基于自适应步长和莱维飞行策略的改进狼群算法

群智能启发算法在解决大规模分布式问题方面有许多优势。针对传统狼群算法易陷入局部最优和精度不高等缺陷,笔者在分析狼群特点的基础上,提出一种基于自适应性步长和莱维飞行搜索策略的改进狼群算法。首先,通过自适应步长的合理变化,提高搜索精度;其次,采用莱维飞行的搜索策略,在算法后期扩大搜索范围,提高算法的全局搜索能力。最后,为了验证该算法性能,通过仿真实验和实际案例进行了测试,与其他改进方法进行比较。测试结果表明,所提出的改进狼群算法在收敛速度、精度及稳定性方面都有明显优势。     

基于改进狼群算法的移动机器人路径规划

为了获取机器人全局最优路径,文章提出一种基于改进的狼群算法移动机器人路径规划。首先运用栅格法对机器人环境进行建模;然后提出一种改进的狼群算法,该算法提出并行游走机制,进一步提高探狼的局部搜索能力;构建智能奔袭行为,提高猛狼自适应调节能力;提出向心围攻策略,使得算法收敛到全局最优。6类测试函数的仿真结果表明,改进的算法在局部搜索能力和自适应调节能力更强、收敛精度更高、收敛速度更快。移动机器人路径规划的仿真实验所涉及到的参数较多,文章利用Taguchi方法的三因素三水平正交试验法选取了最佳的参数组合。最后将改进的狼群算法和狼群算法都进行路径规划的仿真实验,结果表明,改进的算法在解决机器人路径规划问题上更有效。     

自适应分组差分变异狼群优化算法

针对狼群优化算法寻优精度不高和易陷入局部收敛区域的缺点,结合云模型在知识表达时具有不确定中带有确定性的特性,提出一种自适应分组差分变异狼群优化算法.其思想是采用佳点集理论对狼群进行初始化,通过云模型理论来完成个体游猎行为,在围攻行为中考虑狼个体的自身能量,最后利用差分进化算法和混沌理论完成个体变异,并进行探索全局最优位置.典型复杂函数测试表明,该算法能有效找出全局最优解,特别适宜于多峰值函数寻优.     

基于改进狼群算法的多机协同目标分配研究

为充分发挥战机集群整体作战优势以得到最优目标分配方案,采用改进狼群算法对战场态势模型进行求解.通过保证算法的寻优效率,引入次头狼概念对狼群的召唤与围攻行为做出改进,并对狼群算法的更新机制做出了优化,提高算法的全局寻优能力.仿真结果表明,所提方法能快速准确地寻找到最优目标函数值,且在一定程度上改善了传统狼群算法易陷入局部...     

基于混沌小生境狼群算法的高密度无线传感器网络高能效分簇方法

无线传感器网络节点能量通常由能量有限的电池供应,如何在对节点进行分簇的同时减小通信能耗是研究中的一个重要问题。提出了一种基于混沌小生境狼群算法的高密度无线传感器网络能量高效分簇方法,通过智能选取簇头位置来降低无线传感器网络的单轮通信能耗。在不同节点数和簇头比例的条件下,分别采用了粒子群算法、量子遗传算法、模拟退火算法和混沌小生境狼群算法进行了无线传感器网络分簇。仿真结果表明,基于混沌小生境狼群算法的无线传感器网络分簇能够有效降低无线传感器网络的整体单轮通信能耗和平均节点通信能耗,有效提升了能量利用效率。     

基于狼群算法的轮毂电机故障诊断方法

针对电动汽车复杂多变的行驶工况及轮毂电机特殊的运行环境极易影响车辆行驶安全的问题,研究一种有效的轮毂电机故障诊断方法非常重要.由于单一特征参数传递的信息往往具有局限性,提出了一种基于狼群算法的多特征参数融合诊断方法.基于常见的故障诊断用特征参数在轮毂电机不同运行状态下Weibull分布的重合程度,选取多个灵敏度高的特征参数,然后通过狼群算法对多个特征参数融合,最后根据多特征参数融合信息的Weibull分布诊断其是否有故障及故障程度.搭建了轮毂电机漏电故障试验系统,进行了漏电故障试验.结果表明,基于狼群算法的多特征参数融合诊断方法可以有效识别区分轮毂电机的电气故障.     

