基于多准则寻优策略的差分进化算法

在差分进化算法的基础上,提出一种基于多准则寻优策略的改进差分进化算法。该算法可以动态调整变异因子和交叉概率,基于文中提出的多准则寻优策略,通过个体适应度、个体间距离等评价指标判断个体的优劣程度,并且可以降低种群的高密度程度,增强种群多样性。这种判断机制可以有效避免种群过早收敛,易陷入局部最优的风险。通过具体的测试函数对算法进行测试,并与标准差分进化算法进行比较,结果显示算法寻优效果较好,可以较快地得到全局最优解。     

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。     

LF-AFSA在WSN广播路径优化中的应用

为了降低无线传感网络的广播能耗,本文利用基于莱维飞行的改进人工鱼群算法(LF-AFSA)对无线传感网络的广播路径进行优化。首先,采用莱维飞行步长取代AFSA的固定步长,实现短步长与偶尔较长步长的结合,既保证算法局部探索能力,又提高算法的收敛速度和全局寻优能力;然后,设计人工鱼密度评价算子,衡量种群个体的相似度;同时,综合考虑人工鱼食物浓度和密度,设计生存度评价算子来评价人工鱼质量,保证算法种群的多样性,避免算法陷入局部最优。仿真实验表明,与其他路径优化算法相比,该算法能够获得更节能的广播路径,网络性能得到提高。     

考虑拥堵因素的自动化码头多AGV无冲突动态路径规划模型

针对自动化集装箱码头水平运输系统的调度优化,提出一种自动引导车(AGV)动态路径规划策略,即在多AGV系统路径生成的同时进行动态路径优化.从AGV运输作业时间角度,建立考虑拥堵的多AGV路径优化模型,优化AGV路径方案.为求解模型,设计了基于动态路径规划策略的多种群蚁群算法,并对模型与算法的有效性进行验证.结果表明:基于动态路径规划策略可以对路径规划过程进行动态控制与优化;同时,考虑拥堵因素可以有效地解决水平运输路网中的拥堵问题,提高运输作业效率.     

引入改进蝠鲼觅食优化算法的水下无人航行器三维路径规划

针对复杂环境下传统群体智能优化算法在求解水下无人航行器(UUV)路径规划的过程中存在路径搜索能力不足、易陷入局部最优等问题,提出了一种引入改进蝠鲼觅食优化算法的UUV三维路径规划方法。首先,根据UUV在水下航行时的实际环境,建立相关地形模型和威胁源模型;其次,对传统的蝠鲼觅食优化算法进行改进,相关改进包括在初始化过程中加入局部反向学习机制优化种群的位置,提高了种群的多样性;根据每次迭代后种群个体适应度的不同,改进蝠鲼翻滚觅食的翻滚因子S,由此实现一种自适应翻滚,有利于跳出局部最优;同时,在蝠鲼螺旋觅食过程中融合莱维飞行-柯西变异策略,扩大了搜索路径和种群搜索范围,提升了算法寻找全局最优的能力;最后,将改进的蝠鲼觅食优化算法引入到UUV的路径规划中,进行相应的实验模拟。实验结果表明：在地形1中采用改进的蝠鲼觅食优化算法所规划的路径相比于灰狼算法和蝠鲼觅食优化算法分别降低了32.49 km和23.88 km,航迹代价分别降低了9.68和4.04;在地形2中采用改进的蝠鲼觅食优化算法所规划的路径相较于灰狼算法和蝠鲼觅食优化算法分别降低了20.83 km和29.95 km,航迹代价分别降低了1...     

