基于多模型和改进WOA算法的Delta机器人柔性夹持器抓取方法研究

[目的]解决Delta机器人柔性夹持器抓取方法存在的控制精度和适应性较差等问题。[方法]以Delta机器人柔性夹持器为研究对象,提出一种多模型和改进鲸鱼算法相结合的Delta机器人柔性夹持器抓取方法。建立稳定抓取优化模型,在抓持对象表面寻求最佳接触位置。建立无损抓取优化模型,在确保稳定抓起物体的前提下使接触力尽可能地小。结合粒子群算法和鲸鱼算法求解模型。通过试验验证了所提抓取方法的优越性。[结果]所提方法不仅具有良好的控制精度,还能够适应不同形状和大小的物体,具有较高的灵活性和适应性,抓取成功率>96%,抓取损伤率为0。[结论]所提方法有效提高了Delta机器人柔性夹持器抓取方法的性能,适用于果蔬和易碎物品的分拣工作。

融入武装部队的鲸鱼优化算法用于社区发现

针对于鲸鱼优化算法(WOA)多样性不足、两搜索阶段信息交流效率低、不平衡的问题,这里借用武装部队协同作战机理,提出一种新的WOA用于社区发现。为解决包围捕食阶段多样性不足的问题,引入“邻居潜力”学习模型,提高WOA的全局搜索能力和学习广度;为解决两捕食阶段信息交流效率的低问题,提出鲸鱼指挥官领导的气泡网捕食,确保搜索信息能有效利用;为解决两种捕食机制不平衡的问题,采用改进的学习自动机引导鲸鱼种群向有希望区域移动。同时,考虑到复杂网络社区发现是离散问题,提出了一种基于拓扑特性的新编码离散演化规则。最后,通过真实数据集测试并与其他算法比较,结果表明,该算法相较于对比算法具有更优的寻优能力,验证了算法的有效性。

基于概率精英差分和自适应黄金正弦的鲸鱼优化算法

针对鲸鱼优化算法收敛速度慢和寻优精度低的缺点,提出一种基于概率精英差分和自适应黄金正弦的鲸鱼优化算法。基于最大最小思想优化拉丁超立方体抽样来初始化鲸鱼种群,使初始种群分布更加均匀,拥有更好的全局搜索能力;提出融合余弦自适应算子的黄金正弦算法改进鲸鱼的螺旋更新,加快收敛速度,提高收敛精度;设计概率精英差分变异方法并进行贪婪选择,优化算法流程,增强算法跳出陷入局部最优的能力。选取4个单峰测试函数、4个多峰测试函数和5个多最优解的多模态测试函数与主流优化算法进行对比实验,实验结果表明,该算法具有更高的寻优精度、更快的收敛速度以及更优的全局搜索能力,通过消融实验验证了该算法改进策略的有效性。

考虑多资源约束的并行机分批调度问题研究

鉴于实际生产中工人的能力和加工效率存在差异,本文提出了考虑工人差异性和刀具限制的多资源约束并行机分批调度问题,以最小化最大完工时间、最小化交付时间偏差为优化目标,构建了工人熟练度、刀具资源约束的混合整数线性规划模型,研究子批数量和大小、机器分配、工人分配、子批加工顺序之间的耦合关系,设计了一种改进的多目标混合灰狼-鲸鱼群算法(manyobjective hybrid grey wolf optimizer and whale swarm algorithm,MO-HGWSA).根据模型特点,设计了一种两阶段编码和解码方案表示问题的可行解;利用多种引导策略提高算法的进化效率;设计了局部搜索策略,增强算法的局部搜索能力.最后引入案例验证算法的有效性,结果表明本文所提算法在收敛性、分布性和解集支配关系方面均优于对比算法.

鲸鱼优化算法研究与应用进展

鲸鱼优化算法WOA是一种根据概率收敛的新型群体智能优化算法,具有原理简单易实现、参数量少易设置和全局与局部开发分别控制易平衡等特点。系统地分析WOA的基本原理和算法性能影响因素,重点论述现有的算法改进策略和算法混合策略的优点及局限性,并阐述了WOA在支持向量机、人工神经网络、组合优化和复杂函数优化等方面的应用与发展。最后,结合WOA的特点及其应用成果,对WOA的发展方向进行了展望。