基于退火狼群算法的卫星星座网络抗毁性优化

为提高卫星星座网络受到攻击后的抗毁性及工作能力,提出了一种模拟退火狼群算法。该算法利用主客观权重法结合综合逼近理想排序法(TOPSIS:Technique for Order Preference by Similarity to Ideal Solution)对网络中的节点进行重要度评估,并按照节点重要度排序依次攻击。以网络连通度与网络连通效率为优化目标,卫星星座网络通信限制为约束条件,采用运动算子的思想实现狼群自适应步长的游走、召唤和围攻。使用通过优化得出的加边方案对网络结构进行优化。实验表明,与其他优化算法相比,该算法具有优越性,解决了卫星星座网络在受到攻击后工作能力下降的问题,提高了其受到攻击后的抗毁性。     

基于改进狼群算法的AGV路径规划

针对自动引导小车(automated guided vehicle, AGV)全局最优路径的求解问题，文章利用栅格法对环境进行建模，提出一种基于改进狼群算法(improved wolf pack algorithm, IWPA)的AGV路径规划方法。该算法采用混沌映射形成初始种群，增加种群多样性；对探狼游走行为引入随机策略，扩大搜索范围；对头狼的选择引入Metropolis准则，增强算法跳出局部最优能力；改进猛狼奔袭策略，提高算法后期寻优效率。通过8个典型测试函数的仿真实验结果表明，改进的算法在寻优速度和精度上均有较大的提高。将改进的算法应用于路径规划仿真实验，结果表明，相比于传统狼群算法，改进的狼群算法在解决AGV路径规划问题上更有效。     

基于改进莱维飞行的狼群算法及其在翼型气动优化设计中的应用

智能种群算法在翼型气动优化领域获得越来越多的关注。提出了一种基于改进莱维飞行的狼群算法,并对其寻优性能进行了测试和验证。为平衡算法的局部搜索和全局搜索能力,将局部搜索性能强但易早熟的狼群算法与莱维飞行相结合,在增加收敛速度的同时,保证算法的全局搜索能力。为克服原始莱维飞行效率低、精度差的缺陷,引入高斯核函数自适应调节莱维飞行的搜索步长,以增加其搜索效率;引入四元法,以增加其搜索精度;通过标准测试函数和标准翼型气动优化设计算例验证,表明改进算法在优化效率和全局寻优能力方面均优于原始算法。     

应用改进狼群算法优化模糊聚类实现点云数据的区域分割

针对模糊C-均值聚类算法用于点云分割时对初始值敏感且易于陷入局部最优,导致点云分割效果不理想,不稳定的问题。提出一种基于曲率约束的改进狼群算法优化模糊C-均值聚类的混合算法(IWPAFCM)。该算法首先在狼群算法中引入佳点集初始化种群分布;然后利用自适应步长简化参数设定、平衡寻优与收敛时间;进一步应用交互策略增强狼群的内部交流,提升狼群全局寻优的能力;最后对头狼加入高斯扰动机制使其具有跳出局部最优的能力,将IWPA得到的聚类中心作为模糊聚类的初始值进行迭代,由此得到准确的聚类中心。在此基础上,基于点云的法矢量和曲率对点云之间的距离进行定义并替换传统欧式距离,实现了理想的点云分割效果。以ModelNet40公开数据集中Chair和Stool点云模型和实测点云机械零件和汽车覆盖件点云模型为例对算法可行性进行验证,并与FCM、FAFCM、WPAFCM和MACWPAFCM算法进行对比。结果表明,对于四种点云模型,本文算法相比四种对比算法在以数值高为优的VPC聚类性能指标上平均提高0.4%-11.95%,在以数值低为优的适应度函数值Jm、VPE和VXB聚类指标上分别平均减少0.2%-11.97%、0.65%-7.35%、0.3%-19.47%,在两种ModelNet40点云模型上平均迭代次数减少8-21次,在两种实测点云模型上平均迭代次数减少39-57次,表明本文算法收敛速度快,迭代次数少,聚类效果佳,具有更高的聚类准确性和更好的综合性能。     

