基于改进灰狼算法的宏微复合驱动器磁滞模型的参数辨识

精确辨识磁滞模型参数是保证宏微复合驱动器位移跟踪精度的关键,针对传统灰狼算法（GWO）存在局部最小值和求解精度不高的缺陷,文章提出一种改进的灰狼算法（TGWO）。通过Singer混沌映射优化了灰狼个体的初始位置,以增加种群多样性;采用非线性收敛因子策略提高了局部开发度和全局搜索度;在种群位置迭代更新中引入动态权重更新和自适应更新策略。通过仿真和实验表明：该算法能有效可靠地辨识宏微复合驱动器磁滞模型的参数,平均相对误差为4.6%,拥有更高的精度和收敛性。     

基于坠落机制的混沌麻雀算法AGV路径规划

针对麻雀搜索算法(SSA)在AGV路径规划中存在收敛速度慢、寻优精度差的缺点,提出一种基于坠落机制的混沌麻雀算法(SSA-CD)解决AGV路径规划算法。首先,引入Sinusoidal混沌映射和变尺度混沌策略对种群进行初始化,提高种群多样性使算法具备跳出局部最优解的能力;其次,引入动态黄金正弦策略增强算法发现者位置更新方式;然后,提出一种坠落机制增强种群随机性;最后,通过埃尔米特插值进一步优化最优解,获得更短更平滑的路径。通过栅格地图进行仿真实验,证明了改进算法的有效性、可行性和鲁棒性。     

自主多决策粒子群的无线传感器网络覆盖优化

网络节点覆盖是无线传感器应用的重要一环,为提高网络节点覆盖率,提出一种基于自主多决策粒子群的无线传感器网络覆盖算法。该算法首先引入Bernoulli混沌与Logistic混沌映射耦合成为一种新的精英混沌映射来初始化种群,提高初始解质量,为全局寻优奠定基础。其次,引入一种多决策方法,通过随机赋予粒子不同学习方式,使它们获得不同于其他群体的自主决策能力,增强算法的局部寻优性能。然后,利用一种融合柯西变异与反向学习的交替扰动策略对最优粒子进行扰动变异,提高算法跳出局部最优的能力。在典型测试函数的实验结果表明,自主粒子群所提算法收敛速度更快、寻优精度更高、稳定性更强,且用其优化的无线传感器网络节点分布更均匀、覆盖率更高,验证了该算法的有效性和可行性。     

Lévy飞行和热交换的混沌乌燕鸥算法及应用

为解决乌燕鸥算法对抗局部最优能力和寻优能力较低的问题,提出了一种混合Lévy飞行和热交换混沌乌燕鸥算法（LTCSTOA）。首先,采用Hénon混沌映射对算法种群初始化,保证算法种群多样性。其次,采用混合Lévy飞行和热交换算法的搜索策略,并在不同算法搜索阶段,引入自适应因子γ和自适应惯性权重,提高了算法的跳出局部区域的能力和收敛精度。最后,采用热交换算法对最优乌燕鸥个体进行扰动,提高算法的全局寻优能力。选用7个测试函数验证了不同改进策略的算法有效性,仿真结果表明：与其他算法相比,LTCSTOA算法收敛性能更优,具有较高的收敛精度、稳定性和鲁棒性。将LTCSTOA算法应用于二级斜齿圆柱齿轮传动机构可靠性轻量化设计,优化结果表明：与原设计相比,LTCSTOA算法获得的体积和重合度分别降低了约为51.86%和18.6%,实现了齿轮传动机构轻量化设计的目的。     

