改进混合蛙跳算法求解考虑运输时间的柔性作业车间调度问题

【目的】考虑到工件在机器间的转移,对具有运输时间的柔性作业车间调度问题进行研究。【方法】建立以最小化最大完工时间为目标的数学模型,并设计一种改进的混合蛙跳算法(Improved shuffled frog leaping algorithm,ISFLA)。在该算法中,从全局和局部的角度产生高质量的初始种群,考虑运输时间的贪婪插入解码能够合理地安排工件在机器上的加工顺序。批处理的模因组搜索方法能够充分利用模因组内其他个体信息,扰动策略可以防止算法陷入局部最优。此外,基于关键路径设计两种局部搜索策略以进一步提升解的质量。【结果】通过21组不同规模的算例进行测试,测试结果证明了ISFLA的有效性。【结论】ISFLA能够有效解决考虑运输时间的柔性作业车间调度问题。     

求解约束优化问题的自适应免疫混合蛙跳算法

针对基本混合蛙跳算法存在收敛速度幔和优化精度低等不足,提出了免疫混合蛙跳算法.将免疫算法的信息处理机制插入到基本混合蛙跳算法中,免疫接种算子可以改善算法的搜索能力,以此引导算法的进程.同时通过自适应机制来维持种群的多样性,使得算法在保持开发与探索平衡的同时提高了收敛精度.通过对13个经典约束优化问题测试函数的仿真实验,表明了自适应免疫混合蛙跳算法在约束优化问题上具有很好的性能.     

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。     

改进的混合蛙跳算法及其应用

针对混合蛙跳算法(SFLA)后期搜索速度变慢,容易陷入局部极值的缺点,提出一种改进的混合蛙跳算法(ISFLA).借鉴分子动力学模拟思想,将正态云模型云滴的随机性和稳定倾向性特点应用于比例积分微分(PID)控制器的参数整定中.ISFLA将青蛙个体等效成分子,提出一种新的分子间作用力.利用Velocity-Verlet算法和正态云发生器代替SFLA的更新策略,平衡了搜索的高效性和种群的多样性.仿真结果表明:ISFLA提高了收敛精度、收敛速度、寻优时间、稳定性和后期跳出局部极值的能力,其全局寻优能力优于SFLA;基于ISFLA整定的PID控制器具有良好的鲁棒性、优良的抗干扰性和满意的闭环控制效果.     

基于混合蛙跳算法的背包问题求解

混合蛙跳算法(SFLA)是一种全新的后启发式群体进化算法,具有高效的计算性能和优良的全局搜索能力.背包问题是一个典型的 NP完全问题.首先建立了背包问题基于 0/1规划的数学模型,阐述了混合蛙跳算法的基本理论.针对离散搜索空间,提出了SFLA的改进算法,应用该算法解决了背包问题.在实例上的运行结果表明本文方法的可行性和有效性.     

混合蛙跳算法的收敛性分析及其改进

在分析混合蛙跳算法（SFL）收敛性的基础上,针对早熟收敛和收敛速度慢的问题,提出一种改进算法（MSFL）.MSFL利用变公比数列分析更新轨迹的收敛性,并引入离散度和适应度方差作为指标,自适应地调节数列公比取值范围,以平衡收敛精度和收敛速度.以6个Benchmark函数分2组实验,测试MSFL的性能.结果表明：提出的MSFL算法具有较强的全局搜索和局部搜索能力,且具有收敛速度快、收敛精度高的优点.     

基于混合蛙跳算法的聚类问题研究

混合蛙跳算法(SFLA)是一种基于子群——种群进化模式的群智能优化算法,通过自身特有的分组算子实现不同解的合理分布,能够有效跳出局部最优;局部位置更新算子只对最差解进行更新,加快了算法的收敛速度。针对传统算法在解决聚类问题时存在聚类精度低和算法收敛速度较慢等缺点,本文提出了运用混合蛙跳算法来解决聚类问题,通过采用基于图像二维空间像素特征提取的方法构造青蛙个体解,设计青蛙进化的目标函数和青蛙位置更新策略,并通过数字,图形等验证了该算法解决聚类问题的有效性.     

