基于混沌搜索的蚁群优化算法

文中算法将蚁群算法与混沌搜索相结合,蚁群算法陷入局部最优时,利用混沌搜索对局部最优解进行二次寻优;对二次寻优结果再重复利用蚁群算法,扩大了搜索范围,避免了算法易陷入局部最优的特点。最后通过三个TSP问题进行实验对比,结果表明基于混沌搜索的蚁群算法充分利用了混沌搜索的随机性和蚁群算法的并行性,在收敛性和优化性方面得到了提高。     

求解多维函数优化问题的混沌和声算法

为了提升和声算法的局部搜索能力,提出了一种新颖的混沌和声算法.新算法首先设计了一种佳点集初始化操作,使得初始和声库更加均匀的分布在定义域空间;其次引入了一种自适应候选和声产生策略,增强了算法的收敛速度;再次设计了一种混沌局部搜索机制,提升算法的局部搜索能力.针对五个标准测试函数的仿真实验结果表明,新算法无论是收敛速度还是求解质量都显著优于基本和声算法.     

基于混沌鱼群改进算法的无线传感网覆盖优化

针对无线传感器节点覆盖分布极不均匀,冗余度高,导致网络覆盖率低、成本高的问题,提出一种改进人工鱼群算法进行优化的覆盖方法。采用以节点的有效覆盖率、利用率和功耗作为优化目标,建立相应的数学模型,然后通过引入混沌初始化和自适应步长、视野的搜索机制对算法进行改进,并使用改进后鱼群算法对模型进行求解,得到优化的无线传感器网络覆盖方案。通过与原始鱼群算法的对比仿真,得出结果表明改进后的算法提高了节点的覆盖率,在一定程度减少了冗余度,使网络的有效生存时间得到了延长。     

基于混沌搜索的组合电路测试生成算法

基于组合电路测试生成的离散Hopfield神经网络模型，将混沌搜索与Hopfield网络的梯度算法相结合，利用混沌搜索的内随机性及遍历性来克服梯度算法易于陷于局部极小的缺点，形成一种具有全局搜索能力的测试生成有效算法。该算法综合了随机性和确定性算法的优点，其性能优于一般的随机性算法。实验结果验证了该测试生成算法的有效性。     

基于改进鱼群算法的园林路径设计优化方法研究

针对园林景观路径规划对于个性化服务与智能规划的需求,文中提出一种基于改进鱼群算法的园林景观路径设计优化方法。该算法通过构建二维导览模型来确定优化路径平滑度与总长度目标函数,实现无障碍路径规划。针对传统人工鱼群算法局部搜索能力较差、前期容易出现盲目搜索的问题,将和声搜索算法引入人工鱼群算法,对鱼群信息进行微调扰动从而得到更优的全局最优路径。仿真与实验测试结果表明,所提出的方法能够有效优化园林路径规划问题,进而得到更平滑、更合理的园林导览路径,且所提出的改进算法相对于传统算法具有更快的收敛速度。     

一种改进的人工鱼群算法

本文介绍了基本人工鱼群算法,并在步长及觅食行为这两方面对基本人工鱼群算法做出了改进,提出一种改进的人工鱼群算法（IAFSA）。实验结果证明,改进的人工鱼群算法具有较好的收敛性。     

一种改进的人工鱼群算法

本文介绍了基本人工鱼群算法,并在步长及觅食行为这两方面对基本人工鱼群算法做出了改进,提出一种改进的人工鱼群算法（IAFSA）。实验结果证明,改进的人工鱼群算法具有较好的收敛性。     

基于网格划分策略的改进人工鱼群算法

人工鱼群算法是一种新型的随机搜索优化算法，初步研究表明该算法具有许多优良的性质。通过引入网格划分策略和禁忌搜索算法．对基本人工鱼群算法进行了改进，减少了迂回搜索的无用计算，同时也使人工鱼可以在解空间内进行更为全面的搜索，提高了搜索效率，加快了系统满意解域的确定；通过对变量空间进行网格划分，提供了获取系统最优解的方法，而且加强了对鱼群公告板信息的使用。实验表明，与基本人工鱼群算法相比，该方法具有明显的优越性。     

基于人工鱼群算法的网络流量预测方法

使用非线性预测模型支持向量回归算法建立预测模型,对具有明显非平稳性、混沌性以及非线性的网络流量进行预测研究。使用人工鱼群算法对支持向量回归算法的参数进行寻优,使用PSO算法对常规人工鱼群算法进行改进,使得人工鱼不依赖步长因子,仅对视野因子产生依赖,能够得到最优解。通过使用Logistic映射对人工鱼位置进行初始化,提高种群多样性,从而提高算法全局寻优能力,避免算法陷入局部最小值。最后使用MAWI数据集中的三组不同时间粒度的数据进行网络预测方法的实例分析,结果表明,所研究的人工鱼群算法具有较好的预测性能,能够满足网络流量预测的需求。     

基于群体行为的自适应变异算子鱼群算法

针对人工鱼群算法的不足,考虑了包括鱼群个体之间的相互感知作用、群体的领导模式并结合萤火虫群中个体的光强吸引度在内的群体行为特点来对鱼群行为进行完善.同时,在算法改进方面,采用了自适应步长和视野,并且引入了Gauss变异算子和遗传算法在一定情况下对鱼群个体进行变异操作.在此基础上,提出了一种新型自适应变异算子的鱼群算法.通过典型函数验证结果表明该算法在收敛速度、精度、稳定性及克服早熟能力方面都有了显著的提高.     