改进鲸鱼优化算法的机器人时间最优轨迹规划

针对鲸鱼优化算法（WOA）存在的收敛精度低、易陷入局部最优解等问题，提出一种非线性收敛因子并引入非线性惯性权重对基础WOA进行改进，以智能制造生产线中核心单元6R机器人为研究模型做轨迹优化，其以时间最优为优化目标。首先将WOA中收敛因子改为非线性收敛因子并引入一种非线性惯性权重，以达到提高收敛精度、局部开发能力和全局搜索能力的目的，然后将该算法与五次多项式相结合，基于实际应用场景对某型号的6R工业机器人做时间最优轨迹规划。实验结果表明，该研究场景中机器人运动优化后完整的上、下料过程的时间比优化前缩短20%至50%，说明改进后的WOA在相关领域应用中有效可信且具有实际意义。     

高速角接触球轴承拟静力学求解的改进算法

采用无滚道控制假设建立了角接触球轴承拟静力学模型,针对传统Newton-Raphson算法在数值求解上述模型时出现初值难以确定、迭代过程不收敛以及收敛慢等问题,提出了一种Newton-Raphson的改进算法。引入中间变量,减少了未知量数目,并对非线性方程组进行分步求解,降低了选取初值的难度;在改进Newton-Raphson算法中引入迭代修正因子,并采用二分法对迭代修正因子进行优化,缩短了收敛时间;通过矩阵变换,简化了雅克比矩阵的求解过程。B7008C轴承的计算结果表明,所提出的算法优于传统的算法,采用该算法可有效降低角接触球轴承的拟静力学模型数值求解的难度并提高收敛效率。     

混合随机反向学习和高斯变异的混沌松鼠搜索算法

针对松鼠搜索算法(SSA)易陷入局部最优、过早收敛等问题，提出一种混合随机反向学习和高斯变异的混沌松鼠搜索算法(RGCSSA)。该算法通过Tent混沌映射初始化策略生成混沌初始种群，增强初始种群分布的均匀性，实现对解空间更高效的搜索；采用非线性递减的捕食者概率策略，平衡SSA的全局搜索和局部开发能力；利用位置贪婪选择策略在迭代过程中不断保留种群中的优势个体，以提升算法收敛速度；引入随机反向学习和高斯变异策略，在增加种群多样性的同时提高算法跳出局部最优的能力。使用10个不同的基准测试函数进行仿真实验，并利用Wilcoxon符号秩检验验证所提算法的寻优性能，结果表明，RGCSSA算法在求解精度、收敛速度和稳定性等方面均有极大提升。     

改进灰狼算法在搬运机器人轨迹规划中的应用

为提高托盘式搬运机器人的运行稳定性,提出一种基于改进灰狼算法的机器人加速度最优轨迹规划方法。针对灰狼算法局部收敛、寻优性能不足等问题,引入Logistic-Tent混沌映射,优化初始种群;引入差分优化算法,提高全局搜索能力;引入淘汰进化机制,优化种群结构,从而全面提升优化性能。仿真结果表明,对比标准灰狼算法和粒子群算法,改进灰狼算法在不同类型的测试函数中具有更好的收敛速度和算法精度;在搬运机器人轨迹规划的应用中,经过该算法优化后的机器人最大关节角加速度下降了44.11%,大幅提高了运行稳定性。     

超磁致伸缩执行器位移模型的参数辨识

准确辨识模型参数是提高超磁致伸缩执行器位移控制精度的关键,针对单一算法难以实现对超磁致伸缩磁滞非线性模型参数准确识别的问题,将遗传算法与模拟退火算法融合,首先利用遗传算法的快速搜索能力得到一个较优群体,再利用模拟退火算法的突跳能力对整个群体进行优化调整,并在算法中引入最优保留策略和动态步长搜索方法,提出一种改进的遗传模拟退火算法,并将其应用于对超磁致伸缩执行器位移磁滞非线性模型参数辨识。该算法兼具遗传算法和模拟退火算法的优点,既有较快的收敛速度,又提高了辨识精度和最优解质量。通过试验验证,超磁致伸缩棒伸长量的模型计算结果与测量值符合程度较好,平均相对误差为3.85%,该方法能方便有效地辨识模型参数。     