基于改进混合蛙跳算法的动态环境路径规划

针对复杂场景中路径规划具有未知性和动态性,传统方法无法对路径规划问题进行求解的问题,设计一种改进混合蛙跳算法的机器人路径规划方法,以提高动态环境路径规划的求解精度.首先对动态环境路径规划的研究现状进行分析,并在此基础上建立数学模型;然后采用混合蛙跳算法对该模型进行求解,并针对基本混合蛙跳算法不足进行改进;最后对路径规划的有效性进行测试.测试结果表明,混合蛙跳算法可准确找到最优的路径规划方案,可应用于复杂场景路径规划中,且性能优于其他路径规划方法.     

基于改进混合蛙跳算法的结构多缺陷反演

将改进混合蛙跳算法与动力扩展有限元法相结合,建立了基于结构振动响应的结构多缺陷反演模型.在混合蛙跳算法中,结合花授粉算法中的转换概率,在更新青蛙个体位置时引入子群内随机个体进行协助搜索,提高算法跳出局部最优的能力;同时引入双中心策略,提高优化算法解的质量.将改进混合蛙跳算法作为缺陷信息反演分析算法,动力扩展有限元法作为...     

混合自适应蚁群算法及其应用研究

针对已有蚁群算法在复杂问题应用中寻优前期信息素匮乏、收敛速度慢的不足，通过引入信息权重因子和信息量均衡算子对蚁群的选择概率和信息素浓度进行自适应调节，提出了混合自适应蚁群算法。算例结果表明，该算法具有较快的寻优速度和更好的全局搜索能力，同时增加了解的多样性，减小了陷入局部极值的几率。     

求解ICPT电源规划问题的改进混合蛙跳算法

针对城市电气化交通车辆的供电解决方案,提出一种感应耦合电能接入模式,并从电源技术方案、电源布局等方面对该供电模式展开研究。为了以最低的成本实现城市电气化交通车辆的感应耦合供电,提出了一种基于变尺度混沌机制混合蛙跳算法的城市电气化交通车辆的供电系统优化规划,该算法拥有混合蛙跳算法局部搜索和全局信息交换的平衡搜索策略与快速收敛的优点,同时还具有变尺度混沌优化算法能够通过变尺度不断缩小优化变量的搜索范围来实现局部深化寻优的特性。应用该算法得出的最小年综合费用相比混合蛙跳算法优化结果节约2.39%,验证了所提算法的优越性。     

基于混合蛙跳算法的机床主轴优化设计

对机床主轴的多参数优化设计的群智能算法进行研究.通过分析主轴的受力情况以及边界条件,建立了机床主轴的非线性约束优化的数学模型;同时介绍了混合蛙跳算法(Shuffled Frog Leaping Algorithm,SFLA)的基本原理,并将SFLA应用到实例计算中,得到了机床主轴结构参数的优化组合.试验结果表明,SFLA比其他常规优化算法的求解结果更可靠,充分显示了SFLA在机床主轴部件优化设计中的效益和应用价值.     

基于混合蛙跳算法的层次化群体路径规划

在复杂的群体运动场景中,传统路径规划方法具有计算量大、耗时长、效果生硬等缺点。为此笔者提出了一种层次化路径规划方法,将群体路径规划问题分为两个层次,在底层使用A*算法进行全局路径搜索,规划出一条从起始点到目标点的全局最优路径,使群智能算法进行上层局部路径规划时只考虑上层粒子间的碰撞;在上层采用混合蛙跳算法并结合多线程技术进行个体路径的动态规划。仿真实验结果表明：所提出的方法有效降低了群体路径规划中的算法复杂度和时间复杂度,在较为复杂场景下能够逼真和高效地进行群体运动仿真。     

