基于多策略优化的三维无线传感器网络定位算法

在经典三维无线传感器网络定位算法中,极大似然估计法定位存在矩阵无法求逆的问题。针对此情况,提出了一种基于多策略优化的三维无线传感器网络定位算法。首先,引入Sine映射对金枪鱼群初始种群进行混沌映射,增强了初始种群的多样性及均匀性。其次,结合非线性收敛因子和自适应权重策略对金枪鱼每次位置迭代更新进行优化,避免算法陷入局部最优,进一步提升算法的搜索速度和寻优的准确性。最后,采用多策略增强金枪鱼群优化算法在三维空间中对每个未知节点位置进行计算,解决了矩阵无法求逆的情况,有效降低了待定位节点位置的计算误差。实验结果表明:新提出的定位算法、经典三维定位算法、三维加权DV-Hop定位算法与灰狼优化的三维定位算法平均定位误差分别为13%、73%、30%和17%。

基于多策略麻雀搜索算法的径向基神经网络时延预测方法

网络诱导时延序列存在随机性和不稳定性,单一的预测算法难以准确预测,针对该问题,提出一种基于多策略麻雀搜索算法(ISSA)的径向基神经网络(RBF)时延预测方法来准确预测网络时延。首先,为了应对麻雀种群初始分布不均匀的问题,增加改进Tent混沌映射来提高种群早期的分布质量,并引入新的惯性权重因子改进发现者位置更新策略,扩大麻雀早期寻优范围;随后引入正余弦优化算法(SCA)更新跟随者位置,避免种群后期陷入局部最优。其次,考虑到RBF隐含层节点中心,幅值以及输出层权值不确定的问题,提出利用ISSA算法寻优求取。最后,搭建改进的时延预测模型并输入实测时延数据得到预测时延值。实验研究结果表明:相较于传统SSA-RBF模型,文中提出的ISSA-RBF时延预测模型的MSE、MAE和MAPE分别提高了69.46%、32.83%、34.43%,可有效预测网络时延,为之后的时延补偿提供基础。

基于改进黏菌算法的移动机器人路径规划

针对标准黏菌算法(Slime Mould Algorithm,SMA)收敛速度较慢、初始种群多样性低以及全局寻优较差等问题,提出一种融合多策略的黏菌算法(Multi-strategy improved Slime Mould Algorithm,MSMA)。在黏菌初始种群中利用Tent混沌映射产生的混沌序列,丰富算法种群多样性,避免局部最优;在黏菌接近食物阶段引入莱维飞行策略,改进黏菌的寻优方式;利用黄金正弦算法的遍历性,提高黏菌算法的搜索精度。将MSMA应用在移动机器人的全局路径规划上,获取路径规划结果。所提算法具有较好的收敛性以及全局搜索的能力,在移动机器人路径规划方面具有较好的规划性能和寻优能力。

基于混合策略改进的教与学优化算法

为解决教与学优化算法容易早熟收敛的问题,在原算法的基础上提出一种基于混合策略改进的教与学优化算法(Mixed Strategy Based Improved Teaching-Learning Based Optimization,M-SITLBO)。首先,利用Logistic-Tent混沌映射策略初始化种群,保证种群的多样性;其次,在教师和学生阶段分别引入黄金正弦算法和基于莱维飞行与对数螺旋线的搜索策略优化个体的位置更新公式,增强并平衡算法的全局和局部收敛性能;最后,设计仿真对其寻优性能进行测试,结果表明改进后的教与学优化算法寻优速度、精度以及稳定性显著提升,且具有较强跳出局部最优的能力。

基于多策略麻雀搜索算法的机器人路径规划

通过多种策略对基本麻雀搜索算法(SSA)进行改进,以解决麻雀搜索算法后期由于种群多样性丢失而导致的全局优化精度和速度问题。首先,改进无限折叠迭代映射(ICMIC)初始化种群,将自适应分段步长因子引入麻雀探测器的位置更新公式中,使麻雀搜索算法观察者的固定比例系数随迭代次数动态变化。然后,将观察者的位置与新公式和正弦余弦算法(SCA)相结合,并干扰先前的观察者步长。最后,在基准测试函数上比较了改进的麻雀搜索算法(ISSA)、麻雀搜索算法(SSA)、鲸鱼算法(WOA)、灰狼算法(GWO)、改进的灰狼算法(CGWO)、正弦余弦算法(SCA)和粒子群优化算法(PSO)的收敛性和准确性,并将其应用于路径规划。实验表明改进的麻雀搜索算法具有良好的优化性能。

