重要影响,本文提出了改进麻雀搜索算法(ISSA)和门控循环单元(GRU)结合的ISSA-GRU预测模型,实现对高性能混凝土抗压强度的精准预测。对收集的数据集进行归一化处理后,利用基于光谱-理化值共生距离(SPXY)法对数据集进行训练集和测试集划分,采用GRU对高性能混凝土抗压强度进行回归预测,并通过引入动态惯性权重的ISSA,加强对GRU网络参数的寻优效率。结果表明,在使用相同数据样本的情况下,将ISSA-GRU模型与长短期记忆(LSTM)网络、核极限学习机(KELM)和支持向量回归(SVR)模型进行比较,其均方根误差RMSE分别降低了9.3%、37.5%、33.5%,平均绝对误差MAE分别降低了13.5%、38.5%、41.7%。同时,研究了训练集数据量和输入变量对模型预测性能的影响,研究结果表明,所提出的模型能高效寻找超参数,具有较高的预测精度和较好的适应性,为多样化原材料和混凝土特定性能的发展提供可行参考。

改进蜉蝣算法求解认知车载网络频谱分配问题

针对传统认知车载网络频谱分配效率低、速度慢的问题,提出基于改进蜉蝣优化算法的频谱分配算法。以反向学习、动态惯性权重、多阶段动态扰动及正余弦优化交配机制提升标准蜉蝣优化算法的寻优性能;将频谱分配变量映射为蜉蝣个体位置信息,将网络吞吐量和接入公平性作为评估蜉蝣位置的适应度函数,利用改进蜉蝣算法搜索最优频谱分配方案。实验结果表明,改进算法的搜索精度和收敛速度都有所提升,能够更快得到频谱分配方案,车载用户收益和分配公平性方面也更有保障。