考虑新能源接入的电网有功无功协调双层优化策略研究

随着高比例新能源接入电力系统,电网的安全、经济运行面临巨大的挑战。该文提出了考虑储能和多无功源的有功无功协调多目标优化控制策略。建立以有功网损和电压偏差最小的双层优化调度模型;采用鲸鱼群算法对该模型进行求解,得到帕累托最优解的分布;根据优化结果制定无功补偿装置的投切功率以及储能系统充放电策略,提升系统电压稳定性与平缓新能源出力波动,有效减少功率损耗,实现电网的安全、节能运行;在改进IEEE39节点系统上进行分析,验证所提模型与求解算法的有效性与合理性。

考虑多源供能波动性的企业生产运作与能源计划耦合优化

多源供能是提高清洁能源占比,助力制造企业绿色低碳转型的有效方式。然而受季节、天气等因素影响,可再生能源出力存在波动性,影响能源系统供应的稳定性。针对该问题,构建了企业生产运作与能源计划耦合优化的不确定整数规划模型,利用区间数描述能源出力的不确定信息。同时通过设计多种群融合策略、外部档案更新策略,提出了多目标混合鲸鱼群算法,有效地利用各个算法的寻优特性,提升整体性能,获得更优的Pareto解集。最后通过算法性能和能源策略对比实验,证明了所构建模型及求解方法的可行性和有效性。同时验证了所设计算法对求解不确定优化模型的优势和竞争力,以及多源供能模式能够有效帮助企业实现节能减排、可持续生产目标。

基于混合智能优化算法的输变电工程全环节关键数据处理方法

为了提升输变电工程全环节的数据管理质效,提出了一种基于混合智能优化算法的输变电工程全环节关键数据处理方法。该方法以造价数据管理为核心,利用层次分析法建立工程造价控制评估模型,获得了造价评估指标与指标权重。同时设计了一种改进的随机邻域嵌入算法实现数据降维,进而引入经自适应改进的鲸鱼优化算法及粒子群算法。在交叉策略框架下,将两者相结合并得到鲸鱼粒子群混合优化算法。实验结果表明,所提方法对输变电工程全环节关键数据的处理效果较优,而与其他方法相比,其精度和效率也均具备显著优势,能够提升数据管理水平。

基于智能算法的气藏水体参数计算

气藏水体参数的合理确定是准确计算水侵量的重要因素,为水侵气藏动态分析、开发方案的调整提供有力支撑。为此,以水驱气藏物质平衡方程为基础,建立水体参数模型以形成目标函数,在拟合地层压力与实测地层压力误差最小的前提下计算水体参数,探讨基于智能算法的气藏水体参数计算方法。以某气藏A井区为例,分别采用鲸鱼优化算法和粒子群优化算法对目标函数进行优化,计算水体参数,并作对比分析,研究结果表明:①用鲸鱼优化算法得到最佳的水体参数组合是水体内边界半径(r_(w))1101 m,无因次外边界半径(r_(eD))5.10,水侵角度(θ)25.07°,储容比(ω)0.13,窜流系数(λ)0.00035;用粒子群优化算法得到最佳的水体参数组合是水体内边界半径(r_(w))1030 m,无因次外边界半径(r_(eD))4.83,水侵角度(θ)15.68°,储容比(ω)0.21,窜流系数(λ)0.00016。②两种算法得到拟合地层压力值与实测地层压力值的相对误差均较小,整体不超过5%;同时,鲸鱼优化算法的平均相对误差1.36%,较之粒子群算法平均相对误差2.01%,鲸鱼优化算法的误差相对更小。③鲸鱼优化算法具有收敛速度快、全局搜索能力强和操作简便等优势;粒子群算法作为一种进化算法,具有计算目标函数收敛值更小的特点。两种算法均可行。水体参数计算结果为该气藏水侵规律分析确定了基础参数,算法对比研究结果则增添了新的技术手段,为我国同类气藏的水体参数计算及基于计算结果的气藏高效开发提供技术参考。

基于鲸群优化算法的铸造起重机主梁结构轻量化设计

本文首先介绍一种鲸群优化算法(WOA),该算法具有收敛速度快,收敛精度高的优点。根据结构理论设计的铸造起重机金属结构强度与刚度的冗余,采用WOA对铸造起重机金属结构主梁进行轻量化设计。建立了基于WOA的钢结构轻量化数学计算模型,应用Matlab软件基于WOA编写程序。通过程序计算出了具有安全性和经济性双重属性的结构设计参数,从而达到对铸造起重机金属结构主梁的轻量化设计,以满足在安全使用的同时降低产品成本。