改进麻雀搜索算法优化支持向量机的井漏预测

在钻井过程中,受地质环境,钻井技术等多种因素的影响,容易发生井漏事故。为预防井漏事故,减少因钻井事故带来的损失,本文提出了一种改进麻雀搜索算法（ISSA）优化支持向量机的井漏预测方法。首先,在发现者位置更新公式中引入了一种改进的自适应非线性惯性递减权重,提高算法全局搜索能力; 其次,在警戒者位置更新公式中引入莱维（Levy）飞行策略,减少算法陷入局部最优的风险。为验证改进算法的寻优能力,将麻雀搜索算法（SSA）、遗传算法（GA）、灰狼算法（GWO）以及改进的麻雀搜索算法（ISSA）在8个基准测试函数上做了对比实验。实验结果表明,改进的麻雀搜索算法（ISSA）在寻优精度,稳定性等方面都较其它算法更为优异。最后,将改进的麻雀搜索算法用于优化支持向量机（ISSA-SVM）的惩罚参数 和核参数 ,进行井漏事故的预测。结果表明,ISSA-SVM预测准确率为97.7654 ,相比于麻雀算法（SSA）-SVM、遗传算法（GA）-SVM以及灰狼算法（GWO）-SVM预测准确率都高,且收敛速度快,迭代次数少,能够高效、快速预测井漏事故,提高钻井效率和可靠性。     

融合正弦余弦算法的蝴蝶优化算法

针对蝴蝶优化算法存在收敛速度慢、求解精度差和易陷入局部最优等缺陷,提出一种融合正弦余弦算法的蝴蝶优化算法。首先在蝴蝶自身认知部分引入非线性自适应因子,其次重新定义香味浓度计算公式,最后在局部搜索阶段引入改进的正弦余弦算法。通过19个基准函数的测试,实验结果表明,本算法在收敛速度、寻优精度和鲁棒性方面均优于蝴蝶优化算法(Butterfly Optimization Algorithm,BOA)、正弦余弦算法(Sine Cosine Algorithm,SCA)、樽海鞘群算法(Salp Swarm Algorithm,SSA)、狼群算法(Grey Wolf Optimizer,GWO)和布谷鸟搜索算法(Cuckoo Search Algorithm,CS),与其他改进蝴蝶优化算法相比,在寻优精度方面也具有一定优势。     

动态透镜成像学习人工兔优化算法及应用

针对基本人工兔优化(Artificial Rabbits Optimization, ARO)算法在解决复杂优化问题时存在收敛慢、精度不高和容易陷入局部最优等缺陷,本文提出一种改进的ARO算法(记为IARO算法)。IARO算法中的基于正弦函数的非线性递减能量因子能够帮助算法实现从探索阶段到开发阶段的良好过渡,从而提高算法的收敛速度和解的质量。此外,为了提高算法跳出局部最优的概率,IARO算法引入了一种动态透镜成像学习策略。为了证明IARO算法的优越性,首先选取了6个基准测试函数进行数值实验,然后用其求解2个工程设计优化问题和1个包括15个数据集的特征选择问题,并与灰狼优化(GWO)算法、鲸鱼优化算法(WOA)、正弦余弦算法(SCA)和基本ARO算法进行对比。结果表明,IARO算法有着比其他对比算法更优越的性能。     

