采用改进果蝇优化算法的最小二乘支持向量机参数优化方法

针对最小二乘支持向量机建模中超参数选择盲目的问题,提出了一种新的改进果蝇优化算法用于超参数寻优。该算法在果蝇优化算法的基础上,通过判断当代寻优所获得的最优值与前代最优值的关系来选择不同的步长计算公式,以实现搜索步长的自适应更新,使其不仅具有果蝇优化算法调整参数少、计算速度快的优越性,而且提高了果蝇优化算法的寻优精度和全局寻优能力。仿真结果和磨机负荷应用表明,与基于网格搜索法、粒子群优化算法以及未改进的果蝇优化算法所建立的预测模型相比,基于改进的果蝇优化算法所建立的预测模型可以显著提高磨机负荷的预测精度,能更准确地描述出磨机负荷的变化规律。     

一种新的自适应步长果蝇优化算法

针对基本果蝇优化算法(FOA)易陷入局部最优、寻优精度低和后期收敛速度慢的问题,提出了一种自适应步长果蝇优化算法(ASFOA).该算法在运行过程中根据上一代最优味道浓度判断值和当前迭代次数来自适应调整进化移动步长,使算法在初期的步长大而避免种群个体陷入局部最优,到后期果蝇移动的步长变小而获得更高的收敛精度解,并加快收敛速度.通过6个标准测试函数对改进算法进行仿真测试,结果表明ASFOA算法具有更好的全局搜索能力,其收敛精度、收敛速度均比FOA算法及参考文献中其他改进果蝇优化算法有较大的提高.     

基于混合果蝇算法的桩锚支护深基坑临界滑面搜索

进行基坑整体稳定性分析常采用极限平衡法,但仍然需要依据经验试算一系列滑面,将安全系数最小的滑面确定为最危险滑面.针对此问题,提出将果蝇优化（FOA）算法与禁忌搜索（TS）算法融合,提出自适应步长的混合果蝇优化算法（HFOA）,以克服基本果蝇算法局部寻优精度不高且易陷入局部最优的缺点,确保获得全局最优解,并结合简化Bishop算法用于临界滑面的搜索.在Matlab中编程实现该算法,通过与6种启发式算法进行对比,结果表明,HFOA适用于均质土悬臂支护基坑、成层土和含软弱夹层的桩锚支护基坑,相较于遗传算法等6种算法具有更快的收敛速度、更高的收敛精度和可靠性,为深基坑临界滑动面搜索提供了一种新的求解策略.     

虚拟现实中基于果蝇优化算法的碰撞检测

为了提高虚拟现实中碰撞检测的性能，采用包围盒和果蝇优化算法的二级碰撞检测，以优化碰撞检测精度。根据检测物体形状进行紧密率计算，选择最高紧密率包围盒进行物体包围，根据盒包围交叉空间完成一级碰撞检测；根据盒包围交叉空间对待检测物体进行特征提取，根据提取的特征构建果蝇种群，以待检测物体的同类特征距离的倒数作为果蝇群体的实物浓度适应度函数，通过果蝇算法迭代，选择最优适应度个体，即特征最小距离，根据最小特征距离实现物体的二级碰撞检测。试验表明，合理设置果蝇个体搜索步长，通过两级碰撞检测，可以获得较好的碰撞检测准确度。与虚拟现实中的常用碰撞检测技术相比，所提算法的碰撞检测精度高且耗时少。     

自适应搜索云逃逸的果蝇优化算法

针对果蝇优化算法解决高维复杂问题时存在的早熟收敛问题,提出一种自适应搜索云逃逸的果蝇优化算法.分析了果蝇优化算法恒定步长会影响算法的寻优精度,以算法的迭代步值为引导因子设计自适应的搜索方式,协调算法全局搜索与局部搜索的能力.在算法搜索后期,为避免种群多样性过早丧失而导致求解问题陷于局部最优解,以云模型为基础设计云逃逸机制协助算法跳出局部限制进行深度搜索.对10个不同优化问题的实验表明:所提算法从求解精度、收敛速度以及稳定性方面都具有更良好的性能.     

输入非线性系统的多步长搜索梯度迭代算法

采用多步长搜索梯度迭代算法对输入非线性系统参数进行辨识.相对于传统梯度迭代算法,该方法无须计算矩阵特征值以确定步长取值范围,而是借助粒子群算法思想,在每次迭代过程中随机产生多个步长,通过比较每个步长对应的代价函数大小,找出所有步长中的最优值.运用该方法对具有丢失数据的非线性系统进行辨识,仿真结果表明,与传统梯度迭代算法相比,该算法的辨识精度较高、收敛速度较快.     