一种自适应寻优的社会蜘蛛优化算法(SA-SSA)

针对标准社会蜘蛛优化算法(SSA)全局搜索能力不足、收敛速度慢等问题。提出一种自适应寻优的社会蜘蛛优化算法(SA-SSA)。在蜘蛛振动更新公式中,引入权重思想来构成振动自适应函数,动态调节最优位置的影响力,提高算法收敛速度;引入最优领域扰动策略,避免算法早熟,解决算法易陷入局部最优解的问题。在6个测试函数中进行仿真实验,结果表明所改进的自适应寻优的社会蜘蛛优化算法(SA-SSA)相较于其他群优化算法,如蝙蝠优化算法(BA)、人工鱼群(AFA)以及标准社会蜘蛛优化算法(SSA),具有更高的寻优精度和收敛速度,证明了改进策略的有效性。     

混沌压缩非线性粒子群算法求解车间调度问题

针对大规模车间调度问题,提出了一种混沌压缩非线性粒子群算法。首先运用多种群策略增加粒子多样性,结合混沌策略和非线性策略改进惯性权重,以平衡全局和局部搜索能力,加快算法后期收敛速度;再引入压缩因子改进算法速度更新公式,加大算法前期搜索范围,以防止算法陷入局部最优;最后用6种车间作业经典算例分别对粒子群算法、遗传算法、灰狼算法和混沌压缩非线性粒子群算法进行检验。实验结果表明,该方法可以显著提升粒子群算法的收敛精度和速度,对于实际大规模车间调度问题适应性较好,能有效提高车间的生产效率。     

基于免疫粒子群优化算法的微电网谐波抑制策略

为解决微电网中变频器和电力设备运行引起的非线性负载谐波问题,提出了基于免疫粒子群优化(IPSO)算法的微电网无源滤波器谐波抑制策略,将免疫系统的免疫机制原理引入粒子群算法中,有助于提高粒子群算法全局收敛能力,主要目的是实现免疫粒子群算法优化滤波器参数,最终通过优化滤波器的方式达到微电网谐波抑制。从仿真结果可以得出,并网模式与孤岛模式相互转化过程中,IPSO算法可以有效地降低负载侧输出电压谐波比。     

基于混合差分进化算法的并行机批处理调度问题研究

考虑到实际生产中产品多、批量小的特点,建立了一种带工艺约束的并行机批处理调度优化模型。为解决调度中的分批问题,提出了一种新的基于产品需求量的批量划分方案及批量染色体编码方式,采用两级差分进化算法来解决批量划分和批次调度问题;针对标准差分进化算法收敛速度慢、易出现早熟现象等问题,引入动态随机搜索和随机变异的局部搜索策略,以增强标准差分进化算法的局部搜索能力。测试算例及调度实例的仿真结果表明,该算法能有效地提高算法收敛速度,平衡其全局搜索和局部探索能力。     

基于改进乌燕鸥算法的移动音乐机器人路径规划

移动音乐机器人最短路径规划是一个带有复杂约束和高维的非线性规划问题,标准的乌燕鸥算法求解此问题时,存在局部停滞不足导致其获得的最短路径精度较低。为此,设计一种改进的乌燕鸥算法。引入一种新颖的改进Logistic混沌映射种群初始化策略,增强算法迭代初期的寻优能力;采用非线性自适应Lévy飞行攻击位置更新方式,协调算法的全局搜索和局部开发能力之间的动态平衡;采用Lévy飞行和黄金正弦混合扰动策略,提高算法的全局寻优能力。仿真结果表明：与其他著名算法相比,该算法路径规划结果更优,寻优能力和搜索效率更强,可高效地处理复杂的移动音乐机器人路径规划问题,具有较强的适用性。     

