混沌的自适应和声搜索算法

和声搜索算法是一种启发式优化算法,针对现有改进的和声搜索算法(IHS)的不足,提出了一种混沌自适应和声搜索算法(CAHS)。在该算法中,首先采用混沌策略初始化种群,然后采用自适应的和声保留概率、音调调节概率和音调调节步长产生新解,每次迭代产生多个新解,充分利用和声记忆库的信息。如果算法停滞,则采用混沌变异机制。本文用5个标准的测试函数对该算法进行测试,结果表明该算法(CAHS)比IHS和AHSPSO算法有较强的寻优能力和跳出局部最优解的能力。     

求解航天器最优交会问题的改进和声搜索算法

针对航天器最优交会问题,基于C-W模型建立一种燃料时间混合指标,并提出一种改进和声搜索(AHS)算法进行求解.在AHS算法中,提出一种全局均匀学习操作,利用了当前全局最优和声的指导作用,取代了原始和声搜索算法的基音调整操作,增强全局搜索和局部搜索的平衡,并对参数PAR进行了有效的动态调整,以更好适应算法的搜索进程.利用几个最优交会实例对AHS算法的有效性进行了测试,数值结果表明AHS算法能够取得满意的结果,并且优于其他算法.     

改进的自适应和声搜索算法

和声搜索算法是一种启发式优化算法,针对现有改进的和声搜索算法(IHS)的不足,提出了一种改进的自适应和声搜索算法(IAHS).在该算法中,采用自适应的和声保留概率、音调调节概率和音调调节步长产生新解,每次迭代产生多个新解,充分利用和声记忆库的信息.本文用了5个标准的测试函数对该算法进行测试,结果表明该算法(IAHS)有较强的寻优能力和跳出局部最优解的能力.     

采用反向学习和差分进化改进的飞鼠搜索算法

针对飞鼠搜索算法(SSA)求解精度不高、容易早熟等缺点,提出一种采用反向学习和差分进化改进的飞鼠搜索算法(ODESSA).首先对最初种群使用反向学习生成其反向种群,增加初始种群的多样性.其次,在SSA中利用差分进化算法中的变异、交叉、选择机制扩大飞鼠搜索范围,以此增强算法的全局勘探能力.最后再次利用反向学习生成所有搜索...     

带有全局交叉的修正和声搜索算法

为增强和声搜索算法的全局搜索能力,提出一种带有全局交叉的修正和声搜索(MHSgc)算法.MHSgc算法采用多和声记忆库协同创作,应用邻域学习策略进行调整,取代原有的基音调整,从而增加了种群多样性.同时,提出一种全局交叉操作,并融合到MHSgc算法中,防止算法陷入局部最小.针对几个标准函数进行了实验仿真,数值结果表明,上述算法优于文献报道的8种智能算法(HS,IHS,GHS,NGHS,EHS,ITHS,MPSO,RMDE),具有较好的优化潜力.     

多子群混合和声搜索算法

为提高和声搜索算法的优化性能,提出一种多子群混合和声搜索(MHHS)算法.该算法基于每个和声到最好和声的距离进行排序,并依据排序结果分层,每一层作为一个独立的子群.不同的子群融合不同的差分调整策略,以拓宽搜索范围;同时建立通信机制,使各子群以一定规格进行信息交流,促进子群的协同进化.实验仿真表明,本文算法在寻优精度、收敛性和鲁棒性方面均优于文献中报道的HS,EHS,NGHS,MPSO,CLPSO,DE,ODE和IABC算法.     

基于和声搜索算法的电力系统经济调度

针对风电并网对电力系统经济调度的影响,以火电机组的燃料成本及火电厂环境成本为目标函数建立模型。通过惩罚系数将污染气体排放量转化为环境成本。提出了基于模拟退火的和声搜索算法。通过与传统的遗传算法比较,验证了该算法的可行性与有效性。     

和声搜索算法在聚类分析中的应用

提出了一种改进的和声搜索算法并应用到聚类分析中.首先,将状态反馈机制引入到和声搜索算法中,通过判断和声记忆库中"最优"和声和"最差"和声之间的差异,来动态调整和声记忆库考虑概率和移动步长,使算法能够快速地收敛到全局最优解.通过更新和声向量中精度变量对应的聚类中心来最小化目标函数值,获得数据样本的最优划分.其次,提出了一种数据样本真实聚类中心数的确定方法,当输入样本数大于真实聚类中心数时,通过计算能够自动地确定数据样本真实聚类中心数目.最后,应用4种性能指标来比较所提算法与蚁群聚类算法和原始和声搜索聚类算法的性能.结果表明,所提算法的性能优于另两种算法.     

