基于自适应折射学习和精英搜索SSO算法的电力系统无功优化

对电力系统无功优化问题进行研究,提出了一种基于自适应折射学习和精英搜索SSO算法(ARLESSO)的电力系统无功优化方案。针对群居蜘蛛优化(SSO)算法易于陷入局部最优和收敛精度不高的缺陷,引入多功能子族群划分策略:依据蜘蛛个体适应度大小,动态地将蜘蛛种群划分为精英群、扰动群和保持群;精英群和扰动群分别采用精英搜索和自适应折射学习进化机制,以提高算法全局深度搜索能力和种群样本多样性,在此基础上,构建最小网络损耗无功优化模型,并采用ARLESSO算法进行问题求解。IEEE节点测试系统仿真结果表明,同其他无功优化方案相比,所提算法全局寻优能力更强、精度更高,并且能够有效给出电力系统无功优化结果。

基于多策略SSO和改进A*算法的无人机动态航迹规划

针对无人机遇到突发威胁动态航迹规划问题,提出了一种基于多策略SSO和改进A*算法的无人机动态航迹规划方法。该方法将无人机航迹规划划分为静态航迹规划和突发威胁实时规避两个阶段:首先,对于静态航迹规划阶段,采用多策略SSO优化算法对极坐标航迹规划模型进行求解,通过引入完全弹性碰撞、自适应跳跃等机制,在有效满足飞行性能约束的同时,提高了航迹规划结果的可行性;其次,对于突发威胁实时规避阶段,采用改进A*算法对局部区域进行航迹重规划,通过拓展A*算法搜索邻域个数和引入最小"弯折"估计代价函数,在保证实时性要求的同时,能够规划出更加平滑的最优航迹。仿真结果表明,提出的方法能够有效地给出更为满意的无人机动态航迹规划路线。

基于SSO-PP模型的滇池流域水质综合评价

针对投影寻踪（PP）模型在实际应用中最佳投影方向a难以确定的不足,利用一种新型群体智能仿生算法——群居蜘蛛优化算法（SSO）搜寻PP模型最佳投影方向a,提出SSO-PP水质综合评价模型。以云南省滇池流域4个监测断面2003—2013年水质评价为例进行实例研究,选取对水体影响较大的氨氮等5项水质评价因子,利用各指标标准阈值z构造水质综合评价分级标准。结果表明：1SSO-PP模型水质评价结果与单因子法评价结果基本相同,但对于断面1^#,2^#,4^#,部分年度水质的评价结果要优于单因子法评价结果 1-2级。通过Kendall统计量检验,断面3^#—4^#水质改善趋势相对明显。2SSO-PP模型评价结果客观、合理,能够有效应用于水质综合评价。

SSO-BP模型在水资源可再生能力评价中的应用

为评价区域水资源可再生能力,提出了水资源可再生能力评价指标体系和分级标准,构建了基于BP神经网络的评价模型,并以云南省文山州水资源可再生能力评价为例进行实例研究。首先,遴选出单位面积水资源量等10个指标,构建水资源可再生能力评价指标体系和分级标准;其次,针对BP神经网络初始权值和阈值难以确定的不足,利用一种全新的仿生群体智能算法——群居蜘蛛优化(SSO)算法优化BP神经网络初始参数,提出了SSO-BP评价模型,并通过6个高维复杂函数对SSO算法进行验证,且与粒子群优化(PSO)算法进行对比;最后,利用SSO-BP模型对实例进行水资源可再生能力评价。结果表明:1 SSO算法具有较好的收敛精度和全局寻优能力,可有效提高BP神经网络模型的预测精度和泛化能力。2文山州各评价区域2014年水资源可再生能力处于最强与中等之间,符合区域现状。

