多策略改进麻雀搜索算法优化三维DV-Hop节点定位

为进一步提升传统3DDV-Hop算法的定位精度和稳定性,提出了一种利用多策略改进麻雀搜索算法（MISSA）优化3DDV-Hop的定位算法（MISSA-3DDV-Hop）。首先,采用通信半径分级方法细化多通信半径定位节点的跳数值,提高了最小跳数计算的准确性。然后,利用跳距误差与估计距离误差的加权平均值修正节点间的平均跳距,降低了信标节点与未知节点之间的距离估算误差。最后,采用麻雀搜索算法实现3DDV-Hop算法未知节点的位置寻优,并引入佳点集和发现者-跟随者自适应调整策略,通过建立误差适应度函数和目标函数,增强麻雀搜索算法初始种群的分布性和多样性以及全局收敛速度和局部寻优能力。仿真结果表明,与传统3DDV-Hop、IPSO-3DDV-Hop和IGA-3DDV-Hop算法相比,本文方法具有更高的定位精度,更好的稳定性和更快的收敛速度。     

基于改进FCM的脱硫系统优化运行策略

为了降低火电厂脱硫系统能耗,确定运行参数基准值,提出一种基于模糊聚类方法的优化运行策略,以较低脱硫成本为目标选取决策样本,采用麻雀搜索算法优化的模糊C均值聚类方法求解脱硫系统可调参数的基准值,将聚类中心作为优化变量,模糊C均值聚类算法的目标函数作为麻雀搜索算法的适应度函数,迭代计算得到全局最优解.分析了某660 MW机...     

改进的麻雀搜索算法优化无线传感器网络覆盖

针对麻雀搜索算法在高维复杂问题上由于随机性大而容易陷入局部最优的问题,提出了一种融合多策略改进的麻雀搜索算法。在初始化阶段,引入佳点集策略以确保种群具备多样性和遍历性。在发现者位置更新中,采用动态学习机制平衡全局寻优和局部探索;在跟随者位置更新中,引入莱维飞行扰动机制以增强局部逃逸能力。最后,将本文算法应用于解决无线传感器网络覆盖问题,从最大化覆盖率、最小化冗余和最大化能耗均衡3个角度对多目标覆盖优化问题进行抽象。仿真结果表明：3项改进措施显著提高了算法性能,增强了网络节点覆盖质量,使网络整体性能得到了有效提升,证明本文算法具备实际应用的良好性能。     

改进多目标粒子群优化算法及在图像融合中的应用

在深入研究图像融合算法的基础上,受多目标粒子群优化算法(MOPSO)的启发,提出了一种改进的MOPSO算法,并将该改进算法用于图像融合方面。这种算法提出了两次调节指数收敛函数,使得寻优速率得到更为平滑地过渡,从而让搜索结果更好的接近Pareto最优解集。实验结果表明,与传统的融合算法比较在客观性能指标上得到提高。     

一种基于和声策略的禁忌搜索算法

结合禁忌搜索算法与和声搜索算法的特点,提出一种基于和声策略的禁忌搜索算法(HTS).该算法基于和声策略构造较优多初始解,进行多初始解禁忌搜索,解决了以往算法只从一个初始解出发进行搜索易陷入局部最优的问题.以典型的组合优化问题TSP为例,验证了该算法的有效性,计算机实验的结果表明该算法有较好的寻优能力.     

伸缩保差法求解矿井风网电费优化问题

选用伸缩保差法作为算法,并开发便于操作的软件,求解矿井风网通风电费优化问题. 以部分自然分风、部分按需分风通风系统的主扇及辅扇年总电费最小为优化目标,把非固定风量分支的风量及分支增阻、增压调节值作为变量,进行优化计算的初始点由风网解算结果进行调整而得. 将风网解算软件和风网优化计算程序进行集成开发出C#应用软件,软件考虑了节点号不连续、自然风压作用等实际问题. 软件通过一简例予以调试验算,计算结果表明风网电费优化效果显著.     

高超声速滑翔飞行器再入轨迹优化

为提高高超声速滑翔飞行器再入轨迹优化问题求解速度和精度,提出了一种将改进的麻雀智能优化同参数化设计相结合的再入轨迹方法。首先,通过Tent混沌映射和精英反向种群方法初始化种群,利用黄金正弦策略进行种群的位置更新,并通过余弦策略减少侦察者数量,采用贪婪策略对种群的最优解进行选择和更新,在增强算法全局搜索能力的同时,不影响收敛速度。然后,将高超声速再入轨迹优化问题转化为攻角剖面和倾侧角剖面的参数化设计问题,将路径约束转化为阻力加速度再入飞行走廊,保证再入过程中始终满足路径约束,利用罚函数法处理终端约束,从而使得飞行器精确命中目标。最后,采用改进的麻雀智能优化算法对设计参数进行寻优,使得目标函数最优。仿真实验表明：本研究所提出的改进麻雀算法相较于原始麻雀算法、鲸鱼算法和粒子群算法收敛速度快,得到的高超声速滑翔飞行器再入轨迹精度有了进一步的提高;蒙特卡洛仿真实验说明,本研究所提出的高超声速滑翔飞行器再入轨迹优化算法具有一定的鲁棒性。     