和声搜索算法在结构有限元模型修正中的应用

首次将和声搜索算法(harmony search algorithm,HSA)引入结构健康监测领域,并成功应用于结构有限元模型修正.首先介绍和声搜索算法的基本原理及其主要计算步骤;其次将结构有限元模型修正转化为一优化问题,建立目标函数,利用和声搜索算法求解该优化问题,得到结构修正后的有限元模型;最后通过对5层剪切型框架模型进行仿真模拟,验证该方法在结构健康监测领域应用的可行性.拓宽和声搜索算法的应用范围,为结构健康监测提供另一种思路.     

基于和声搜索算法的RGV动态调度优化模型

以2018全国大学生数学建模竞赛B题为例,针对RGV车间调度的具体案例,采用和声搜索算法和遗传算法,建立了RGV动态调度模型,解决车间CNC最优排布问题和RGV最短路径问题,得到了一个班次的RGV动态调度策略,以优化工业生产的实际过程.并代入3组系统作业参数,验证了模型的实用性和算法的有效性.     

融合榜样学习和反向学习的粒子群优化算法

为了提高粒子群优化算法(Particle swarm optimization,PSO)的优化效率,降低其陷入局部最优的概率,提出了一种融合榜样学习和反向学习的PSO算法(PSO based on combing Example learning and Opposition learning,EOPSO).首先,对粒子群中的非最优粒子采用新颖的榜样学习机制更新,以便提高全局搜索能力,避免算法陷入局部最优;其次,对粒子群中最优粒子采用反向学习混合机制更新,提升该粒子的搜索能力,进一步避免算法陷入局部最优;最后,对粒子群中的最优粒子还采用了自身变异机制更新,有利于搜索前期的全局搜索和后期的快速收敛.在15个不同维度的基准函数上进行了仿真实验,实验结果表明,与最先进的PSO改进算法ELPSO、SRPSO、LFPSO、HCLPSO相比,EOPSO优化性能更好.     

基于改进的和声搜索算法的特征基因选择方法

DNA微阵列数据通常含有成千上万个基因,其中含有大量与分类无关的基因和冗余基因,这些基因的存在会严重影响分类精度和效率.针对这一问题,提出一种基于改进的和声搜索算法的特征基因选择方法,首先采用Relief F算法对微阵列基因数据集排序,取排序靠前的N个基因构成初选基因子集,然后再利用改进的和声搜索算法选择特征基因.通过在3个公共微阵列数据集上的仿真实验,结果表明,该算法能够在更少的特征基因情况下达到很高的精度,是一种有效的特征基因选择算法.     

基于混沌自适应引力搜索的模糊C均值聚类算法

针对传统模糊C均值聚类算法(FCM)易陷入局部极小值和对初值敏感的缺陷,提出一种基于混沌自适应引力搜索的模糊C均值聚类算法.首先采用自适应的更新粒子速度和混沌优化粒子最优位置的策略,对引力搜索算法进行改进.其次,用改进的引力搜索算法优化FCM的初始聚类中心.在Iris和Wine数据集上的实验表明,该算法具有很强的全局搜索能力,提高了聚类的效果和效率.     

基于区间套混沌搜索的混合优化方法

基于对Logistic映射混沌变量概率分布的研究,提出了一种区间套混沌搜索方法,避免了混沌搜索的盲目性.将区间套混沌搜索方法与共轭梯度法结合,提出了一种混合优化方法,利用区间套混沌搜索方法搜索到近似最优点,再用共轭梯度法求得最优点.数值计算结果表明,该方法可显著提高优化效率.     

两种工况下锻压组合机架的接触特性分析

以某锻压机为研究对象,基于ANSYS有限元软件,采用过盈配合法模拟因预紧产生的框架内力,确定了过盈量与预紧力的关系.针对锻压过程的镦粗(工况1)和拔长工况(工况2),通过分析开缝系数、接触状态、接触压力、危险拉杆的拉应力以及立柱的弯曲变形,讨论了预紧力与偏心距等对锻压组合机架接触特性的影响.结果表明拔长工况比镦粗工况更为危险,且开缝系数应满足以下标准,即上横梁与立柱的接触面积大于05,且开缝系数β≤23.研究结果可为锻压机的结构设计提供理论依据.     

基于启发式规则与和声搜索的配电网重构算法

提出一种基于启发式规则与和声搜索算法的配电网经济性重构方法.首先,根据配电网重构网络拓扑要求及和声搜索算法的特点,采用基于重构环解的和声向量编码方式,通过构建重构环特殊支路组、设定支路断开原则避免不可行解的产生;然后,以网损最小为目标分析初始网络,利用启发式规则将各重构环搜索范围压缩到最有可能的有效解范围之中;最后,利用和声搜索算法在有效解范围中全局寻优.该方法显著减少了候选解数目,能够快速搜索到全局最优解,且搜索性能不随网络规模的扩大而变差.IEEE典型算例的仿真结果验证了本文方法的正确性和有效性.