疯狂自适应的正余弦乌燕鸥算法及应用

桥式起重机主梁优化是一个非线性的复杂约束优化问题,现有方法求解此问题时存在收敛缓慢、稳定性差、收敛精度低等问题。为克服此问题,提出一种疯狂自适应的正余弦乌燕鸥混合优化算法(CCASSTOA)。在乌燕鸥算法(STOA)中,引入Logistics混沌映射对STOA算法种群初始化,增加种群个体的多样性和迭代初期收敛速度;将惯性自适应权重和正余弦算法混合搜索策略引入到乌燕鸥位置更新公式中,增强了算法的全局搜索与局部搜索之间的平衡能力。将疯狂算子引入到乌燕鸥最优位置进行扰动,增强迭代后期种群的多样性,避免算法陷入局部最优。采用6个测试函数对CCASSTOA算法性能进行验证,结果表明:CCASSTOA算法优于其他五种元启发式优化算法,收敛精度高,稳定性好和鲁棒性强。将CCASSTOA算法应用在32t/22.5m的桥式起重机主梁轻量化设计中,可实现主梁截面面积减小约为31.45%。因此,CCASSTOA算法可有效地处理此类非线性的约束优化问题。

基于耦合的Henon和Sine映射及彩色图像加密

针对现有混沌映射模型的混沌空间小及混沌能力弱的问题,通过耦合二维Henon混沌映射模型和Sine混沌映射模型,设计一种新的二维混沌映射模型,通过耦合Sine混沌映射模型和Logistic混沌映射模型,设计一种新的一维混沌映射模型。针对使用单一置乱方法进行图像加密时安全性能不高的问题,通过使用Lorenz映射设计一种随机选择置乱算法的方法。使用设计的两种混沌映射及置乱选择方法,提出一种彩色图像加密方案。仿真实验结果表明:所提方法具有较大的置乱范围、较高的安全性和良好的图像加密效果,对常见的攻击有较强的抵抗力,且易于实现。

融合多策略的改进黏菌算法及工程应用

黏菌优化算法(Slime Mould Algorithm, SMA)是根据黏菌个体振荡捕食行为提出的一种新型元启发式算法,因其原理简单被应用于多种复杂的优化问题中,基本的SMA在处理一些较为复杂的问题时仍然存在收敛速度较慢、精度不足、鲁棒性差等劣势。为克服这些缺点,提升原算法性能,提出一种融合Sine混沌映射、t分布以及黄金正弦策略的改进黏菌算法(GTSMA)。首先,引入Sine混沌序列初始化种群,提高算法在初始迭代过程中黏菌种群个体的多样性;其次,在黏菌个体更新位置过程中将自由度参数t与基本SMA融合,增加算法跳出局部最优的概率;最后,通过与黄金正弦算法相结合,挑选更优秀的黏菌个体,输出最优解。利用基准测试函数、CEC2021测试集将GTSMA与其他算法进行对比,实验结果表明GTSMA在测试过程中鲁棒性、寻优精度和收敛性能都优于其他算法。将GTSMA应用于工程优化问题,进一步验证了GTSMA在处理实际优化问题上的优越性。

基于改进型蛇算法的RFID网络规划部署

针对无线射频识别(RFID)网络规划的优化部署问题,提出一种基于Circle映射的嵌入正弦余弦算法和自适应阈值的改进型蛇算法(ESO)。在种群初始化阶段利用Circle混沌映射的均匀性和遍历性等特点,在局部搜索阶段和开发阶段分别引入正弦余弦算法(SCA)和自适应阈值等算法机制,弥补了蛇算法初始化过程不够均匀、容易陷入局部最优和收敛速度慢等缺点。在满足100%标签覆盖率、减少阅读器之间的碰撞干扰、实现阅读器的负载均衡,以及降低总的发射功率这4个目标的基础上,求解阅读器最佳的部署位置,将所提算法与粒子群算法(PSO)、灰狼算法(GWO)、樽海鞘算法(SSA)进行了对比分析。实验结果表明,改进型蛇算法在对RFID网络进行优化部署时寻优能力更强,对RFID网络部署的综合性能提升明显,在相同的实验条件下,ESO的最佳适应度值比PSO提高了28.1%,比GWO提高了17.7%,比SSA提高了22.9%,可以更有效地得出最优的RFID网络规划部署方案。

基于改进混合樽海鞘群算法的航空发动机模型求解方法

针对传统智能优化算法在求解航空发动机模型非线性方程组时收敛速度慢、精度低的问题,提出采用樽海鞘群优化算法(salps swarm algorithm,SSA)。为了提升标准SSA求解复杂发动机模型的随机搜索能力,采用了混沌映射、正余弦算法、自适应权重、逐维变异策略对SSA进行改进,并且更进一步调整了算法流程(Process improved SSA),提高算法收敛概率,最终将Process improved SSA与Newton-Raphson算法结合为混合算法,并以适应度值作为算法切换的判断条件以提升混合算法的计算效率。仿真实验验证了Process improved SSA求解航空发动机模型的有效性。仿真结果表明混合算法能够实现全局收敛并提升收敛速度,且能够在模型输入强瞬变仿真时实现快速收敛。

