基于混合策略的引力搜索算法

为了提高引力搜索算法(gravitational search algorithm, GSA)在处理单目标优化问题上的综合能力,提出了一种基于混合改进策略的GSA。依照种群个体自身的进化情况,提出个体进化率的进化策略,以提高算法的收敛速度;采取方向性的变异策略,较好地平衡了全局搜索能力和局部开采能力,最大限度地降低了种群陷入局部最优的可能。基于标准测试函数的仿真实验表明,基于混合策略的GSA算法可有效避免早熟收敛,在收敛精度和收敛速度上与标准的GSA算法以及相应的改进算法相比有显著提高。     

引力搜索算法优化脉冲耦合网络的图像检索方法

启发于脉冲耦合网络(PCN)在视觉特征表示方面的优势,提出使用引力搜索算法(GSA)优化脉冲耦合网络(PCN)来提取图像的视觉特征,对PCN的参数使用优化机制来提高所获取的特征质量,由此来提高基于内容的图像检索(CBIR)的分类和检索结果.首先对学习的图像用PCN生成特征码;然后计算特征码间的距离,距离变量作为适应度函数的输入;最后利用引力搜索算法优化PCN的几个变量,进行参数更新.在Caltech256和Corel数据库上的实验结果表明提出方法的有效性,相比于改进的相关反馈方法(IRF)、颜色边缘结合离散小波变换方法(CE-DWT)和色矩结合局部二进制模式方法(CM-LBP),提出的方法检索精确度至少提高了5%,查全率提高4%左右.     

采用人群搜索算法的径向基函数神经网络参数整定方法

针对径向基函数(RBF)神经网络的逼近结构中,对权值、基宽和中心向量的初始值等参数的选取不当,导致系统的鲁棒性变差、收敛精度降低,甚至不再收敛的问题,提出一种基于人群搜索算法的RBF神经网络的参数整定方法.以基于遗传算法和基于粒子群算法的RBF神经网络参数整定方法为对比条件,采用MATLAB软件进行实验与分析.结果表明:应用人群搜索算法去优化RBF神经网络的初始参数,能有效地提升RBF神经网络的逼近精度,验证了该算法的可行性.     

遗传算法综述

遗传算法是一种自适应全局优化概率搜索算法,在各种科学工程领域得到了广泛的应用,文章介绍了遗传算法的发展历程、理论研究和应用研究状况.     

基于遗传禁忌搜索算法优化的CMAC-PID液压弯辊复合控制

针对液压伺服系统存在时滞、饱和等非线性特点,提出一种基于遗传禁忌搜索算法的CMAC-PID复合控制的板形控制策略,用遗传禁忌搜索算法优化PID控制器的初始参数,然后结合CMAC网络有效控制板形控制系统中弯辊力。仿真证明,该复合控制算法提高了系统的精度,加快了系统的响应速度,并且具备较强的抗干扰能力。     

军用机场飞机中断起飞决断速度计算方法

对飞机在军用机场起飞滑跑过程中出现一发停车的中断起飞决断速度的计算方法进行了研究.提出用迭代搜索算法计算中断起飞决断速度,编制了一发停车中断起飞决断速度计算程序.对某型军用飞机在2种不同条件下的中断起飞决断速度进行计算,并与试飞结果进行比较,计算的中断起飞决断速度分别为71.8 m/s、76.6 m/s,相应的试飞结果为73 m/s、78 m/s,计算值与试飞值的相对误差分别为1.6%、1.8%.结果表明,迭代搜索法是计算中断起飞决断速度的准确有效算法.     

求解多车场车辆路径问题的分散搜索算法

提出了一种求解多车场车辆路径问题(Multi-depot Vehicle Routing Problem,MDVRP)的分散搜索算法(Scatter Search,SS).该算法基于顾客信息进行编码,采用扫描算法(Sweep algorithm)与最优划分过程产生待选解集;通过启发式规则选择不同解包含的弧来生成新解;并由2-交换、2-交换*及最坏移出-预测插入启发式三种局部搜索策略构成迭代下降算法对解进行改进.通过采用文献中随机生成的小规模数据及MDVRP的Benchmark问题对算法进行测试,验证了算法的有效性.     

人工免疫网络算法的改进及免疫优化应用

基于人工免疫网络算法(aiNet)模型,借鉴禁忌搜索算法(TS)的思想,提出一种禁忌搜索与人工免疫的混合算法,即人工免疫网络算法(TS-aiNet).在算法中引入禁忌表,禁忌那些在网络迭代中亲和度连续不再增加的细胞,并通过特赦准则赦免一些被禁忌的优良状态;增加1个记忆表,用于保存成熟的记忆细胞;重新定义高斯变异方式,以保证多样化的有效搜索.利用Markov链证明算法全局收敛性,通过对多个典型系统测试函数的仿真实验定量分析该算法的性能,并与经典克隆选择算法和opt-aiNet算法进行比较研究,分析特征参数对算法性能的影响.实验结果表明,该算法在多模态搜索空间中具有更强的全局收敛性、稳定性和寻找极值点能力,能够克服早熟现象,是一种有效的全局优化搜索方法.     

带障碍物惩罚因子的多机器人路径规划

轻载环境中,复杂障碍物区域将引起机器人之间局部冲突加剧,进而导致路径求解效率下降,针对该问题,提出轻载环境下带障碍物惩罚因子的多机器人路径规划方法。在基于冲突搜索(conflict-based search, CBS)算法框架的下层单机规划过程中,通过对即将拓展机器人位置的周围障碍物分布类型进行判断,赋予与之对应的障碍物惩罚因子;对路径规划过程中的惩罚因子进行累加,作为单机规划的启发值对路径进行选取;结合CBS算法框架的上层冲突消解策略进行多机器人的路径规划与冲突协调。测试结果表明,在10%障碍物分布的轻载环境中,所提算法的求解时间约为CBS算法的81.38%～83.67%,二叉约束树(constraint tree, CT)拓展量为CBS算法的60.14%～71.66%。在Gazebo中仿真表明,所提方法可减小通过复杂障碍物区域的次数。     

基于麻雀搜索算法优化支持向量机的滚动轴承故障诊断

针对支持向量机(support vector machine,SVM)的分类性能受自身参数选择影响较大的问题,提出了基于麻雀搜索算法(sparrow search algorithm,SSA)优化SVM的故障诊断方法.利用麻雀搜索算法(SSA)对支持向量机的惩罚参数(C)与核参数(g)进行优化,并构建SSA-SVM滚动轴承故障诊断模型.结果表明:对于滚动轴承的常见故障,SSA-SVM诊断模型的测试正确率为96.67％,比传统的遗传算法(genetic algorithm,GA)-SVM和粒子群算法(particle swarm optimization,PSO)-SVM诊断模型分别提高3.34％和1.67％,且收敛速度更快,可有效应用于故障诊断.