一种融合邻边属性的个人社交网络社区发现算法

针对传统智能进化社区发现算法通常存在弱化节点属性和容易过早收敛等问题,提出基于邻边属性群智能聚类的个人社交网络社区发现算法NLA/SCD。在融合邻边结构及其节点属性相似特性的基础上,定义社会蜘蛛优化算法的适应度函数,并将社区模块度增量作为算子迭代准则。在雌性和雄性个体的进化与交配过程中,利用适应度函数和模块度增量函数从局部和全局角度优化社区划分的寻优过程,以保持种群多样性并避免算法过早收敛。实验结果表明,NLA/SCD算法能有效识别属性信息多样的个人社交网络,且具有较高的运行速度和划分精度。

基于群居蜘蛛优化算法的水库防洪优化调度模型及应用

针对水库防洪调度问题多约束、高维、非线性不易求解的特点,提出了基于群居蜘蛛优化算法的水库防洪优化调度模型求解方法,该方法利用蜘蛛群体的协同机制,寻找最优的防洪优化调度决策。实例验证表明,该算法不仅获得较好结果,而且参数少,优化计算结果稳定,能满足实际水库防洪优化调度的需求,可推广应用。

采用压缩感知和GM(1,1)的无线传感器网络异常检测方法

针对当前无线传感器网络(WSNs)异常检测算法的检测准确率较低同时影响网络能耗均衡的问题,提出了一种基于改进压缩感知(CS)重构算法和智能优化GM(1,1)的WSNs异常检测方法。首先,通过建立双层异质WSNs异常检测模型,并采用压缩感知技术对上层观测节点收集到的下层检测节点温度测量数据进行处理,同时结合温度数据稀疏度未知特点,构造有效的稀疏矩阵和测量矩阵,并重新定义测量矩阵正交变换预处理策略,使得CS观测字典满足约束等距(RIP)条件;其次,重新定义了离散蜘蛛编码方式,蜘蛛种群不断协同进化,以获得稀疏结果中非零元素的位置信息,利用最小二乘法得到非零元素的幅度信息,实现了对未知数量检测节点数据的精确重构。在此基础上可以由蜘蛛种群迭代进化得到优化后GM(1,1)的参数序列,通过检测参数序列的相关阈值来判定节点是否发生异常。实验仿真结果表明,与OMP-IGM等异常检测方法相比,该方法的异常检测准确率提高了约7%~33%,网络能耗降低了约18%~43%。

基于网络覆盖和多目标离散群集蜘蛛算法的多移动agent规划

以agent负载能耗均衡度和网络总能耗为指标构建多移动agent协作规划模型,为了尽可能延长网络生存周期,给出基于网络覆盖率的节点休眠机制,在满足WSN网络覆盖率要求的同时,采用较少节点处于工作状态。根据多移动agent协作规划技术特点,设计融合Pareto最优解多目标离散群集蜘蛛算法(MDSSO),重新定义插值学习和变异交换粒子更新策略,并动态调整最优解集规模,以提高MDSSO算法多目标求解精度。实验仿真结果表明,该方法能够快速合理给出WSN多移动agent规划路径,而且与其他传统算法相比,网络总能耗降低了约15%,生存期提高了约23%。

基于动态多子族群自适应群居蜘蛛优化算法

为了提高群居蜘蛛优化算法(SSO)样本多样性和算法收敛性能,提出了一种基于动态多子族群自适应群居蜘蛛优化算法(DMASSO).根据算法样本多样性和算法进化程度,动态的将蜘蛛种群分成若干个主导子族群和辅助子族群,在不同子族群中分别引入自适应学习因子和高斯扰动因子改进算法个体更新方式,实现提高算法全局寻优能力和保持群体样本多样性.针对具有典型特点的测试函数仿真结果表明,较SSO算法、MSFLA算法等优化算法相比,新算法在收敛速度和收敛精度上均有明显改善.

