基于跳点搜索-遗传算法的自主移动机器人路径规划

为了解决采用遗传算法解析最优路径中存在的转折点较多、易陷入局部最优解、迭代次数较多以及寻优时间过长等问题，引入自适应交叉算子和变异算子，将改进后的跳点搜索（jump point search）算法与改进遗传算法融合，得到跳点搜索-遗传（jump point search-genetic,JPSG）算法。JPSG算法利用JPS算法的高效局部搜索能力来提高整体搜索能力，加速算法整体收敛趋势；利用改进遗传算法的全局搜索能力改变JPS算法不能在复杂障碍物状况下解析最优路径的状态，提高算法对动态环境的适应性。在栅格矩阵中的路径规划仿真表明，相比于改进遗传算法、传统遗传算法，JPSG算法可以有效缩短寻优执行时间，提高寻优准确率，减少运算执行次数，在稳定性、准确性、快速性上具有明显的优势。     

基于并行混沌和复合形法的桁架结构形状优化

针对多工况下受应力、位移和局部稳定性约束的桁架形状优化问题,提出了基于并行混沌优化算法和复合形法的混合优化算法。该算法综合利用了并行混沌的全局搜索能力,复合形法的快速局部搜索能力和混沌细搜索。首先,利用并行混沌优化算法快速搜索到全局最优解附近,然后应用改进复合形法以并行混沌的优化解为初始复形进行搜索,提高了最优解的搜索速度,最后应用混沌细搜索策略提高最优解的精度。两个典型数值算例验证了该混合优化方法对桁架形状优化问题的有效性和稳定性。     

全局人工鱼群算法在类间方差图像分割中的应用与实现

针对传统类间方差算法中阈值选取效率低、鲁棒性差、分割精度低的问题,根据全局人工鱼群算法可以快速有效地捕捉到图像分割最优阈值,提出了一种基于全局人工鱼群算法的类间方差图像分割算法。该算法将全局人工鱼群算法用于类间方差的寻优过程中,对算法的收敛速度及其分割效果进行了仿真,并与遗传算法、基本人工鱼群算法进行比较,结果表明,该算法提高了收敛速度,改善了纹理信息的准确性,分割精度高、效果理想。     

基于XFEM和改进人工蜂群算法的结构内部缺陷反演

将扩展有限元法与智能优化算法相结合,基于结构的实际响应值反演出结构内部缺陷信息。传统人工蜂群算法在一定程度上朝着任意的方向搜索,为了避免出现搜索的局部最优现象,该文在传统人工蜂群算法中嵌入了加权平均数突变和交叉算子,将这种改进算法用于单个圆形、椭圆形缺陷和两个不规则缺陷的反演分析,并研究了该算法在测得值有误差情况下的适应性。研究得到:这种改进人工蜂群算法能准确反演出结构的真实缺陷信息;改进人工蜂群算法相比于传统人工蜂群算法收敛速度更快且不易出现局部最优,且定位准确,鲁棒性较强。     

基于改进人工鱼群算法的输电塔塔腿拓扑优化

为了解决输电塔塔腿的优化问题,提出了基于改进人工鱼群算法的拓扑优化方法。建立了输电塔结构拓扑优化的计算模型,采用罚函数形式确定了人工鱼群算法的目标函数,并提出了拓扑变量的判定规则。采用人工鱼群算法对输电塔塔腿进行了拓扑优化研究。考虑到基本人工鱼群算法易陷入局部优化解,提出了视野和步长的变化策略,以及觅食行为的加速策略。数值算例结果表明,采用基本人工鱼群算法可以较好的优化输电塔塔腿,而在此基础上利用改进人工鱼群算法可以更有效地优化输电塔塔腿,并且其优化效率明显优化基本人工鱼群算法和差商算法。     

自适应耦合局部最优法及其在模型修正中的应用

耦合局部最优法作为一种新型的优化技术,既具有高效的搜索速度又具有全局搜索能力.然而,对于大规模优化问题,该方法容易陷入局部最优;另外,梯度信息在该项技术中起着重要作用,而对于复杂问题往往不能得到精确的梯度信息,从而使得该算法的全局搜索能力下降.本文分别从初始种群的确定、变步长搜索、自调节种群三方面对原算法进行了改进,提出了自适应耦合局部最优法,使之具备解决多变量复杂优化问题的能力.通过两个测试函数验证了改进算法比原有算法更易于得到全局最优解并保持较高的计算效率.最后,采用一个试验算例验证了自适应耦合局部最优法的有效性.     