基于PSOGWO-SVM的网络入侵检测方法

针对SVM算法的核函数及参数选择不科学会导致检测的准确率比较差的问题,提出了一种融合粒子群搜索的灰狼优化算法,利用PSOGWO算法优化SVM的参数,确定SVM分类器的最优检测模型,并基于NSL KDD数据集进行对比实验。结果表明：基于PSOGWO SVM的入侵检测方法实现了SVM的参数最优化,而且在检测率、收敛速度、模型平衡性等方面有明显提升,该方法在网络入侵检测方面具有更好的性能。     

混合策略改进的金枪鱼群优化算法

针对金枪鱼群优化(Tuna Swarm Optimization, TSO)算法前期收敛速度慢和容易陷入局部最优等不足,提出混合策略改进的金枪鱼群优化算法(Improved Tuna Swarm Optimization Algorithm Based on Hybrid Strategy, HTSO)。首先,用Circle混沌映射初始化种群,提高种群的丰富性;其次,利用莱维飞行(Levy flight)在空间随机游走的搜索特点,提高算法在螺旋式觅食时的幅度,减少算法陷入局部最优的次数,帮助其快速找到全局最优。通过14个基准测试函数,在不同维数下比较传统TSO算法、HTSO、鲸鱼优化算法(Whale Optimization Algorithm, WOA)、灰狼优化(Grey Wolf Optimizer, GWO)算法和哈里斯鹰优化(Harris Hawks Optimization, HHO)算法的性能。仿真结果表明,不管是在低维还是在高维的情况下,HTSO比其他4种算法有更好的寻优性能和鲁棒性。最后对HTSO进行wilcoxon秩和检验,验证结果表明,HTSO与其他对比算法存在显...     

基于改进灰狼算法的综合能源系统优化调度

为解决综合能源系统中参与者利益与设备可靠运行冲突的问题,提出一种基于非合作博弈的综合能源系统优化策略.针对风、光和负荷的不确定性利用拉丁超立方抽样法与K-means聚类法生成预测出力典型模型.模型综合考虑源、网、荷、储的利益及可靠性问题,并在用户侧引入电动汽车柔性负荷,增强能源的利用率,分析各方在追求利益与运行可靠性时的均衡交互策略.对于传统灰狼算法狼群分布不均匀、搜寻猎物能力弱等问题,基于Hammersley序列产生更均匀的初始狼群,改进收敛因子的递减方式,并调整对越限个体的处理,产生高质量狼群的同时丰富了样本种类,减少寻优的时间和次数.通过算例分析,验证了本文模型及改进算法有效性.     

一种分布式实时系统中的时钟同步算法

在分析FTMA算法和Basic算法的基础上提出了一种分布式实时系统的时间同步算法N-Message算法。给出了算法的性能评价指标,并通过实验证明N-Message算法优于FTMA算法。     

人工免疫算法对遗传算法改进的仿真研究

遗传算法是一种很好的优化算法,但其本身存在着易早熟、效率低等不足.人工免疫算法是参考生物免疫系统机制的一种算法,它通常用于对其它算法的改进.论文用人工免疫算法对遗传算法进行改进,在遗传算法中引入浓度机制并从问题中提取疫苗.通过实验对比,它对遗传算法的改进取得了较好的效果.     

求解无约束优化问题的一种混合共轭梯度法

文章给出了一个改进的共轭梯度公式及新公式的相关性质,新公式和DY公式结合得到一个混合共轭梯度法,新算法在Wolf线搜索下产生一个下降方向;并证明了算法的全局收敛性,给出了数值例子.     

模式匹配算法的深入研究

模式匹配算法的应用较为广泛,KMP算法是一种性能较高的算法,所以对KMP算法的深入研究能够使模式匹配问题得到较大的改善．在匹配的过程中,从模式匹配算法的子串滑动出发,解决特殊的实际问题．通过特殊子串滑动算法与KMP算法整合的实践,在一定程度上省略了KMP函数的求解过程,提高了模式匹配问题的工作效率,保证了模式匹配问题的具体划分．