改进麻雀搜索算法及其应用研究

针对麻雀搜索算法（SSA）收敛过早和迭代后期易陷入局部最优等缺陷,提出一种改进的麻雀搜索算法（ISSA）。首先,为提高算法的随机性和搜索性,将发现者向最优位置的跳跃操作改为向最优位置的移动,同时采用非线性的正余弦搜索对跟随者位置进行调整;其次,为解决算法在迭代后期易陷入局部最优的情况,对发现者和跟随者位置进行动态调整,同时采用反向学习策略对种群进行初始化设计;再次,利用柯西-高斯变异解决算法过早收敛的问题;最后为验证改进算法有效性,利用12种基准函数进行测试,测试结果与SSA、WOA、GWO、PSO、GA进行对比。结果表明：ISSA能够有效克服SSA收敛过早和迭代后期易陷入局部最优的缺陷,并提高了算法的收敛精度、稳定性和收敛速度。同时,将ISSA应用到车辆路径问题,验证了ISSA应用于实际工程问题的可行性。     

具有自适应多子群的海洋捕食者算法新策略

基于多子群海洋捕食者算法提出在探索与开发阶段动态地采用新系数,并针对追随者子群更新算法进行优化.通过自适应调整领导者子群、追随者子群和衔尾者子群的种群规模,在全局探索和局部开发需求之间取得平衡.采用多种算法进行对比试验,结果表明该策略在优化问题上取得了改进和成效,适用性更广,为后续的研究和应用提供了重要的参考与借鉴.     

一种改进的粒子群优化算法

针对粒子群优化算法早熟收敛现象,提出了一种改进的粒子群优化算法.该算法将模拟退火算法的"上山性"引入粒子群算法中,同时为了增加种群的多样性,将交叉和变异算子也结合进去,形成了一种新的改进粒子群算法.比较了高斯变异和柯西变异这两种变异算子对改进算法的影响.改进算法对典型函数的优化计算结果表明,与基本粒子群算法相比,改进算法能够更加快速有效的收敛到全局最优解,而且采用柯西变异算子的改进算法的效果比采用高斯变异算子的效果要好.     

基于海洋捕食者算法和ELM的空气质量指数预测

针对极限学习机(Extreme Learning Machine,ELM)模型参数选取敏感问题,文章提出一种改进的海洋捕食者算法(Improved Marine Predator Algorithm,IMPA)优化极限学习机的权重和偏置。首先,针对海洋捕食者算法初始种群的多样性不足,运用准反射学习策略生成高质量的初始猎物种群。其次,引入柯西变异策略更新种群,增强算法的全局寻优能力。然后,运用纵横交叉策略对猎物种群进行修正,进一步提高算法搜索精度。最后,将改进后的海洋捕食者算法优化极限学习机的权重和偏置,构建了一种IMPA-ELM预测模型用于空气质量指数预测。实验结果表明,IMPA-ELM预测模型在空气质量指数预测精度上有所提高。     

改进人工蜂群算法求解置换流水车间调度问题

针对置换流水车间调度问题（PFSP）,以最小化最大完工时间为优化目标建立数学模型,设计了一种改进人工蜂群算法。该算法采用反向学习方法和混沌映射来生成初始种群,为使算法能够求解离散的调度问题,采用LRV规则将位置数值映射成工件排列顺序;在雇佣蜂阶段,融入差分进化算法的思想,加入高斯变异算子,使收敛速度加快;在跟随蜂阶段,加入自适应策略,将算法的勘探和开发能力进行平衡;在侦察蜂阶段,加入柯西变异算子,避免陷入局部极值。最后通过比较几种不同的算法,对Car算例以及部分Rec标准算例集进行仿真测试,验证该算法的有效性和优越性。     

自适应多策略正余弦算法

标准正余弦算法在处理优化问题时,收敛速度不尽人意、局部搜索能力差等原因限制了正余弦算法的应用范围。针对这些问题,提出了一种自适应多策略正余弦算法(Adaptive Multi-strategy Sine Cosine Algorithm,AMSCA)。新算法以收敛速度和多样性两个指标作为依据,利用赌轮选择机制选用包括正余弦算法在内的四种更新策略的其中一种作为下一代更新的策略,结合反向学习策略,以提高个体寻优的速度或避免算法陷入局部最优解。通过18个经典基准函数实验,对新算法与其他智能进化算法的测试结果进行比较分析,新算法的优化能力强于对比算法。     