基于混合蛙跳粒子群算法的 TSP 问题求解

为提高粒子群算法求解TSP(Travelling Salesman Problem)问题的性能, 在算法搜索初期, 将混合蛙跳算法和 粒子群算法相融合, 针对初始粒子群随意性大、 粒子分布不均的问题, 利用混合蛙跳算法的分组策略将种群分 组, 采用改进的蛙跳更新公式优化次优个体, 并抽取各层次个体得到新种群, 从而提高最优个体的获得速度; 在算法后期, 引入3 重交叉策略和基于疏密性的引导变异操作, 解决粒子多样性降低、 易陷入局部最优的问题。 利用改进算法求解 TSP 问题, 并与其他算法进行对比。 结果表明, 改进算法是有效的且性能优于其他算法。     

和声蛙跳算法在复杂优化问题中的应用研究

和声搜索算法在求解复杂优化问题时,仅仅通过随机的方式产生新元素,搜索过程中新个体的有效性难以持续保证,影响算法的优化性能.针对该问题,将混合蛙跳算法的族群内部局部寻优模块嵌入和声搜索的算法框架中,将和声搜索算法的随机性与混合蛙跳算法的导向性相耦合.定义算法自适应调整参数并以此为基础对两种算法进行动态调用,从而实现两种算法的耦合动态搜索.将改进算法应用于标准测试函数和车辆路径问题的优化,模拟计算结果表明：本文提出的改进算法具有更强的全局搜索能力,得到的解更优,适合用于求解复杂优化问题.     

一种改进的混合蛙跳算法及其在变压器设计中的应用

提出一种求解约束优化问题的自适应混合蛙跳算法.引入移动步长变异算子,通过算法所处迭代阶段的测量值和进步速度自适应调整移动步长.3种典型直径的变压器铁心柱截面优化设计仿真结果表明,该算法具有更强的全局搜索能力,达到了增大截面积、节省生产材料、降低运行损耗的目的.     

基于混合蛙跳算法的长时间跨度人脸识别

面部特征中存在长时间不变特征和短时间不变特征,对两种特征分类,使用长时间不变特征完成长时间跨度人脸识别.首先以最佳覆盖为目标的特征对比方式,代替传统的以最佳划分为目标的特征对比方式,使用混合蛙跳算法实现特征对齐.然后根据时间段和特征值变化度计算每个对齐的特征点的权值和基准特征值,对长时间不变特征与短时间不变特征进行分类.在识别过程中,应用已识别的图像信息更新权值和基准特征值,进行长时间跨度的人脸识别.实验结果表明,该方法可以在以年为时间跨度的人脸识别过程中达到82%的识别率,优于其他算法.     

量子混合蛙跳算法求解连续空间优化问题

基于量子理论提出一种量子混合蛙跳算法, 该算法采用量子位的Bloch球面坐标编码个体, 利用量子位在Bloch球面上绕轴旋转的方法更新个体, 通过自适应混沌旋转角度算子提高子群内部局部搜索能力, 采用Hadamard门实现个体变异避免早熟, 有效扩展了解空间的搜索范围. 实验结果表明, 该方法优于普通的混合蛙跳算法、 粒子群算法和遗传算法, 具有较高的优化能力和效率, 更适合高维复杂函数的优化.     

粒子群优化算法中惯性权重改进策略综述

在粒子群优化算法的3个参数中,惯性权重是最重要的参数,它对粒子群优化算法性能的提高起到至关重要作用.因此许多学者对粒子群优化算法中的惯性权重设计进行了广泛研究,目前取得许多成果.本文介绍了基本粒子群优化和标准粒子群优化算法,综述了惯性权重在粒子群优化算法中的各种改进策略.为粒子群优化算法的进一步改进研究提供参考.     

一种改进的混合蛙跳算法及其在水浴牵伸控制中的应用

针对基本混合蛙跳算法的收敛速度慢、容易陷入局部最优的缺点,提出了一种基于细胞通信策略的改进算法,该算法通过修改更新策略,从而增加了种群的多样性,产生更多靠近优质解的个体。用典型测试函数对基本蛙跳算法和改进的蛙跳算法及其他算法进行对比实验,仿真结果表明改进的蛙跳算法能较大幅度提高收敛精度。将改进的蛙跳算法应用于碳纤维生产过程水浴牵伸控制系统的优化,仿真结果表明其具有较好的优化控制效果。