采用A星-遗传算法的船舶管路智能布置

针对船舶管路设计中的路径寻优问题，提出了一种采用A星-遗传算法的船舶管路智能布置方法。首先，建立了船舶管路布置空间模型，包括网格单元模型、管路简化模型、设备障碍物模型和约束规则模型。其次，对传统遗传算法进行了优化设计，在种群初始化阶段，加入障碍物判定函数替换以往其他研究采用的罚函数；在交叉和变异过程，引入A星算法生成子路径；引入父子比较环节，每经过交叉、变异一次，便比较一次父代与子代的适应度值；在选择操作中，对传统的轮盘赌方法进行改进，引进个体的相似度比例，个体的被选择概率由相似度比例和适应度值共同决定。最后，对所提优化A星-遗传算法和粒子群、A星、迷宫-遗传算法进行了仿真对比实验。结果表明：A星-遗传算法在管路的长度、拐角数、能量值、适应度值、最优解次数和平均收敛代数等6项指标上均得到了最优值；与同为混合算法的迷宫-遗传算法相比，优化A星-遗传算法在两个案例中的最优解次数分别增加了44.4%、100%,平均求解时间分别减少了57.6%、58.1%,平均收敛代数分别减少了36.9%、44.1%。A星-遗传算法在保证管路布置质量的同时，有效提高了寻优效率，其对于船舶管路智能布置的适配性和...     

基于改进蚁群算法的智能物流配送路径优化方法

针对交通日益拥堵情况下的物流配送路径的优化选择问题,提出了一种基于改进蚁群算法的智能物流配送路径优化方法.首先,对传统基于单一路径最短优化的思路进行了扩展,提出了基于多约束条件的最优路径质量评价函数,并推导分析了不同约束情况下的最优路径模型;然后,基于多约束条件对传统蚁群算法状态转移启发函数和信息素进行了改进,较好地改善了算法的动态优化性能.计算机仿真结果表明,本文方法很好地提升了复杂路况下最优路径的寻优精度和收敛速度,具有较好的应用前景.     

考虑客户满意度的带时间窗的多中心半开放式冷链物流车辆路径优化

针对带时间窗的多中心半开放式车辆路径问题，以总配送成本最小化和客户满意度最大化为目标，提出了双目标冷链物流路径优化模型。针对NSGA-Ⅱ算法容易陷入局部最优等缺点，结合粒子群算法生成种群方式，设计一种改进的NSGA-Ⅱ算法。通过仿真对比实验，结果表明，所提出的算法和模型可有效解决带时间窗的多中心半开放式冷链物流车辆路径优化问题，且改进算法性能更优，同时分析了总配送成本与客户满意度之间的关系，为冷链物流企业带来一定的管理启示。     

融合多策略的萤火虫算法

针对萤火虫算法在求解高维复杂函数时存在的收敛速度慢、寻优精度低和易陷入局部最优等缺点,提出一种融合多策略的萤火虫算法（IMSFA）。首先,利用混沌映射和动态对立学习策略优化初始种群,加快算法的收敛速度;其次,对个体的移动策略进行多样化设计,降低算法陷入局部最优的概率,提高算法的寻优精度;最后,对超出解空间的个体使用归优边界限制策略,保证算法可以朝着一个较优的方向进行搜索。在8个基准函数上对IMSFA进行优化测试,并使用Wilcoxon秩和检验对其进行评估,结果表明,IMSFA在收敛速度、搜索精度、克服局部最优和寻优稳定性方面有着出色的表现。     

基于捕食搜索策略混合遗传算法的车辆路径问题研究

在分析研究车辆路径问题的基础上,将其转换为经典TSP优化问题进行求解并建立数学模型,针对遗传算法在求解车辆路径问题时搜索效率低,容易陷入局部最优的缺点,提出了一种改进的遗传算法.改进算法引用自适应邻域法进行种群初始化;基于捕食搜索策略动态自适应调整遗传参数,在加快寻优速度的同时防止陷入局部最优;交叉前后的种群分别实施精英个体保留策略,交叉变异之后引进进化逆转操作,继承父代较优和较多的信息.实验结果表明:改进遗传算法搜索效率高、计算结果较为稳定;求解车辆路径最优问题较其它算法具有较好的性能.     