基于Metropolis准则的自适应随机搜索算法研究

随机搜索算法是一种原理极其简单的优化方法,利用搜索方向与步长的随机特性,算法能够逐渐向全局最优解靠近,最终达到优化的目的。但正是因为其搜索的随机性,导致了算法优化效率特别低,计算领域极其有限。针对以上问题,提出了自适应最优化的搜索策略,利用当前最优解的位置及其演化路径,不断调整算法优化搜索的方向与步长,提高搜索的效率,同时引入模拟退火算法中的Metropolis接受准则,使改进后的算法不仅能够接受优化解而且能够接受恶化解,提高算法的全局搜索能力。采用MATLAB编程软件,通过对两个经典测试函数的模拟及其与传统随机算法的对比分析,优化计算的结果证明了本文所提算法具有高效的优化计算能力,可以进一步应用于工程领域的优化设计。     

三维后期重建中基于果蝇优化的点云数据配准研究

为了提高三维后期重建中的点云数据配准成功率，采用果蝇优化算法进行点云的最优变换矩阵和平移向量求解。首先，提取源点云特征，并结合模板点云特征构建点云配准目标函数。接着，建立果蝇优化算法点云配准模型，以点云配准目标函数作为果蝇优化算法适应度函数，并通过对最优浓度个体的搜索，完成最优变换矩阵和平移向量的求解。为了提高果蝇优化算法搜索精度，采用自适应气味浓度变换率参数，以增强果蝇优化算法对大规模点云的配准适应度。仿真结果表明，即使对源点云引入不同强度的噪声信号和不同规模的离群率干扰，果蝇优化算法的仍能够表现出较高的点云配准成功率和稳定性。相比常用点云配准算法，所提算法的旋转均方根误差和平移均方根误差更小，且配准的成功率更高。     

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。     

模拟植物生长算法的结构优化新机制

作为一种新型启发式智能优化算法,模拟植物生长算法(PGSA)建立以植物向光性机理为基础的生长动力模型,以形成向全局最优解迅速生长的搜索机制.针对大规模复杂优化问题中生长空间大、设计变量多、可能存在多个局部最优解、算法难以自动终止等特点,基于PGSA基本原理,提出了3种新的算法改进机制——可生长点集合限定机制、新增可生长点剔除机制以及混合步长并行搜索机制,并通过典型数学和桁架结构算例分析对提出的改进算法的效果进行验证.结果表明:可生长点集合限定机制能有效控制生长空间规模,具有较强的局部搜索能力;新增可生长点剔除机制通过与前者的结合,为PGSA提供了有效的算法终止机制;混合步长并行搜索机制在生长前期便具备优异的全局搜索能力,能快速获取到最优解范围.所提出的新机制显著提升了PGSA算法优化的有效性及适应性,从而为结构优化问题提供了新思路.     

星际转移发射机会搜索方法

针对星际探测任务发射机会搜索中,等高线图法计算量大和基于遗传算法的搜索方法难以得到精确最优解的问题,提出了一种混合搜索方法.该方法根据探测任务要求,定义待搜索目标函数,并确定搜索域;结合Lam-bert定理与Gauss算法对该问题进行降维;采用全局-局部混合搜索方法求解,解决了传统方法计算量大、计算效率低、求解最优解困难的问题.以1627 Ivar小行星的交会任务为例验证了该方法,其结果表明,采用混合搜索方法可以快速获得最优的星际转移发射机会.     

混合蛙跳算法在云计算资源调度的策略改进

混合蛙跳算法已在云计算资源调度有所运用。针对青蛙种群初始化随机性大、局部搜索盲目、容易陷入局部最优的问题,提出了一种混合蛙跳算法在云计算资源调度的改进策略。该改进策略首先运用SY-MM算法和随机生成方式结合的方法对种群进行初始化,生成适应度较好且保持多样性的青蛙种群;然后对传统蛙跳算法局部搜索中步长公式进行改进,使得能够自适应的去更新步长,进而提升局部搜索能力。通过实验证明改进算法对于云计算中资源调度的时间和负载平衡方面有良好的优化性能。     

一类新的非单调线性搜索BFGS算法

研究了一类非单调线搜索在解无约束优化问题BFGS算法中的应用.该类非单调线搜索属于Armijo型线搜索,并且在每次迭代计算步长时,初始测试步长可根据目标函数的特征进行调整.证明了本算法全局收敛性,通过对公共优化测试函数的实验,表明了算法的稳健性和有效性.     