考虑新能源不确定出力的有功无功协调降损控制策略研究

在高比例新能源接入电力系统的背景下,电网安全、经济的运行面临着巨大挑战。该文考虑风光出力的不确定性,建立有功无功协调优化的多目标优化模型。运用拉丁超立方抽样(latin hypercube sampling,LHS)场景生成法和Kantorovich距离的场景缩减技术,得到典型日的风电和光伏出力;建立以系统运行有功网损和电压偏移最小的多目标综合优化调度模型,采用传统的鲸鱼优化算法(whale optimization algorithm,WOA)与粒子群优化(particle swarm optimization,PSO)相结合的鲸鱼群(WOA-PSO)算法求解该模型,得到Pareto解的分布;根据优化结果制定无功补偿装置的投切功率以及储能系统充放电策略,达到提升系统电压稳定性与平缓新能源出力波动的效果,减少功率在线路上的损耗,实现电网的安全、节能运行;在改进IEEE30节点系统上进行实验分析,验证所提模型与求解算法的有效性与合理性。

鲸群优化的粒子滤波算法研究

针对标准的粒子滤波存在粒子贫化问题,提出了一种鲸群优化的粒子滤波算法。用粒子表征鲸鱼个体,模拟鲸鱼群体搜寻猎物的过程,引导粒子向高似然区域移动。将粒子滤波中粒子的状态值作为鲸鱼群的个体位置,将粒子的状态估计转化为对鲸鱼群的寻优;通过鲸群的螺旋运动方式优化粒子的重要性采样过程,使粒子分布更加合理,对鲸群算法中的全局最优值引入最优邻域随机扰动策略,并在鲸鱼位置更新过程中加入自适应权重因子;选用一种典型的单静态非增长模型进行仿真测试。测试结果表明:提出的方法与传统的粒子滤波以及引力场优化的粒子滤波相比,在保证相同粒子数的前提下,算法的均方误差分别降低了28%和9%,证明了鲸群优化的粒子滤波算法具有更高的估计精度,并且在粒子数较少的情况下,可实现更准确的状态估计。

基于鲸鱼群优化算法的带Sigmoid满意度应急车辆调度问题

针对突发大规模灾害事件下受灾点严重程度不同的特点,引入Sigmoid时间满意函数评价救援效果,建立平均时间满意度最大与救援路径最短双目标调度模型.设计了基于混沌序列搜索算子的混沌鲸鱼群算法,通过构建三组不同规模的实验案例对模型进行求解,并将所得结果与模拟退火算法和基本鲸鱼群算法进行比较.实验表明,在处理较小规模车辆调度情况下,三种算法处理效果差距不明显,随着求解规模增大,混沌鲸鱼群算法对解决所提问题具有更好的效果,是一种优化应急车辆的有效方法.

基于WPSO-BP和L-MBWO的多翼离心风机优化研究

针对多翼离心风机气动性能、噪声情况难以同时改进的问题,提出了一种基于变权重粒子群优化算法的反向传播神经网络风机性能预测模型(WPSO-BP),以及一种基于逻辑混沌初始化的多目标白鲸优化算法(L-MBWO),并将二者应用于多翼离心风机的优化设计中。首先,选取了叶片进出口角、倾斜蜗舌的最大蜗舌半径、叶片切除角度作为设计变量,把风机的全压、效率、声压级作为优化目标;然后,构建了WPSO-BP预测模型,以反映设计变量与优化目标之间的关系,定量分析对比了该模型与BP神经网络预测模型,预测值用于风机的性能优化;接着,将逻辑混沌初始化引入到白鲸优化算法(BWO),基于第三代非支配排序遗传算法(NSGA-Ⅲ)构建了L-MBWO优化算法;最后,在实验验证仿真可靠的前提下,将提出的预测模型和优化算法应用于风机优化,并对优化效果进行了综合分析。研究结果表明:优化后的风机全压增加了34.79 Pa,效率提高了0.67%,噪声降低了1.73 dB,实现了多个优化目标之间的平衡,有效改善了风机的综合性能,为多翼离心风机的优化设计提供了一种新思路。