采用改进灰狼算法的移动机器人路径规划

针对传统灰狼算法求解移动机器人路径规划问题收敛效率低且易陷入局部极值的缺陷,提出一种基于Tent混沌映射初始化种群的改进灰狼(TGWO)算法,并将其运用于解决移动机器人全局路径规划问题。基于Tent混沌映射初始化灰狼种群,以丰富种群多样性,提高收敛速度;提出指数型收敛因子改进策略,以更好地拟合灰狼实际搜索过程,并通过改进控制参数H以平衡算法的全局勘探与局部开发能力;融合动态权重因子和适应度比例系数,更新灰狼个体的位置信息,以提高灰狼个体自主搜索能力,避免算法陷入局部最优。为验证算法有效性,选用8个标准测试函数以及3组复杂度不同的栅格环境,先后开展了TGWO算法与传统GWO算法、3种典型改进灰狼算法的测试对比实验以及全局路径规划仿真对比实验。结果表明：TGWO算法在单峰、多峰函数上均有较好的收敛性、较高的寻优精度;仿真场景下,相较于传统GWO算法,TGWO算法所提的各个改进策略均能有效提升路径寻优性能;TGWO算法的平均路径长度、路径长度标准差、平均迭代次数、平均寻优耗时这4项指标均优于对比算法;TGWO算法路径寻优的优越性和鲁棒性得到了验证。     

基于动态分组的多策略引力搜索算法

给出了一种基于动态分组的多策略引力搜索算法.算法迭代初期利用自适应分组策略对种群进行分组寻优,每个分组内只更新最差个体,采用云模型理论来改进最优个体的进化行为;迭代后期将种群分为优势子群和拓展子群,采用差分变异算子更新优势子群提高寻优精度和速度,利用Tent混沌理论进化拓展子群完成个体变异.典型复杂函数测试表明,该算法具有很好的收敛精度和计算速度.     

基于改进萤火虫算法的移动机器人多目标路径规划

针对复杂室内环境下移动机器人的路径规划问题,提出一种面向多目标同时优化的改进萤火虫算法;该算法利用栅格地图对机器人作业环境进行建模,将Pareto支配关系引入到萤火虫个体的亮度评价过程,构建精英库保留算法迭代过程中的Pareto非支配解,采用自适应网格划分策略维护种群的多样性;以路径长度、路径安全性和路径平滑度为目标进行运动路径的搜索与优化。仿真结果表明,与经典的带精英策略的非支配排序遗传算法相比,面向多目标同时优化的改进萤火虫算法求得Pareto非支配解集更优越。     

动态调整进化方向与策略的果蝇优化算法

针对标准果蝇优化算法(FOA)收敛速度慢、容易陷入局部最优和寻优精度低等缺陷,提出了动态调整进化方向与策略的果蝇优化算法(FOADAEDS)。首先,种群初始位置由佳点集理论选取;其次,根据种群进化信息动态调整进化指导方向和搜索步长;最后,当算法陷入早熟时,改变搜索策略以跳出局部最优。对6个经典测试函数进行仿真运算,结果表明,本文提出的改进算法相比标准果蝇优化算法和其他几种改进算法,有较好的寻优精度和收敛速度。     

采用危险度预警的进取麻雀搜索算法

为了解决麻雀搜索算法在迭代后期种群多样性降低且容易陷入局部最优的问题,提出一种采用危险度预警的进取麻雀搜索算法。首先制定保持进取策略,选取种群中适应度值优秀的个体与适应度值变化幅度大的个体共同培育生成学习样本,加快寻优速度。然后将种群进化过程分为稳定阶段和进取阶段,并在每个阶段执行不同策略：稳定阶段策略利用全局最优解和学习样本引导种群进化,增强局部开发能力;进取阶段策略利用个体历史最优解和学习样本引导种群进化,增加种群多样性并提高全局探索能力。此外,设计危险度预警策略用于检测种群是否陷入局部最优,并通过保存的优秀样本动态更新较差个体,帮助种群跳出局部最优。与其他几种有代表性的改进麻雀搜索算法一起针对CEC2017测试集进行对比实验,其结果证明了本文算法在收敛速度和收敛精度上有明显改进,能有效避免陷入局部最优。     