自动小车存取系统复合作业三维空间路径优化

为了提高智能立体仓库的运转效率,提出了一种改进的人工狼群算法,利用该算法有效地解决了轨道小车存取系统复合作业三维空间路径优化问题。针对该系统出入库复合作业的特点,设计了一种包含轨道引导小车任务分配与三维空间路径信息的编码和解码方法;将禁忌表和拥挤度因子引入算法,并采用自适应围攻步长来避免算法陷入局部最优,同时加快算法的后期收敛速度。以某省级电能计量设备自动检定中心的AVS/RS系统为实例,将该算法与另外两种优化算法进行比较,结果表明该改进算法的收敛速度更快、优化率更高、得到的解最优。     

基于微粒群优化算法的线性系统逼近

提出一种改进的微粒群优化算法,用于求解线性系统逼近问题。该算法的改进策略是通过动态调整标准微粒群优化算法的三个可调参数一惯性权重与加速度因子c1和c2。来克服算法进化初期多样性下降太快和进化后期收敛速度太慢的缺陷。将改进的PSO算法用于典型的稳定和非稳定线性系统的仿真算例中,实验结果表明,本文提出的MPSO算法能有效地逼近线性系统。     

混合变量非线性规划问题的差异演化算法研究

针对机械优化设计问题中的混合变量非线性规划问题,提出一种改进的差异演化算法.首先针对混合变量非线性规划问题的特点,采用离散变量与连续变量分别进化策略,以使差异演化算法能够适于解决这类问题.其次,依据基因突变原理,提出突变因子的概念,使群体中的一部分个体不经过交叉操作,而直接与父代竞争,提高了群体的多样性,增强了算法的全局搜索能力,并对差异演化算法的缩放因子进行线性递减计算,加快了算法的收敛速度.测试结果表明,所提出算法不仅能够解决混合变量非线性规划问题,而且有较快的收敛速度和较好的全局收敛能力,实用价值明显.     

遗传算法与神经网络在语音识别中的应用

为克服隐马尔可夫模型(HMM)在语音识别应用中的缺点和局限性,在语音识别中引入神经网络.采用前馈多层神经网络,用遗传算法和BP算法结合的方式对网络进行训练,克服了传统BP算法收敛速度慢、易陷入局部最小等缺陷.仿真实验结果表明,该模型有效地提高了语音的识别率,并缩短了识别时间,实现了效率与时间的双赢,为算法的实用性奠定了基础.     

并联机构位置正解的基于Hénon混沌映射的Newton迭代法

分析了一维Hénon混沌序列的概率特性。应用一维Hénon混沌映射产生Newton迭代法的初始点。提出了用基于Hénon混沌映射的Newton迭代法（NIMHCM）求解非线性方程组的新方法与计算步骤。建立了4-DOF 2PRS＆2SPS并联机器人机构位置正解的数学模型。在此基础上,用NIMHCM算法求该并联机器人机构的位置正解,得到了全部位置正解。计算结果表明：NIMHCM算法计算过程简洁,效率高,具有一般性,也适合其他耦合并联机构的位置正解问题。     

基于MSADE-IT2FNN模型的软测量建模方法及应用

针对复杂工业过程某些关键参数无法有效、实时在线检测的问题，提出一种基于多策略、自适应差分进化算法(MSADE)优化的区间二型模糊神经网络(IT2FNN)软测量建模方法。首先，为了解决差分进化算法采用单一策略、固定缩放因子和交叉概率导致后期搜索能力不足的问题，提出一种多策略、自适应的差分进化算法(MSADE),该算法利用IT2FNN模型的均方根误差(RMSE)作为适应度函数，通过搜索不同规则数下的RMSE值，从而确定IT2FNN的结构(规则数)和初始参数；然后，IT2FNN模型的参数利用梯度下降法进行学习。最后，将所提模型应用到Mackey-Glass混沌时间序列的预测和酿酒过程淀粉利用率的软测量建模问题中，仿真结果验证了提出方法的有效性和优越性。