基于改进樽海鞘群算法的提梁机主梁轻量化设计方法

针对樽海鞘群算法在优化过程中存在收敛速度慢、求解精度低、易于陷入局部最优解等缺点,提出了基于柯西和高斯混合变异的一种自适应变异策略的樽海鞘群算法,该算法通过选出适应度值最好的前S个个体进行自适应变异,可避免算法陷入局部最优解.通过柯西和高斯变异动态调整参数的变化提高算法的局部搜索能力和收敛速度.选取10个测试函数分别对樽海鞘群算法及改进樽海鞘群算法进行测试比较.数值分析表明,改进的樽海鞘群算法收敛速度快,寻优能力强且精度高.将改进后的算法用于提梁机主梁结构的优化设计中,该结构在满足强度、刚度、稳定性等设计要求条件下,主梁的截面积减少了13.58%,轻量化效果显著,表明该算法具有良好的工程应用价值.     

基于多策略改进COA算法优化ELM的IGBT剩余寿命预测

针对绝缘栅双极型晶体管（Insulated Gate Bipolar Transistor,IGBT）剩余使用寿命的准确预测问题,提出了一种基于多策略改进优化的二维卷积优化算法（Convolution Optimization Algorithm on mixed strategies,COAM）的IGBT剩余寿命预测模型。通过改进和优化极限学习机（Extreme Learning Machine,ELM）参数,利用NASA研究中心公开的IGBT老化加速试验数据集,分析并提取了集射极-发射极阻断电压的失效特征参数,以获取阻断电压尖峰信息。针对COA算法在前期容易陷入局部极值和后期寻优精度不高的问题,首先选择通过Fuch映射序列初始化种群增强初始种群的随机性和变异性,然后采用新的综合位置更新方式来扩展算法的局部搜索能力,并引入高斯-柯西变异机制来改进解质量增强机制。最后,将该算法用于ELM参数的优化,以应用于IGBT剩余寿命的准确预测。通过将COAM-ELM与其他3种优化算法优化ELM方法进行对比分析,结果显示COAM-ELM方法在IGBT剩余寿命预测方面具有高精度的特点。本研究提出的方...     

一种求解旅行商问题的改进人工蜂群算法

针对人工蜂群算法在处理大规模旅行商问题时普遍存在易陷入局部最优解和早熟收敛的问题,提出一种改进的人工蜂群算法.将柯西变异算子引入蜜蜂食物源更新公式,设计了一种自适应对数步长代替随机步长以改进随机解生成公式.将改进算法用于求解对称TSP问题,实验结果表明,改进后的算法有效地解决了人工蜂群算法早熟收敛和搜索速度较慢等问题,在求解TSP问题上确实有效可行.     

反向烟花算法及其应用研究

针对烟花算法性能提升瓶颈和收敛速度较慢的问题,通过引入反向学习策略,提出了一种自适应反向学习算子,并进行了相关收敛性理论证明。通过反向学习算子与烟花算法相结合,构建了反向烟花算法组,并通过典型测试函数进行仿真实验。结果表明:在相同实验设置下,反向烟花算法可在原算法寻优性能上至少提升10-2精度,并加快了收敛速度。针对混沌同步与控制系统中常见的参数辨识问题,以混沌同步控制中Lorenz混沌系统参数辨识问题为应用背景,通过实验仿真,验证了反向烟花算法可用于混沌控制系统参数估计,与现有方法相比较,估计误差低至10-11,具有较高的估计精度,是一种新的有效的混沌控制系统参数估计方法,拓展了算法工程应用的范围。     

基于动态调整位移参数的BP改进算法

人工神经网络应用中,80％～90％采用BP网络,BP神经网络实质是一个无约束非线性最优化计算过程,计算时间长,且难得到最优结果．文中提出了一种动态调整位移参数的BP改进算法,使得BP网络能尽快跳出平坦区,加快计算速度．实验对太阳黑子进行预测,证明改进后BP算法具有速度快、精度高等方面的优点,达到了预期效果．     

基于改进飞蛾算法的电动汽车充电站选址研究

为解决充电站选址问题,兼顾运营商和用户双方利益,构建全社会总成本最小化的充电站选址模型.针对传统智能优化算法参数较多、收敛精度不高等缺陷,提出一种改进飞蛾火焰算法求解模型.首先改变火焰数量减少机制,加快算法的收敛速度;其次通过引入自适应权重与高斯变异策略,改变飞蛾位置更新方式,提高算法的局部开发能力;最后融合模拟退火算...     