多峰函数优化的改进群居蜘蛛优化算法

针对群居蜘蛛优化(SSO)算法求解复杂多峰函数成功率不高和收敛精度低的问题,提出了一种自适应多种群回溯群居蜘蛛优化(AMBSSO)算法。引入自适应决策半径概念,动态地将蜘蛛种群分成多个种群,种群内适应度不同的个体采取不同的更新方式,提高了种群样本多样性;提出回溯迭代进化策略,在筛选全局极值的基础上,根据进化程度执行回溯迭代更新,保证了算法全局寻优能力。高维多峰函数仿真结果表明,同SSO算法、PSO算法等优化算法相比,AMBSSO算法具有较快的收敛速度和较高的收敛精度,尤其适用复杂高维多峰函数优化问题。

基于无人机航迹规划优化的几种新型仿生智能优化算法综述

本文结合无人机航迹规划优化及其相关研究领域,选取了猴群优化算法、果蝇优化算法、群居蜘蛛优化算法和乌贼优化算法等四种新型仿生智能优化算法进行综述.着重介绍了原始型算法的基本原理和步骤,列举了这四种新型仿生智能优化算法在无人机航迹规划及相关领域的近期研究成果,展望了仿生智能优化算法的改进趋势.

基于并行离散群居蜘蛛优化算法和压缩感知的WSNs稀疏事件检测

对无线传感器网络(WSNs)弱稀疏性事件检测问题进行研究,提出了一种基于并行离散群居蜘蛛优化算法和压缩感知的WSNs稀疏事件检测方案。该方案采用压缩感知(CS)技术进行稀疏事件分析检测,针对事件向量稀疏度未知的特性,设计基于MPI框架的并行离散群居蜘蛛优化算法(PDSSO),重新定义蜘蛛编码方式和自适应迭代进化机制,给出并行转移策略,并将PDSSO应用于CS重构算法中;针对观测字典难以满足约束等距条件的特点,对稀疏矩阵和测量矩阵进行奇异值预处理操作,在保持稀疏度不变的基础上提高了算法重构性能。仿真结果表明,与GMP等检测方法相比,该方案有效提高了WSNs稀疏事件检测成功率,降低了误检率和漏检率。

改进的基于差分进化的群集蜘蛛优化算法

为了克服群集蜘蛛优化(SSO)算法易陷入局部极值和收敛速度慢等缺陷,提出了一种融合差分进化和粒子群优化算法搜索机制的改进群集蜘蛛算法。在群集蜘蛛算法中引入差分变异算子,让部分雌蜘蛛进行由种群中全局最优个体和两个随机个体所引导的变异,从而增加种群多样性,提高算法跳出局部最优解的能力。另外,在上述改进的基础上,借鉴粒子群优化算法的搜索机制,在位置更新公式中添加一组动态的非线性惯性权重及学习因子,以更好地平衡算法的局部和全局搜索能力。实验结果表明:改进的群集蜘蛛算法具有更快的收敛速度和更好的求解精度。

基于SSI-PSO的汽车碰撞试验时序数据处理与分类方法

为实现汽车碰撞试验假人响应曲线数据集的类别辨识,研究了面向智能优化算法的问题转换与构造方法。针对假人曲线数据的特征处理与分类过程,提出了一种基于社会蜘蛛粒子群优化算法(SSI-PSO)的碰撞试验多变量时序数据特征选择与分类方法;利用汽车碰撞试验采集的假人曲线数据,测试和验证了该方法。结果表明:本文方法可获得面向假人曲线数据分类的最佳特征组合方式与较小规模的神经网络结构;该方法的假人曲线分类模型性能提升17.5%、分类精度达到96.5%。因而,实现了对碰撞试验假人响应曲线标注信息的有效分类。

具有差分进化算子的社会蜘蛛群优化算法（英文）

【目的】社会蜘蛛群优化算法(SSO)是一种新颖的元启发式优化算法,自从它被提出之后就受到该领域学者的广泛关注,并且也被成功应用到许多领域。但是由于社会蜘蛛群优化算法还处在算法的研究初期,该算法的收敛速度与收敛精度还需要进一步提高。【方法】将差分进化算子引入到社会蜘蛛群优化算法(SSO-DM)中,并将改进的算法应用于函数优化问题中,通过5个标准测试函数来验证基于差分进化算子的社会蜘蛛群优化算法(SSO-DM)的优化性能。【结果】差分进化算子增强了社会蜘蛛群优化算法的收敛速度与收敛精度。【结论】本研究中所提出的算法能够获得精确解,并且它也具有较快的收敛速度和较高的算法稳定性。