基于改进海鸥优化算法的机器人路径规划

针对海鸥优化算法(SOA)存在收敛精度低以及易陷入局部最优等问题,提出一种多策略融合改进的海鸥优化算法(MFSOA)。首先,引入Tent混沌映射初始化种群,增加海鸥种群多样性;基于当前迭代次数t的非线性收敛因子动态调整策略,将海鸥优化算法的线性搜索非线性化,增强算法的寻优速度和寻优精度,避免算法陷入局部最优;在海鸥位置更新时引入Levy飞行策略增强算法的全局搜索能力;最后,通过使用黄金正弦机制引导种群的位置更新,进一步缩小搜索范围,提高算法局部搜索能力。选用6个基准测试函数对算法性能进行测试,测试结果显示MFSOA收敛速度更快,收敛精度更高;最后将改进算法应用于移动机器人路径规划,仿真结果表明该算法规划的路径长度更短,搜索效率更高。

融合差分进化和Sine混沌的改进粒子群算法

将差分进化与Sine混沌相结合,提出一种改进的粒子群算法。利用Sine混沌映射对初始种群进行优化,提高了收敛速度;该算法通过引入非同步变化的学习因子的速度更新公式,引入随机惯性权重,使算法能够更好地兼顾全局搜索与局部优化;借鉴差分进化算法中的交叉操作,采用淘汰机制随机搜索策略,提高算法的全局搜索能力,提高算法收敛速度。为了验证融合差分进化和Sine混沌的改进粒子群算法(improved particle swarm optimization algorithm,IPSO)的性能,与基于压缩学习因子的粒子群算法(yield-based particle swarm optimization,YPSO)、自适应加权粒子群算法(self-adaptive particle swarm optimization,SPSO)等PSO相关算法以及蜘蛛蜂优化算法(spider wasp optimization,SWO)、能量谷算法(energy valley algorithm,EVA)等2023年最新算法相比较,验证融合差分进化和Sine混沌的改进粒子群算法(IPSO)的有效性。在不同维度下解决12个常用基准函数,对12个测试函数进行实验,并与其他的几种算法进行比较,实验结果表明,改进后的PSO算法收敛速度快,收敛精度高。

基于离散混沌映射的光纤通信数据置乱加密研究

光纤通信数据一次加密并不能使所有数据呈现置乱状态,数据安全性依旧比较差,所以研究基于离散混沌映射的光纤通信数据置乱加密方法。对原始光纤通信数据展开小波分解,根据骑士巡游理论以及小波子带的特点将全部小波系数置乱,完成光纤通信数据置乱。通过离散混沌映射和Sine映射的离散混沌系统构建混沌序列,利用混沌序列对数据进行一次加密处理,采用位置矩阵对光纤通信数据展开二次加密处理,实现光纤通信数据置乱加密。实验结果表明,所提方法可以有效提升光纤通信数据的安全性,数据加密效果和保密性能良好。

双种群纵横交叉正弦余弦算法

针对基本正弦余弦算法在求解复杂优化问题时求解精度偏低,收敛速度慢及不能跳出局部最优等问题,提出了一种双种群纵横交叉正弦余弦算法。在初始化种群阶段引入Logistic混沌映射,使初始种群均匀分布;非线性调整转换参数并改进正弦余弦位置更新公式,以平衡算法全局搜索和局部开发的能力,加快算法的求解速度;采用双种群和择优选择策略,实现正弦余弦种群和纵横交叉种群优势互补、协同进化,提高算法跳出局部最优解的能力和算法收敛速度。采用23个基准测试函数对改进算法进行仿真实验,并与其它智能优化算法进行比较分析,结果表明改进算法有更好的优化性能。

基于双向局部开发和黄金正弦的异构导向的鲸鱼优化算法

为了解决鲸鱼优化算法WOA准确率低和稳定性差的问题,提出了一种基于双向局部开发和黄金正弦算法的异构导向的鲸鱼优化算法LEDGWOA。在搜索猎物阶段嵌入黄金正弦算子,结合“更优更近”的原则,增强个体间信息交流的强度。此外,根据适应度值区分出统治鲸鱼群,用自适应惯性权重计算出一个虚拟领导者。在包围猎物阶段时,整合切比雪夫阈值的双向开发策略,从而加强了邻域的开发强度。随机螺旋式更新可以间接地增加种群在迭代后期的分散度。改进后的算法在CEC2017和CEC2019函数上进行仿真实验,并成功应用于压力容器的优化设计。LEDGWOA与17种算法进行对比,结果表明其具有优越的性能。

