基于GSO-BFA自适应模糊反推滑模的储粮灭虫变压控制

为研究变压膨胀灭虫控制系统受外界压力扰动时的压力控制效果,以额定功率为4.3KW的2HB720–HH37型高压旋涡气泵的工作原理为基础,建立了该型号高压气泵的数学模型;基于自适应模糊反推滑模鲁棒性强的优点,提出了采用萤火虫–细菌觅食(GSO–BFA)融合算法优化滑模控制器参数的储粮灭虫变压控制方案。仿真结果表明,相比采用模糊PID优化的变压控制系统,采用GSO–BFA算法优化的自适应模糊反推变压控制系统可以在外界压力存在较大扰动的工况下实现灭虫变压控制,且对跳变压力的跟踪响应较为灵敏,鲁棒性佳。     

一种改进的自适应粒子群优化算法

针对粒子群优化算法搜索精度不高的问题,基于自适应调整惯性权重的策略引入自适应惯性因子对粒子群优化算法进行改进,提出了一种改进的自适应粒子群算法。仿真结果表明改进的粒子群算法具有更强的寻优能力及更高的搜索精度。     

融合自适应混沌差分进化的粒子群优化算法

针对粒子群优化算法易出现早熟收敛、收敛效率低的缺点,提出一种融合自适应混沌差分进化的粒子群优化算法.该算法首先将自适应混沌引入差分进化算法,再将所得结果进行一次校正变异和校正选择,最后将所得算法融合到粒子群优化算法,从而有效地利用与平衡了粒子群优化算法和差分进化算法的探测和开发能力,且局部搜索能力增强,进一步提高算法的求解精度和效率.数值实验证明本文算法的有效性.     

一种改进的混合遗传算法

为了去除图像噪声,实现滤波器的参数优化,对混合遗传算法进行改进,通过启发式搜索策略,实现了一种改进的自适应混合遗传算法,混合遗传算法在训练过程中采用小生境技术维持种群的多样性避免早熟收敛,采用单纯形算法提高对局部区域的搜索能力,加速搜索到全局最优点.采用该算法对滤波器的参数进行优化,较为有效、快速地获得了优化参数,优化后的滤波器可以较好地实现图像噪声去除.     

一种自适应交替的粒子群差分进化优化算法

为了克服粒子群算法易陷入早熟收敛的缺点及提高差分进化算法的搜索能力,提出了一种自适应交替的粒子群差分进化算法.该算法采用自适应的概率交替使用PSO和DE,通过对6个基准函数的测试,说明本文提出的算法是一种收敛速度快、求解精度高的全局优化算法.     

基于遗传-粒子群混合算法的测试数据自动生成

针对传统遗传算法（GA）容易产生早熟收敛和易陷入局部最优解的问题,提出了一种基于遗传-粒子群混合算法（GA-PSO）的软件测试数据自动生成算法：以粒子群优化算法（PSO）为主线,按PSO算法中标准的速度和位置更新,将GA算法的筛选、交叉、变异与PSO算法的自动更新特征结合在一起,使所有测试数据在局部区域中再次寻找最优值,从而避免了过早收敛,改进了搜索最佳值的能力.仿真实验表明：遗传-粒子群混合算法具有更快的收敛速度,保持了种群的多样性,提高了全局搜索能力.     

基于模拟退火的自适应正余弦算法

为克服正余弦算法寻优精度低、收敛速度慢、易陷入局部最优等缺陷,提出一种基于模拟退火的自适应正余弦算法。设置自适应参数r1,根据粒子自适应值的状态,动态调整参数r1,以增强算法的局部搜索能力;在简化的正余弦算法的位置更新公式中引入对数递减的惯性权重,更好的平衡算法局部搜索与全局搜索的能力;为增加种群多样性,对当前最优解添加高斯扰动,并根据模拟退火中的Metropolis准则接受新解,以避免算法后期陷入局部最优。10个标准测试函数仿真结果表明,改进后算法在收敛速度、寻优精度上更具优势。     

基于蜂群算法的作业车间调度优化

基于蜂群的自组织自适应特征,构造了作业车间调度算法:摇尾舞算法和觅食算法.该算法利用蜂群与环境的交互模型来实现作业车间的动态调度,利用群体智能技术解决作业车间生产调度问题.仿真结果表明:该算法性能与蚁群算法相当,但离禁忌算法还有差距;该方法还能够起到优化调度的作用.     

一种基于权重策略的蝙蝠算法

针对基本蝙蝠算法存在的后期收敛速度慢、易陷入局部极值、稳定性差等缺点,提出一种基于权重策略的蝙蝠算法.该算法在蝙蝠学习机制中引入权重策略,使其不再单一地向全局最优蝙蝠学习,而是与邻域内所有蝙蝠进行信息共享与交流,并根据自身寻优能力自适应地调节向其他蝙蝠学习的力度,优化迭代种群,增加种群多样性,有效地提高了算法的全局搜索能力和搜索精度.数值测试结果表明,新算法有较快收敛速度和较高的寻优精度.     