一种基于混沌蚂蚁群算法的系统参数辨识方法

提出了一种基于混沌蚂蚁群算法的控制系统辨识方法,这种方法在给定控制系统数学模型的条件下,将控制系统的参数辨识问题转化为参数的寻优问题,之后利用混沌蚂蚁群算法的全局优化搜索能力对问题进行求解.以典型控制系统为例进行了计算机仿真,实验结果表明,使用混沌蚂蚁群算法可以得到很好的参数估计结果.     

基于人工鱼群算法的IIR数字滤波器设计

将人工鱼群算法（AFSA）用于IIR数字滤波器设计，建立了相应的优化模型，给出了简化的人工鱼群算法及其实现步骤。最后，将该算法用于低通、带通IIR数字滤波器的设计，并与粒子群算法进行了比较。仿真结果证明了AFSA的有效性，并且具有算法灵活、简单，全局收敛性好。收敛速度快的优点。     

基于人工鱼群算法的PMD补偿处理单元设计

首先介绍了采用的PMD补偿方案,重点进行了基于人工鱼群算法(AFSA)的PMD补偿处理单元的硬件设计,其次给出了模数和数模接口设计框图,详细阐述了人工鱼群算法用于PMD补偿的工作过程,最后通过100Gb/s归零(RZ)码二阶PMD补偿仿真实验表明,该处理单元迭代速度快,补偿效果良好。     

基于人工鱼群算法的组播树演化寻优

提出了一种双域模型人工鱼群算法。算法采用前驱节点指向的编码方法形成多播树表示人工鱼,将搜索空间分为可行域和非可行域。分别赋予可行域和非可行域的人工鱼不同的游动目标,设计行为算子自适应地执行4种人工鱼行为。数值实验结果表明,提出的算法可以有效利用非可行个体,具有较好的求解时延约束最小代价多播树的性能。     

采用改进和声搜索算法的稀布线阵综合方法

针对稀布天线阵列中带有阵元数目、阵列孔径、阵元间距上下限和峰值旁瓣电平抑制的多重约束问题,提出了一种基于改进和声搜索算法的综合方法。通过和声变量与阵元间距的矢量映射,原始的强约束优化问题可以转换为仅含双边约束的优化问题,从而在保持可行解空间不变的同时提高了问题的自由度。为了加速收敛过程,采用动态调整参数策略。仿真结果表明,与现有文献中的算例进行比较,所提出的方法能够得到更低的峰值旁瓣电平,且鲁棒性好,收敛速度快。     

基于二维熵的人工鱼群材料图像分割方法

阈值法是图像分割中的重要方法,并在图像处理中得到了广泛的应用。针对电子扫描显微镜(SEM)摄取的纤维材料图像的自身特性,在预处理的基础上,提出了一种基于二维灰度直方图的人工鱼群图像分割方法。二维直方图的阈值的选取,是一个求全局最优的优化问题,本文将人工鱼群的算法应用于图像分割中,利用人工鱼群算法寻求二维熵的最优值,在实验中,人工鱼群算法收敛速度快,结果稳定,取得了理想的效果。     

基于高斯云改进的混沌麻雀搜索算法与应用

传统的麻雀搜索算法(sparrow search algorithm, SSA)在寻优过程中存在易陷入局部最优,以及搜索能力不足的问题。为了解决上述问题,提出了一种基于高斯云改进的混沌改进麻雀搜索算法(improved sparrow search algorithm, ISSA)。首先,利用伯努利混沌映射初始化种群以提高算法初始种群质量;其次,在发现者位置更新中引入自适应高斯云变异策略来提高算法在迭代过程中的全局搜索能力;最后,利用t分布反向学习策略对最优位置进行随机反向学习,以提高算法跳出局部最优的能力。在仿真实验中将本算法与其他4种基本算法利用13种基准测试函数进行对比实验,同时与其他的ISSAs进行对比。实验结果表明,本算法具有良好的收敛性以及精度,且全局探索能力相较于原算法大大提高。并将ISSA应用于Kapur熵多阈值图像分割任务中,结果表明,ISSA相较于其他4种基本算法有着更高的分割精度。     

基于VB和Access的温度采集系统的设计与实现

针对函数优化问题,提出了一种基于离差平方和法的粒子群优化算法。该算法用混沌序列初始化粒子的位置和速度,选择好于粒子群优化算法产生的粒子位置。通过离差平方和法进行聚类,利用分类方式来更新粒子的速度。最后将算法应用到3个典型的函数优化问题中,数值结果比较表明,提高了算法搜索能力,全局最优解的精度和收敛速度。     

人工鱼群优化最小二乘支持向量机的视频字幕定位

征选择是视频字幕定位的关键,为了提高视频字幕定位正确率,提出一种人工鱼群算法(AFSA)和最小二乘支持向量机(LSSVM)相融合的视频字幕定位模型(AFSA-LSSVM)。首先提取视频字幕特征,然后通过模拟鱼群的觅食、聚群及追尾行为找到最优视频字幕特征子集,最后采用LSSVM建立最优视频字幕定位模型,并进行仿真对比实验。结果表明,相对其它视频字幕定位模型,AFSA-LSSVM提高了视频字幕定位正确率和效率,可为后续视频内容的安全分析提供技术支持.