基于社交蜘蛛优化算法的园区移动社交云资源分配机制

为实现园区云资源与移动云资源的协作式管理,提出了一种新型的基于社交蜘蛛优化算法的园区移动社交云资源分配机制.首先,为了保证买方和卖方能够分别给出合理的资源出价与要价,该机制采用动态博弈的策略决策出买方的出价和卖方的要价,并据此得出移动社交云资源的成交价格;然后,为了合理、有效地分配云资源和提高用户的满意度,将园区云资源和移动社交云资源进行结合,提出了基于社交蜘蛛优化算法的新型协作式资源分配方法,同时,设计优化目标函数,并根据移动社交云资源的成交价,求解出最优的资源分配方案.仿真实验结果表明,所设计机制在资源成交率、价格满意度和社交满意度方面优于EDA机制.

群居蜘蛛优化算法在水文频率曲线参数优化中的应用

利用一种新型群体智能仿生算法——群居蜘蛛优化算法(SSO)优化水文频率曲线参数,以云南省丽江仁里站和总管田站年径流量数据为例进行实例研究,分别将离差平方和准则(OLS)、离差绝对值和准则(ABS)以及相对离差平方和准则(WLS)作为SSO算法最优适应度函数对皮尔逊Ⅲ型分布参数进行优化,优化结果与粒子群优化算法(PSO)、矩法进行对比。结果表明:利用SSO算法优化仁里站和总管田站得到的OLS、ABS、WLS均优于PSO算法及矩法,比矩法提高了11%以上。SSO算法具有收敛速度快、全局寻优能力强等特点,基于SSO算法的优化适线法能够降低水文频率的分析误差,有效提高理论频率曲线与实测数据的拟合精度,是一种可行的水文频率分析方法。

群居蜘蛛优化算法在暴雨强度公式参数估计中的运用

以1991—2016年共26 a的年最大时段降雨量作为样本值,利用皮尔逊-Ⅲ型(P-Ⅲ型)分布频率曲线对统计样本进行拟合,分别采用群居蜘蛛算法(SSO)和最小二乘法(LS)对暴雨强度公式进行推求,并进行精度检验。结果表明,SSO算法推求的暴雨强度公式精度高于LS算法。

群居蜘蛛优化算法在水位流量关系拟合中的应用

针对水位流量关系拟合中相关参数难以确定的不足,利用一种新型群体智能仿生算法——群居蜘蛛优化算法(SSO)优化水位流量关系的相关参数,以云南省丽江仁里站和总管田站水位流量关系拟合为例进行实例研究,并与粒子群优化算法(PSO)、最小二乘法(LSM)拟合结果进行对比。结果表明:SSO算法对仁里站和总管田站水位流量关系拟合的平均相对误差绝对值分别为0.57%、0.53%,拟合精度优于PSO、LSM算法。SSO算法具有收敛速度快、全局寻优能力强等特点,利用SSO算法优化水位流量关系可以获得更好的拟合效果。

基于改进社会蜘蛛算法的有源配电网重构

为更好地解决有源配电网重构问题,提出基于改进社会蜘蛛算法的重构优化方法。首先,计及不同类型分布式电源输出特性,建立以网损和电压偏移量最小为目标函数的配电网重构优化模型。然后,针对传统社会蜘蛛算法收敛速度慢、易陷入局部最优等问题,提出在寻优过程中利用不同概率的振动强度跳出局部最优路径;采用动态调节步长进行迭代指导性寻优;引入曼哈顿距离优化更新越界策略。最后,对多分布式电源并网的IEEE-33节点网络进行重构,验证了所提方法的先进性和分时段动态重构的优越性。