基于多策略融合斑马优化算法的特征选择方法

针对传统斑马优化算法在求解复杂优化问题时精度低、收敛速度慢和易陷入局部最优的不足,提出一种多策略融合的改进斑马优化算法(IZOA)。首先,为解决斑马个体初始位置分布不均匀的问题,引入混沌映射来增加探索过程的种群多样性;其次,受自适应权重和黄金正弦算法思想启发,提出一种基于自适应递减权重和黄金正弦更新机制的位置更新策略,用于改进斑马算法的局部寻优与全局探索能力;然后,进行标准测试函数实验,验证了IZOA能够有效提升寻优精度和收敛速度;最后,将K近邻分类器作为待优化目标,选取UCI库的12个标准数据集进行特征选择实验,并利用改进后的算法在特征选择模型中进行最优特征子集搜寻。实验结果表明,相比传统算法,所提算法的平均分类准确率提升4.47%,平均适应度值降低2.5%,验证了该算法在特征选择领域的优越性。

基于改进蛇优化算法的轮式机器人路径规划

为解决轮式机器人路径规划中效率低、寻优速度慢等问题,提出一种改进的蛇优化算法(improved snake optimizer,ISO)。在初始阶段引入正弦混沌映射扩大算法寻优空间,提升解的质量。同时设计了一种双向搜索策略,在最佳和最差个体引导的两个方向上逼近全局最优值,使收敛速度更快。并在算法中增加改进的进化种群动力机制,替换质量较差的个体从而提高种群质量。另外利用精英对立学习策略来提高算法的局部开发性能。仿真结果表明,ISO算法在轮式机器人路径规划过程中,相比其它对比算法各项指标更优,寻优效率更高,可以有效帮助轮式机器人完成规划任务。

改进蛇优化算法在室内UWB定位的应用

现针对近年来室内定位的需求,为提高整体的定位精度,提出一种基于sine混沌映射与正余弦优化蛇优化(Snake Optimization,SO)算法的超宽带(Ultra-Wide Band,UWB)室内定位技术,并结合一种自适应的测距值调整策略将测距值作为SO算法适应度函数的参数。SO是一种元启发式,模仿蛇觅食加交配行为的新型智能优化算法。为提高优化方法寻优能力,在SO种群初始化阶段引入混沌映射,增加种群个体的多样性。在雄性个体和雌性个体位置更新之后,为协调算法的全局探索和局部探索的性能,再进行一次正弦余弦算法(Sine and Cosine Algorithm,SCA)。实验结果表明,对于室内环境,该方法能够有效提高定位精度且性能良好。对比传统的智能算法,其算法精度和收敛效率都得到了显著的提高。

基于多混沌系统的多图像加密算法

针对多幅图像在传输中的安全性问题,本文提出了一种基于多混沌系统的多图像加密算法.首先,利用离散小波变换对多幅图像进行预处理,得到一幅拼接的大图像;接着,利用logistic-sine-cosine (LSC)映射生成混沌序列,进而生成用于置乱的矩阵O对像素位置进行置乱;最后,采用超混沌Lorenz系统生成四维混沌序列,利用其对置乱后的图像进行双向扩散和行列置乱,获得最终密文图像.所提算法加解密过程简单,执行效率高.实验结果经多方面分析后得出该算法的密钥空间大,可以抵御多种攻击手段,具有较好的加密效果和安全性.

基于VMD-ISSA-LSTM的短时交通流预测研究

针对城市短时交通流随机波动性强、可靠性低、预测精度差等问题,将变分模态分解(VariationalMode Decomposition,VMD)和改进麻雀搜索算法(ImproveSparrowSearchAlgorithm,ISSA)与长短期记忆(LongShort-Term Memory, LSTM)神经网络相结合,建立一种短时交通流预测模型(VMD-ISSA-LSTM)。首先利用VMD对历史原始交通流数据进行分解;然后采用佳点集、正弦函数扰动和Tent混沌映射等策略对标准的SSA算法加以改进,增强ISSA算法的寻优能力;最后,将每个分量送入ISSA-LSTM中进行预测,同时将预测结果线性叠加,得到交通流量预测值。以上海市中山北路-曹杨路口2018年11月1日—30日的历史交通数据对模型进行验证。结果表明,与LSTM、VMD-LSTM、VMD-SSA-LSTM等传统预测模型相比,VMD-ISSA-LSTM模型的预测结果的平均绝对百分比误差为1.278 4%,能够更好地应用于短时交通流预测中。