基于改进遗传算法的电力系统最优潮流

电力系统最优潮流问题（OPF）是多目标、多控制变量的混合非线性优化问题,能否实现离散变量的精确处理,将直接影响其计算。结果是否真正符合电力系统的实际状况．能否指导实际电网运行方式的规划问题。遗传算法是解决多目标混合优化问题的全局优化算法,可以实现离散变量的精确处理,其不足是优化时间长、易于收敛于局部极值点等。为解决传统遗传算法的搜索时间长,易落入局部极值点的不足,本文对传统遗传算法的一些遗传操作做了一些改进,经IEEE30节点标准电网数据计算分析,证明其优化结果比传统遗传算法更优。     

自适应步长下多阈值彩色图像的全局分割方法

针对传统多阈值彩色图像分割方法将步长设为小于距离参数的定值, 有时会因步长过大而越过最优结果的问题, 提出一种自适应步长下多阈值彩色图像全局分割方法. 首先, 对彩色图像进行预处理, 在不降低彩色图像质量的前提下缩减颜色总数, 以提高分割效率; 然后, 根据多阈值彩色图像全阈值分割目标函数, 将混沌优化理论与粒子群优化算法相结合, 通过混沌粒子群优化算法对多阈值彩色图像全局分割目标函数进行求解; 最后, 结合自适应步长下多阈值彩色图像全局分割方法, 得到最优彩色图像阈值分割结果. 实验结果表明, 该方法的分割效果、 精度、 稳定性和收敛性均较好.     

基于乌鸦搜索优化算法的多级阈值图像分割方法

针对传统Kapur熵在多阈值图像分割算法中存在运算量大、计算效率低以及精度不高等问题,提出了一种基于乌鸦搜索优化算法的多级阈值图像分割方法,该方法采用Kapur熵作为计算适应度的目标函数,通过引入乌鸦搜索优化算法求解目标函数最大化时的全局最优问题.实验结果表明:相对于其他方法,本文方法在多个评价指标上都有很好的性能体现...     

并行混沌与和声搜索的多目标混合优化算法

针对传统的混沌优化算法对初始值敏感、搜索精度低和收敛速度慢,以及和声搜索收敛不稳定、处理多目标优化问题时适应性差等不足,研究了一种多目标并行混沌与和声搜索混合优化算法(MOCOHSA).MOCOHSA利用并行混沌优化的全局搜索能力与和声搜索算法的局部搜索能力,并在和声搜索中引入自适应操作,在解决多目标优化问题时表现出良好的搜索速度和收敛性能.对8个多目标优化测试函数的优化计算中,该算法表现出比其它多目标优化算法更好的性能.算法最后用于解决卫星热管设计问题.     

基于分组协同进化策略的果蝇优化算法研究

针对果蝇优化算法存在收敛速度慢且易于陷入局部最小值等问题,研究了基于分组协同进化策略的果蝇优化算法.利用分组协同进化策略可以扩大果蝇种群的搜索范围,从而使算法具有快速收敛和跳出局部最优解的能力.利用改进后的果蝇优化算法,对Sphere、Schwefel2.22等8个函数进行测试并与IFOA、WFOA、FOA、PSO、BA算法进行比较分析,结果表明,该算法具有较好的全局搜索能力和较快的收敛速度.     

复杂系统可靠性优化的混合万有引力搜索算法求解

复杂系统可靠性优化问题是一类有约束限制且目标函数具有多个局部极值的非线性优化问题.为求解该类问题,提出了一种混合万有引力搜索算法的求解方法.算法利用基于万有引力定律的寻优机制指导群体进行全局搜索,并采用序列二次规划算法进行局部搜索,避免基本万有引力搜索算法陷入局部最优,改善优化性能,加快寻优速度.通过实例计算,并与蚁群优化算法、微粒群算法、蜂群算法和基本万有引力搜索算法等进行比较,验证了算法的可行性和有效性.     

基于非线性共轭梯度的同时扰动随机逼近方法

为了消除黑塞矩阵和步长因子的影响,利用非线性共轭梯度算法计算搜索方向,在混合非线性共轭梯度算法的作用下保证了每次搜索均为下降方向;利用非精确线搜索方法改进SPSA步长计算方法,通过与下降的搜索方向结合,保证了每次迭代时目标函数值的减小,加快了收敛速度.将改进的SPSA算法用于异步电机再励学习系统中,仿真结果证明了其可行性和优越性.