改进鲸群优化算法及其应用

针对传统WOA算法在迭代寻优前期因种群存在适应度相对较差个体并通过代间信息继承途径而影响新种群优良性与算法寻优性能的问题,提出一种将WOA算法与混沌搜索策略相融合的改进鲸群优化算法(MWOA).该算法在每代寻优过程中以个体适应度值的优劣作为判定准则以识别当前种群的最差个体,通过混沌映射对该最差个体进行位置更新以改善种群的优良性并提高算法的优化性能与寻优效率.实验结果表明,改进算法在基准测试函数实验表现出较强的探索寻优性能、在最小二乘支持向量机的参数优化实验中验证了其较高的寻优效率等.     

基于改进量子遗传算法的小波神经网络优化及其软测量应用

针对简单量子遗传算法在优化高维问题寻优速度慢、收敛率低的缺陷,提出一种改进的量子遗传算法,通过搜索各种群中最优染色体组成当前最优个体,并依此个体来确定量子门的全局最优搜索方向.将改进算法用于优化小波神经网络,藉此建立了4-CBA浓度的软测量模型.仿真结果表明:与简单量子遗传算法相比,改进算法对复杂优化问题具有全局快速寻优性能.     

基于改进哈里斯鹰算法的分布式电源优化配置

为解决分布式电源接入配电网进行合理规划配置的问题,在建立以网络损耗、节点电压偏差、投资综合费用为多目标函数的基础上,采用层次分析法将考虑经济性与稳定性的多目标函数转换成单目标函数,并用改进哈里斯鹰算法寻找最优的配置方案。为进一步改善哈里斯鹰算法的寻优精度与收敛速度,引入Tent混沌提高初始化种群的均匀性;将鲸鱼算法的搜索围捕方式与哈里斯鹰算法结合,增加了算法的多样性并提高了寻优精度;引入t分布策略增强全局寻优能力和求解速度。通过算例验证了采用改进哈里斯鹰算法在求解分布式电源优化配置问题中的高效性和稳定性。     

基于改进BCC算法的配电网综合运行优化

研究了配电网综合运行优化问题.将配电网无功优化与配电网络重构联络开关两者相结合,建立了配电网多目标综合优化数学模型.提出了基于改进的细菌群体趋药性算法的配电网综合优化计算新方法,针对算法易于陷入局部最优解的缺点,新算法在基本的细菌群体趋药性算法的基础上引入了动态调整策略、自适应变异算子和混沌搜索机制,改善了细菌寻优速度和寻优效率.利用改进的细菌群体趋药性算法对IEEE33系统进行综合优化,结果表明改进算法可以有效地降低系统有功网损,提高各节点电压,同时也验证了改进算法的可行性和有效性.     

基于粒子群优化算法的协同空战导弹目标分配

为了取得协同空战的最佳攻击效果,在协同攻击的过程中进行导弹-目标最优分配是一种有效的解决方法。首先运用作战效能和运筹学理论建立多目标协同攻击的导弹-目标最优分配模型,其次在分析基本粒子群优化算法特点的基础之上提出了一种改进粒子群优化算法,其中的主要改进有3点:惯性权自适应调整、粒子速度与位置自动更新以及优化策略改进。然后将该改进粒子群优化算法应用于协同空战导弹-目标最优分配问题的迭代求解。仿真结果表明所采取的改进策略加快了算法的收敛速度,提高了粒子的局部求解精度与全局寻优能力,并且与基本粒子群算法、遗传算法相比较,该改进粒子群优化算法能够更加快速、有效地求出多目标协同攻击的导弹-目标分配最优解。