改进禁忌搜索算法求解CVRP问题

改进了禁忌搜索算法,用于解决带有容量限制的车辆路径问题(C V R P).该算法在标准禁忌搜索算法的基础上,采用了I&D搜索策略,给出了两种作用于局部最优解的变异算子来扩大搜索区域,并设计了一种CVRP问题的初始解的产生方式.改进后的算法克服了标准禁忌搜索算法对初始解的依赖较强的缺陷,减小了算法在搜索过程中陷入局部最优的可能,提高了算法的搜索质量与效率.     

基于Memetic算法的无线传感网络覆盖优化

针对无线传感网络覆盖优化中工作节点集难以选取的问题,提出了一种基于Memetic的覆盖优化算法.该算法主要由选择算子、交叉算子、变异算子、禁忌局部搜索算法和种群更新策略组成.利用相邻节点间的区域覆盖关系,减少局部搜索中邻域的目标函数值计算量、提高计算速度,并利用随机和贪婪的策略构造一个质量较好的初始种群.仿真结果表明,该算法具有较强的搜索能力,能快速收敛于优秀解、实现工作节点集的优化选取、降低网络冗余和能耗、延长网络的生存时间.     

解空间种群均匀化自适应遗传算法的应用

提出了一种新型解空间种群均匀的自适应遗传算法，并采用随机方法对初始种群加以改进，使初始种群均匀分布于解空间之中.在优化进程中，引入自适应算法，使交叉的变异算子具有自适应性；将自适应调节机制引入适应值函数中，使适应值函数同样具有自适应性.为证实所提出的改进遗传算法的可行性和有效性，对几种典型的多峰值函数进行了寻优测试.优化测试结果与解析解及标准遗传算法优化结果相对比，证明改进遗传算法的全局搜索能力和收敛性都远优于标准遗传算法.     

离散变量结构优化的改进组合型遗传算法

对离散组合型法进行改进,提出了一种新的初始点产生办法,提高了离散组合型法的局部寻优能力.把离散组合型算法作为组合型操作算子融合到遗传算法中,构造一种新的离散变量结构优化算法-组合型遗传算法.运用模拟退火技术构造惩罚函数来改造适值函数,使算法更稳定地收敛于全局可行最优解.与基本遗传算法和组合型算法的计算结果比较证明,改进的组合型遗传算法具有局部搜索快和全局性好的双重特点,是可行且有效的离散变量结构优化设计方法.     

基于改进禁忌搜索算法的配电网无功补偿优化规划

针对现阶段中国配电网无功补偿问题,提出了一种改进邻域搜索范围的禁忌搜索算法来确定并联电容器的安装位置和补偿容量,以此提高电压质量和降低系统有功损耗.采用电压合格目标函数搜索满足电压约束条件的初始解,使之在电压可行范围内寻优,然后以减少的有功网损最大为目标函数,从而得到全局最优解,并以未来24 h负荷预测曲线为背景确定了电容器的投切时刻.算例表明,提出的改进算法是可行和有效的.     

面向松耦合可重构系统的软硬件划分算法

针对面向松耦合可重构系统及大任务集下软硬件划分算法研究的不足,提出了一种基于模拟退火算法和禁忌搜索算法相融合的软硬件划分方法。首先,多次运用与初值无关的模拟退火算法对系统DAG关键路径上的节点进行软硬件划分得到初始划分解;然后,采用禁忌搜索算法在初始划分的基础上进行全局寻优得到近似最优解。与禁忌算法相比,提出的算法划分质量较优,且算法运行时间最多可缩短为原来的53%。     

基于改进适应度函数的麻雀搜索算法路径规划研究

将一种智能优化算法——麻雀搜索算法应用于移动机器人二维路径规划,并对其进行改进以提升寻路效率。基于该算法的实验环境在栅格地图中实现,采用麻雀搜索算法进行路径规划,为了解决该算法在路径规划应用中原本适应度值不佳,种群易受局部最优个体误导的问题,设计并改进了算法的适应度函数,将本代的全局最优种群作为下一代迭代的评价标准,并将适用于路径规划的思想加入到适应度函数中。在模拟场景中进行了寻路仿真实验,实验结果验证了算法改进的合理性和提升程度。     

基于均方差值调节的多目标权重系数GA算法

提出一种改进的权重系数调节算法求解多目标Pareto最优解问题.该算法采用均方差值自适应权重调节法对各目标函数权值进行有效调节,从而提高了GA所得最终种群在多目标最优意义下具有分散性.最后通过实验优化一组测试函数来评价该算法的性能,结果表明:该算法具有很强的寻优能力,相比于其它同类算法可以更好地解决多目标优化问题.     