多策略融合鲸鱼算法与二维最大熵的图像分割

传统的图像分割算法存在抗噪声差、迭代速度不高等缺陷,为了提高图像分割的质量,提出一种引入反向学习策略的鲸鱼优化算法(WOA)与二维最大熵结合的图像分割方法,并通过结合Sobol序列、自适应权重系数、收敛因子的非线性调整优化后的WOA算法,得到目标图像的最优阈值,并对其进行分割。通过与原始WOA算法在测试函数上的对比,表明改进算法具有较好的收敛性和较快的收敛速度。将改进算法实际运用到草坪背景下,分割后图片的峰值信噪比值相较于另外2种对比算法分别提高了5.2%、3.5%,在天空背景下分别提高了3.6%、2.2%,证明了改进后的算法可以提高分割的图片质量,体现了该算法的优越性。

鲸鱼优化算法研究综述

鲸鱼优化算法是一种受座头鲸的狩猎行为启发所提出的新型群体智能优化算法,其性能远超传统算法。为了跟踪最新研究成果、促进群体智能优化算法领域的研究,首先介绍了鲸鱼优化算法的基本原理,简述了其实现步骤,并对比分析了其性能特点。针对其收敛速度慢、收敛精度低等缺点,总结分析了融入其他智能优化算法、Lévy飞行策略、混沌策略等改进方式及其优势与局限;接着阐述了其在组合优化、图像分割、数据预测等方面的应用及取得的效果;最后,对未来发展趋势进行总结与展望。

自适应优化Gabor滤波器的带钢表面缺陷分类

带钢表面缺陷纹理存在复杂性、多样性,导致对带钢表面纹理缺陷进行分类十分困难,为此,提出一种基于鲸鱼群算法的自适应优化Gabor滤波器。首先,利用各项异性扩散滤波抑制缺陷图片之中的伪边缘,再以不同种类缺陷特征的类间差最大作为目标函数,Gabor滤波器的参数为优化变量,采用鲸鱼群算法对Gabor参数进行寻优;然后,将所得到的Gabor特征进行融合;最后,导入分类器之中进行分类。实验结果表明,该方法具有较好的区分性和鲁棒性,针对常见的带钢表面缺陷,如冲孔、污渍、刮边、黑氧化条、结疤等最终的分类精度能达到97.5%。

动态搜索和协同进化的鲸鱼优化算法

针对基本鲸鱼优化算法寻优精度低、收敛速度慢及容易陷入局部最优等缺陷,提出了一种动态搜索和协同进化的鲸鱼优化算法。首先,通过等价替换和Faure序列提高初始解的质量;其次,通过对种群进行分工,提高种群多样性并增强算法跳出局部最优解的能力;最后,根据种群进化信息动态调整搜索策略,从而提高算法的收敛速度和寻优精度。仿真实验结果表明,提出的改进算法相比基本鲸鱼优化算法和部分改进算法具有较好的寻优性能。

新型群体智能优化算法综述

智能优化算法主要分为4类:仿自然优化算法、进化算法、仿植物生长算法和群体智能优化算法,其中群体智能优化算法是最为重要的一类算法。智能优化算法与图像处理、故障检测、路径规划、粒子滤波、特征选择、生产调度、入侵检测、支持向量机、无线传感器、神经网络等技术领域交叉融合,应用更加广泛。以蝙蝠算法、果蝇优化算法、鲸鱼优化算法、樽海鞘群体算法和哈里斯鹰优化算法为基础,对群体智能优化算法的模型、特征、改进策略及应用领域等进行了综述,从理论研究、改进策略和应用研究3个方面分析了其面临的发展机遇和未来趋势,给出了算法应用的指导意见。研究表明:群体智能优化算法在众多经典问题上的表现较好,而在多目标优化、多约束优化、动态优化和混合变量优化等领域仍有待扩展;不同群体智能优化算法在面对各类具体问题时有效的参数控制仍是未来的研究重点;种群协同进化、探索更高效的混合算法和搜索策略是可行的解决途径。

基于自适应权重和柯西变异的鲸鱼优化算法

为了改进鲸鱼算法(WOA)容易陷入局部最优和收敛精度低的问题,提出了基于自适应权重和柯西变异的鲸鱼算法(WOAWC).首先通过柯西逆累积分布函数方法对鲸鱼位置进行变异,提高了鲸鱼算法的全局搜索能力,避免了陷入局部最优.另外通过自适应权重的方法改进了鲸鱼算法的局部搜索能力,提高了收敛精度;实验结果表明,改进的算法和原鲸鱼算法、遗传算法、粒子群算法相比,收敛精度和算法稳定性上都要优于其它算法.