数字图像相关中亚像素位移测量的曲面拟合法

曲面拟合法求解亚像素位移是数字图像相关亚像素位移定位中的一种重要方法,它具有抗噪声能力较强、精度高、计算效率高等优点,在实际应用中多被采用。就该算法中影响亚像素位移定位精度的各要素进行了详细讨论,并用计算机生成的模拟散斑图和金属试件的刚体平移实验进行了验证,结果表明,整像素搜索时选取不同的计算窗口对计算结果的影响最大,而文中所列的几种相关函数的选取对计算结果的影响则可以忽略。     

焊接条优化设计问题的混沌人工蜂群算法求解

利用混沌的特点设计了一种混沌局部搜索算子,将该算子加入到原始人工蜂群算法中提出了一种混沌蜂群算法(CABC),并用之来优化焊接条的结构设计问题。该问题的目标是在满足约束条件下使得制造焊接条所需的总费用最小,是一个典型多维多约束非线性规划问题。为了不让人工蜂群算法优化该问题时陷入局部最优解,在原始蜂群算法末期的最优值附近进行混沌局部搜索,使其跳出局部最优,有效提高了算法的局部寻优能力。最后对焊接条设计问题进行了仿真计算,并将结果与其他文献中的结果进行了对比,显示了混沌人工蜂群算法优化焊接条设计问题的优越性。     

禁忌鱼群算法及其在边坡稳定分析中的应用

构造了一种两点禁忌寻优算子以避免寻优过程中的迂回搜索,并用它模拟鱼群中单条鱼的追寻历史最优鱼、追尾、群聚三种行为,采用遗传算法中非均匀变异算子模拟单条鱼的觅食行为,鱼群中各个体通过这四种行为进行交流、合作从而形成了一种禁忌鱼群算法。将该算法应用于两个复杂土坡的最小安全系数搜索中,并同基本鱼群算法的计算结果进行了比较,结果证明禁忌鱼群算法具有搜索高效、适于约束优化问题求解等特点。     

基于MMOAFSA蒸汽压缩式制冷机组的双参数前馈解耦PID控制策略研究

鉴于蒸汽压缩式制冷机组蒸发温度 T_e 与过热度 D_sh的控制回路之间存在强耦合及大惯性、非线性和时延等特性。提出了一种蒸发温度与过热度的前馈解耦 PID 控制策略,且设计出改进多目标人工鱼群算法(Modified Multi-objective Artificial Fish Swarm Algorithm, MMOAFSA)对相应的 PID控制器参数进行整定,以提升 T_e与 D_sh的调节质量。首先,对两个控制环路：电子膨胀阀开度 O_EEV—蒸发温度 T_e 和压缩机驱动电机的供电频率 f—过热度 D_sh,通过前馈补偿解耦方式来消除这两个控制回路之间的耦合效应。其次,对基本型单目标人工鱼群算法的视野 V 和步长 S 进行指数递减变化,构建改进单目标人工鱼群算法(Modified Single Objective Artificial Fish Swarm Algorithm,MSOAFSA)。再将多目标优化的混沌局部搜索策略引入 MSO...     

基于改进人工鱼群算法的机械故障聚类诊断方法

发展新的理论或方法快速准确地实现机械故障信号的聚类诊断是众多学者研究热点。由于人工鱼群优化算法具有结构简单,良好的并行性、快速性等特点,把人工鱼群优化算法引入机械故障诊断中。基于人工鱼群算法的基本原理提出了一种改进的人工鱼群追尾聚类算法,定义了相似度因子和聚类判别因子,建立了模拟人工鱼群追尾行为的机械故障聚类诊断模型,并将之应用于机械故障特征信息的聚类分析。实例分析表明了本文方法的有效性。     

基于改进萤火虫算法优化BP神经网络的水电站厂房振动预测

利用萤火虫算法优化BP神经网络权值和阈值基础上,建立水电站厂房振动响应预测模型。针对萤火虫算法存在的收敛速度慢、易陷入局部最优等问题,引入动态随机局部搜索机制加快收敛速度,对当前最优解进行变异操作避免陷入局部最优,提出动态步长更新措施提高计算精度,改进最优解振荡问题。仿真实例表明,基于改进萤火虫算法优化的BP网络模型预测精度和收敛速度等性能得到明显改善,可用于水电站厂房结构振动响应预测。     

基于差分人工蜂群算法的梁结构裂纹识别

采用差分人工蜂群算法对裂纹梁结构进行损伤识别。人工蜂群算法是一种元启发式算法,具有结构简单,方便执行但易于陷入局部最优的特点。为改善这一不足,在引领蜂阶段引入差分进化机制增强算法的全局搜索能力,在观察蜂阶段引入新的搜索公式来加强算法的局部搜索能力。另一方面,通过利用完全开口裂纹梁的前几阶固有频率建立损伤识别的目标函数,然后利用改进方法优化目标函数得到识别结果。数值算例和实验验证的结果表明,在仅知道前几阶固有频率的情况下,差分人工蜂群算法能够有效地识别损伤参数,优于原始人工蜂群算法、遗传算法和粒子群算法并且对测量噪声不敏感。     

基于ZS细化改进算法的仪表盘指针读数方法

目的:针对目前汽车仪表盘质量检测中采用人工读取指针示数方法导致的效率低下、误差较大等问题提出一种基于ZS细化改进算法的汽车仪表盘指针读数方法。方法:首先利用面阵CCD相机获取汽车仪表盘原始图像并进行预处理,运用ZS细化算法获取初始细化图像;然后采用先斜线再十字的搜索和方向判别方法对ZS细化算法进行改进,实现了对初始细化图像的充分细化;最后利用最小二乘法进行直线拟合,并计算出指针读数。结果:实验表明,该方法解决了ZS快速并行细化算法中局部像素冗余、细化直线存在分叉的问题,从而提高了直线识别的准确度。结论:该方法较原算法的平均相对误差降低了0.55%。     