基于改进SSA的风光氢储综合供电系统配置优化

在保障风光氢储综合供电系统可靠性的前提下，为最大限度地降低单位发电成本，提升系统整体的经济性，提出了一种引入自立策略的改进麻雀搜索算法（SSA），并根据该方法对风光氢储综合供电系统电源容量配置进行了优化。建立以最小化单位发电成本为目标函数的优化模型，采用改进SSA算法进行求解。研究结果显示：该算法具有较好的寻优能力，系统单位发电成本降低了23.3%。     

两阶段三存档集约束优化算法(TSDA)

针对约束优化算法采用相同的进化策略处理位于Pareto边缘的解与函数值较差的解,使得寻优结果较差,提出一种两阶段三存档集约束优化算法.该算法分为两个阶段.第一阶段:根据ε(t)值将种群分为3个存档集,即非支配解存档集、支配解存档集以及非支配可行解存档集.非支配解存档集进行混合策略的双重寻优,既避免了算法陷入局部最优,又使得靠近前沿的解加速收敛;支配解存档集则注重于全局搜索,从而有利于算法搜索到更优可行解.非支配解存档集和支配解存档集使用不同的优化策略进行进化,提高了算法的寻优能力.第二阶段:在第一阶段达到设定的代数时,将各代保留到非支配可行解存档集中的个体进行快速非支配排序,选出的N个优秀个体则为最优解.最后,将提出的算法与其他约束多目标进化算法在3种经典约束测试函数上进行对比,仿真结果表明,所提出算法在不同类约束条件下的寻优能力均具有优势.     

基于ISSA和积分图的二维熵图像多阈值分割快速算法

为提高二维熵图像多阈值分割的性能，使其能够满足工业使用当中的实时性要求，本文提出了基于改进麻雀搜索算法(Improved Sparrow Search Algorithm, ISSA)和积分图的二维熵图像多阈值分割快速算法。首先，引入麻雀搜索算法(Sparrow Search Algorithm, SSA)并对该算法的算法性能进行分析研究，针对SSA存在的全局搜索能力差、容易陷入局部最优解的缺点，提出了基于方差线性递减的高斯扰动策略和随机步长移动策略的改进麻雀搜索算法(ISSA)。接着，进一步地引入积分图方法，降低总信息熵的运算量，并将总信息熵作为ISSA的适应度函数进行最佳阈值寻优，提出了基于ISSA并结合积分图的二维熵图像多阈值分割快速算法。最后，使用该方法与现有分割算法进行对比实验，实验结果表明，本文方法提升了图像二维熵多阈值分割的分割效率，同时在工业应用场景仍能够获得相同的效果。     

Tent混沌和变邻域局部搜索优化的GSA

针对引力搜索算法存在的易陷入局部最优、精度有待提高等问题,提出一种Tent混沌和变邻域局部搜索优化的引力搜索算法。首先改进Tent混沌,利用其遍历均匀性、随机性初始化种群,增强算法的全局搜索能力;然后改进粒子速度和引力系数公式,加快算法的收敛速度;最后设计一种基于莱维飞行的变邻域局部搜索策略,引导种群脱离局部最优,提高寻优精度。仿真结果显示,新算法能有效地抑制局部最优,相较其他测试算法有更好的寻优精度和稳定性。利用新算法优化径向基函数神经网络,对非线性系统的辨识结果证明,改进后的径向基函数神经网络比标准径向基函数神经网络和反向传播神经网络具备更好的模型逼近能力和泛化水平。     

融合Jaya高斯变异的自适应乌鸦搜索算法

针对标准乌鸦搜索算法存在收敛速度慢、寻优精度低、位置更新具有盲目性的不足,提出一种融合Jaya高斯变异的自适应乌鸦搜索算法(adaptive crow search algorithm with Jaya algorithm and Gaussian mutation, GMJCSA)。通过高斯变异优化全局最优个体和自适应步长的合理变化,提高算法的收敛能力和寻优精度。在引导者发现自己被跟随的情况下引入Jaya算法,克服位置更新具有盲目性的不足。将GMJCSA用于16个基准函数优化和减速器设计问题,与其他智能算法进行试验对比,GMJCSA能取得更好的解。试验结果表明,GMJCSA对于函数优化和减速器设计问题能够较好地寻优求解,总体性能良好。