基于模糊免疫PID控制器的参数整定研究

本文在将模糊免疫算法应用于PID控制器的基础上,对比细菌觅食算法和粒子群算法在永磁同步电机的伺服系统中的效果。利用这两种群集智能算法分别对模糊免疫PID的多个参数进行搜索,并对永磁同步电机伺服系统进行Simulink仿真。研究结果表明在此系统中,与粒子群算法相比,采用细菌算法进行参数整定具有更好的效果。     

一种新的半定规划的Mehrotra型预估矫正算法

Salahi等人提出了线性规划的一种新的Mehrotra型预估矫正算法．针对该算法在线性规划上具有很好的实际计算效果,本文将该算法推广到半定规划问题上．基于NT方向,利用Lya—punov算子,最后证明了算法的O（√nL）迭代复杂性．     

基于GRNN和粒子群算法的酱油种曲培养条件优化

孢子数是酱油种曲质量的一个重要指标.为提高种曲质量,基于培养过程数据,给出一种广义回归神经网络和粒子群算法相结合的优化种曲培养条件方法.首先建立预测种曲孢子数的广义回归神经网络模型,并利用交叉验证确定GRNN模型的最优参数,而后使用粒子群算法寻优种曲培养条件.仿真实验显示优化结果可应用于实践指导生产,且算法易于实施、运行速度快.     

改进蝙蝠算法在多目标优化中的应用

在模拟退火的高斯扰动蝙蝠优化算法（SAGBA）的基础上,结合解决多目标优化问题的算法技术,探讨了2种改进的多目标蝙蝠算法——基于动态加权的SAGBA算法（DWASAGBA）和基于向量估计的SAGBA算（VESAGBA）,并对算法进行了仿真实验．结果表明,SAGBA算法所得到的解集分布均匀,能够得到测试函数较为准确的Pareto曲线。     

高光谱技术结合改进LSSVM的大米脂肪酸检测方法

目的:解决食品企业现有大米品质检测方法存在的准确性低和效率差等问题。方法:基于高光谱数据采集系统,提出一种结合改进细菌觅食算法和最小二乘支持向量机的贮藏大米品质快速无损检测方法。通过改进的细菌觅食算法对最小二乘支持向量机超参数(正则化参数和核参数)进行寻优,实现贮藏大米品质的快速无损检测。通过试验分析其性能。结果:所提方法可以实现贮藏大米脂肪酸含量的快速无损检测,决定系数为0.940 5,均方根误差为0.543 5,平均检测时间为1.12 s。结论:所提检测方法具有较高的检测性能,可用于大米品质的鉴别与检测。     

基于多子群协同进化的自适应萤火虫算法

为了改善萤火虫算法的收敛精度和收敛速度,将协同进化思想引入自适应萤火虫算法中,提出一种基于多子群协同进化的自适应萤火虫算法(CAFA).将种群划分为2个子群,并且2个子群采用不同策略同时进行进化,以加快收敛速度和精度.最后将CAFA算法与萤火虫算法和自适应萤火虫算法在6个典型的基准测试函数中进行仿真对比,结果表明CAFA算法在收敛速度和精度方面均优于其他2种算法.     

一种改进的和声搜索算法

针对实值函数优化问题,基于基本和声搜索算法及蝙蝠算法,提出一种新的改进和声搜索算法HS-Bat 。新算法保留了和声搜索的搜索机理,但对和声搜索中和声记忆库外的搜索方法用蝙蝠算法作了改进,对和声记忆库内新解产生方法也作了相应的调整,从而提高了原算法的搜索效率。利用Matlab编程对改进后算法寻找最优解的稳定性及精确度进行测试。结果表明改进后的算法有更好的效果,值得进一步研究与推广应用。     

基于精英自适应遗传聚类算法的烟草物流配送优化研究

为了对烟草物流配送过程进行优化,以配送物流量的距离最小化、配送时间的方差最小化、不同服务区域之间差异最大化为指标,通过加权糅合构建了物流系统综合优化模型。以聚类算法产生的初始解作为遗传算法初始精英种群,利用配送时间方差的自适应变异算子改进传统遗传算法,设计了基于精英自适应遗传聚类算法,以提高聚类收敛速度,使聚类区域分布更加均衡。以浙江省某市烟草物流配送中心为对象进行测试,结果表明:(1)利用本文算法实现了对应服务区域和中转站的确定以及聚类区域的优化,对3个中转站和1个配送中心模式优化后,零售户直送率提高7.4百分点,按量直送率提高2.9百分点,总里程减少1352 km;(2)优化后万支卷烟物流成本、分拣和仓库费用显著降低,均低于浙江省平均水平;(3)该地区卷烟销量集中区域与采用本文算法规划的配送效果相符合。该方法具有一定的实用性,可为提高物流配送效率提供技术支持。     

基于扰码技术降低OFDM系统PAPR的新算法

针对传统选择映射算法需要额外传输边带信息的不足,提出一种预留子载波-选择映射联合算法:通过对正交频分复用OFDM信号的子载波进行分组,将0幅度预留子载波嵌入到各分组的特定位置后对分组进行位移,由此把边带信息嵌入到预留子载波的位置上,最后选择峰均功率比PAPR最优的一路传输.仿真结果表明,该算法不仅不需要额外传输边带信息,同时有效地降低了OFDM系统的PAPR和复杂度,提高了系统频带利用率.