基于IHHO算法的光伏电池工程模型的参数辨识

针对HHO算法存在搜索过程调整不够灵活,不能针对性地进行阶段性搜索,有时会陷入局部最优使算法搜索精度相对较差等问题,提出了一种基于改进哈里斯鹰优化(IHHO)算法的参数辨识方法.对HHO算法进行了两项改进:引人柔性递减策略,在迭代初期扩大全局搜索范围,在迭代后期延长局部搜索时间,从而加强了初期的全局搜索能力和后期的局部...     

基于改进蚁群算法的码垛机器人路径规划应用研究

目的为解决蚁群算法在码垛机器人路径规划中存在的收敛速度慢、容易陷入局部最优等问题,提出一种人工势场和蚁群算法相结合的方法。方法首先,根据码垛机器人机械手在人工势场中不同节点所受到的合力,对初始信息素进行不均匀分布,以解决蚁群算法初期由于缺乏信息素导致的无效路径搜索。其次,在启发函数的设计中引入码垛机器人机械手在下一节点所受到的合力,以解决蚁群算法容易陷入局部最优的问题。最后,对信息素的更新策略进行改进。按照寻得路径的长度不同,对每次迭代完成后信息素的增量成比例进行更新,并设置最大、最小值,以解决迭代后期路径上信息素过大而使蚁群算法陷入局部最优的问题。结果改进后的蚁群算法收敛速度提升了约51%,寻找到的最短路径提升了约10%。和其他改进的蚁群算法相比,在综合性能上也有一定程度上的提高。结论改进后的蚁群算法收敛更快,寻找的最优路径更短。     

基于AHP-TOPSIS的可持续包装设计最优方案的筛选

目的 针对基本灰狼算法在函数优化过程中精度低、收敛速度慢、局部搜索能力差等问题,提出一种基于收敛因子和权重动态变化的自适应灰狼优化算法。方法 为了平衡算法的全局和局部搜索能力,引入聚焦距离变化率来动态调整收敛因子;使用自适应权重因子来改变算法的位置更新公式,以提高算法的收敛速度和精度。结果 仿真实验结果表明,改进后的算法在收敛精度和速度上都有了显著的提升,并且克服了灰狼算法在处理多峰函数时易陷入局部最优的缺点;对于纸浆浓度控制系统,控制效果更加理想。结论 通过改进的灰狼算法对PID控制器参数进行整定,可以显著提高系统的控制精度和其他性能指标,能更好地满足实际应用的要求。     

基于改进麻雀算法优化支持向量机的滚动轴承故障诊断研究

针对群智能算法优化支持向量机模型应用在滚动轴承故障诊断领域中易陷入局部最优、准确率较低的问题,提出了一种基于改进麻雀算法(sparrow search algorithm, SSA)优化支持向量机(support vector machine, SVM)的滚动轴承故障诊断方法。首先引入均匀化分布Chebyshev混沌映射初始化麻雀种群,以提高种群空间分布均匀性,之后将自适应惯性权重融入麻雀算法的发现者位置更新,最后对更新位置后的最优麻雀进行随机游走扰动,提高算法的全局和局部搜索能力,避免算法陷入局部最优。将该算法用于支持向量机的参数优化,构建改进麻雀算法优化支持向量机故障诊断模型实现对轴承故障信号的分类诊断。滚动轴承故障诊断试验分析结果表明,该算法模型故障分类效果明显优于粒子群算法优化支持向量机模型、遗传算法优化支持向量机模型和麻雀算法优化支持向量机模型,能够有效识别滚动轴承各故障类型。     

基于鱼群神经网络的地下水脆弱性评价与分析

地下水脆弱性评价是区域进行地下水资源保护和管理的重要依据。针对BP神经网络技术在对地下水脆弱性进行评价时存在的收敛速度慢、不易获得全局最优解、诊断精度低以及网络结构不确定等缺点,而人工鱼群算法具有较优的全局收敛能力及较快的寻优速度。因此,本文利用人工鱼群算法对BP神经网络的初始权值和阈值进行了优化,建立了一种新的地下水脆弱性评价模型,并将该模型应用到具体的评价实例中。结果表明,人工鱼群神经网络算法具有收敛速度快及泛化能力强的优点,为地下水脆弱性评价提供一种高效、准确及可靠的方法。     

复杂非线性函数最优化问题的一种实用智能算法

对浮点编码遗传算法加以改进,并与DFP变尺度算法相结合,经加速循环,构建新型混合加速遗传算法(以下简称NHAGA);协同求解具有变量边界约束的非凸、高度非线性的复杂函数最优化问题。算例测试表明,该法兼顾了改进浮点编码遗传算法全局搜索能力和DFP算法快速局部搜索能力的优点,成功搜索全局最优点的概率较高,是一种求解非凸、高度非线性全局优化问题的有效智能算法。