自适应搜索的改进遗传算法及其应用

提出了一种具有自适应搜索能力的快速收敛遗传算法。在计算过程中，设计变量的搜索范围依据每代自变量的数学期望和方差自动进行调整，并且通过引入进化策略中的自适应高斯变异算子，对变异算子进行改进，加速了算法的收敛性。为了验证算法的可行性和鲁棒性，对一个高维多峰函数的极小值搜索问题进行了求解，并将算法进一步应用于离心叶轮的形状优化问题。计算结果表明，该算法克服了传统遗传算法中设计区间的给定具有一定盲目性的缺陷，在收敛性和鲁棒性方面均优于传统的实数编码遗传算法。     

基于高斯扰动的反向蜉蝣优化算法

目的 解决蜉蝣优化算法收敛精度较低且易陷入局部最优解的不足。方法 将高斯扰动和混合反向学习策略与蜉蝣优化算法进行融合,提出一种基于高斯扰动的反向蜉蝣优化算法。该算法在雌雄蜉蝣种群中通过反向学习来扩大搜索空间,增加种群多样性;在迭代过程中对雄性蜉蝣的最优个体进行高斯扰动,防止算法陷入局部最优解。结果与结论将改进蜉蝣优化算法与其他7个对比算法在14个测试函数上进行数值实验,结果表明,改进蜉蝣优化算法具有更好的搜索能力和求解精度。     

基于混合变异算子的布谷鸟优化算法

针对布谷鸟寻优算法在多维优化函数搜索中存在收敛速度慢、寻优精度低的缺陷,提出了一种基于混合变异算子的布谷鸟优化算法。该算法在每次迭代后采用全局收敛引导的非均匀变异算子对鸟窝位置进行变异,再根据最优位置适应度值的变化率确定是否陷入了局部最优值,若陷入局部最优则利用高斯变异算子对鸟窝位置进行调整,从而提高了收敛速度以及寻优精度。通过6个经典测试函数的测试,实验表明改进后的布谷鸟算法具有较好的寻优精度和收敛速度。     

基于改进灰狼算法的混合发电系统优化设计

风光柴蓄混合发电系统的容量配置是系统优化设计中重要内容。针对基本灰狼算法在进化后期由于种群多样性的缺失而易于出现局部收敛或算法早熟的问题,提出一种具有全局寻优性能的改进灰狼优化算法(Improved Gray Wolf Optimization, IGWO)降低风光柴蓄混合发电系统的运行成本。引入收敛因子设置非线性调整策略来调节算法的全局探索与局部开发之间的平衡从而提高算法的收敛性;同时为了提高算法的全局寻优能力,通过柯西变异算子减少算法早熟收敛的概率。分析了风光蓄柴混合发电系统各发电单元特性,建立起以年均化系统成本最小化为目标的混合发电系统容量优化配置模型。分析优化结果,该改进灰狼优化算法能够有效对目标函数求解,从而证明了该算法的有效性和实用性。     

基于出动效率最大的离场优化排序

飞机离场优化排序对于缓解跑道拥挤现象、提升作战体系出动效率具有重要意义。针对军航双跑道离场优化排序问题,首先建立了基于飞机在预定空域形成“任务包”时间最小为目标函数的优化排序模型,然后设计了一种基于精英反向学习策略和黏菌觅食行为的改进海洋捕食者算法进行求解,最后通过一个仿真实验,与其他算法的优化结果进行对比,改进的海洋捕食者算法使得“任务包”形成时间明显缩短,有效提升了作战飞机的出动效率,可以应用于解决飞机离场优化排序问题。     

一种二维DCT快速算法及其改进

介绍了一种用１ＤＤＣＴ线性组合计算２ＤＤＣＴ的快速算法，并对该算法作了改进和补充．在原始数据预分组时改模Ｎ为模２Ｎ，实现了一次性正确分组，使算法原理简明直观并减少了附加工作量．推导出计算线性组合的具体公式并讨论了它的快速计算，从而提高了该算法的可操作性     

改进收敛因子和变异策略的灰狼优化算法

针对灰狼优化算法(GWO)在求解复杂优化问题时容易出现收敛速度慢和早熟收敛等缺点,提出了一种改进收敛因子和变异策略的新型灰狼优化算法(C MGWO).为了平衡GWO算法的全局探索能力与局部开发能力,设计了一种基于反余弦函数变化策略的收敛因子;为了进一步提高算法跳出局部最优解的能力,提出了一种新的位置变异策略.仿真实验结...     

一个捕食者、两个相互竞争的被捕食者的变时滞Lotka-Volterra生态动力学模型

研究了一类一个捕食者、两个相互竞争的被捕食者的变时滞Lotka-Volterra生态动力学模型.利用Krasnosel-skii不动点定理研究了该系统的正周期解的存在性问题.最后给出一个例子说明文章的主要结果．