融合混沌映射和乘除算子的花授粉算法及应用

花授粉算法是一种群智能算法,广泛应用于各个领域。本文针对该算法存在收敛精度低、收敛速度慢、稳定性差等不足,提出基于混沌映射和乘除算子的花授粉算法(MDFPA)。首先,利用混合混沌映射更好的随机分布能力生成初始种群,减小随机误差给算法带来的影响;其次,反双曲正切函数有良好的性能,将其引入动态转换概率中,替换固定转换概率,提高算法收敛能力,有利于控制全局搜索和局部搜索之间的平衡;最后,在全局搜索阶段引入乘除算子对花粉位置进行放缩,在空间里进行充分搜索,避免算法陷入局部最优。通过对12个测试函数的仿真实验,表明该算法在单峰、多峰和固定维度测试函数上性能都优于花授粉算法(FPA)、粒子群算法(PSO)、布谷鸟算法(CS)和蜂群算法(ABC),寻优性能显著性提高,具有更快的收敛速度和更优的求解精度。将MDFPA算法应用于PID(Proportion Integration Differentiation)控制器参数优化中,结果表明优化后的PID控制器性能更优。     

基于柯西变异的自适应花授粉算法

本文在异花授粉过程中引入自适应步长,使得算法在初期以较大的步长提高搜索能力,后期以较小的步长提高寻优精度.在自花授粉过程引入柯西变异进行随机扰动,增加种群的多样性,由此提出了一种基于柯西分布的自适应花授粉算法(CFPA),并通过6个标准测试函数进行测试比较.仿真结果表明,改进算法在寻优速度、精度和鲁棒性方面均存在优势.最后,将改进算法用于求解非线性方程组,算例结果证明了其优越性.     

基于改进花授粉算法的无人船空间全局优化

在分析无人船的空间路径规划的数学建模基础上,提出基于粒子群局部搜索算法策略和维度改进算法策略的改进花授粉(IFPA)的全局搜索优化算法。该算法在水面中解决无人船(US)路径规划问题中,可以加快全局收敛速度,同时保留标准花授粉算法(FPA)的强鲁棒性。实验结果表明:相比其他9种基于群体的算法,IFPA方法对解决US在水面路径规划更为有效。     

一种基于膜系统的全局智能优化算法

针对全局数值优化问题,本文提出了一种基于膜计算理论的启发式全局优化算法.受细胞内液体分子做无规则运动的启发,该算法构建了液体分子沿任意和某一方向运动的机制,实现了算法全局探索和局部开发的能力.8个benchmark测试优化函数的仿真结果表明,所提算法具有保持解的多样性和跳出局部极值的全局寻优能力.     

基于近邻搜索花授粉优化的直觉模糊聚类图像分割

为克服传统模糊聚类算法应用于图像分割时,易受噪声影响,对聚类中心初始值敏感,易陷入局部最优,模糊信息处理能力不足等缺陷,该文提出基于近邻搜索花授粉优化的直觉模糊聚类图像分割算法。首先设计一种新颖的图像空间信息提取策略,进而构造融合图像空间信息的直觉模糊聚类目标函数,提高对于噪声的鲁棒性,提升算法处理图像中模糊信息的能力。为了优化上述目标函数,提出一种基于近邻学习搜索机制的花授粉算法,实现对于聚类中心的寻优,解决对于聚类中心初始值敏感,易陷入局部最优的问题。实验结果表明所提算法能在多种噪声图像上取得令人满意的分割效果。     

融合黄金正弦和随机游走的哈里斯鹰优化算法

针对哈里斯鹰优化算法收敛精度低、易陷入局部最优的问题,本文提出了融合黄金正弦和随机游走的哈里斯鹰优化算法.首先,该算法在哈里斯鹰的探索阶段融合黄金正弦优化算法,增强算法的全局探索能力;其次,使用一种非线性能量指数递减策略,平衡算法的全局探索和局部开发能力;然后,在哈里斯鹰的开发阶段引入高斯随机游走策略对猎物进行随机游走,提升算法的局部开发能力;最后,在23个测试函数上进行实验,评估改进后的哈里斯鹰优化算法的寻优性能.实验结果表明,所提算法具有更好的寻优速度和寻优精度.     

基于和声搜索和模式探测移动的混沌鱼群算法

鱼群算法是一种群智能优化算法,寻优效果良好,但后期易产生陷入局部极值;混沌搜索全局搜索能力强,能跳出局部极值,但局部搜索能力不强。为了提高算法的全局搜索能力和搜索精度,文中提出一种基于和声搜索和模式探测移动的混沌鱼群算法,在鱼群寻优过程中利用混沌搜索的遍历性使其摆脱局部极值,同时用模式探测移动、和声搜索来提高搜索精度。仿真结果表明,该算法比基本鱼群算法和混沌鱼群算法的搜索精度更高,收敛速度更快。     

基于反向学习策略的自适应花授粉接收信号强度指示室内可见光定位

为提高大型室内场所的定位精度,提出一种基于改进自适应花授粉算法的接收信号强度指示(RSSI)可见光定位方案。利用固定在屋顶呈网格型排布的LED发送位置信息,接收端采用基于反向学习策略和自适应花授粉算法的RSSI定位方法实现精确定位。传统花授粉算法具有易陷入局部最优、缺乏变异机制等缺点,利用反向学习策略可使初始种群分布更加均匀,通过提高种群多样性可使算法跳出局部最优;采用有利于全局广泛搜索的自适应移动因子提高收敛速度。在100 m×100 m×100 m大型室内场所的一层100 m×100 m×10 m的空间中,考虑热噪声和散射噪声干扰的情况,经过多次仿真可得,相比于传统定位算法,随机灯排布下采用改进花授粉的RSSI算法的定位误差小于±1 cm;采用网格型灯排布结合改进定位算法的室内可见光定位系统时,定位精度得到明显提升,定位时间大幅缩短。该方案具有定位精度更高、计算速度更快、工作稳定等优点。     

采用搜索趋化策略的布谷鸟全局优化算法

布谷鸟搜索算法是一种基于莱维飞行搜索策略的新型智能优化算法.单一的莱维飞行随机搜索更新策略存在全局搜索性能不足和寻优精度不高等缺陷.为了解决这一问题,本文提出了一种改进的布谷鸟全局优化算法.该算法的主要特点在于以下三个方面:首先,采用全局探测和模式移动交替进行的模式搜索趋化策略,实现了布谷鸟莱维飞行的全局探测与模式搜索的局部优化的有机结合,从而避免盲目搜索,加强算法的局部开采能力;其次,采取自适应竞争机制动态选择最优解数量,实现了迭代过程搜索速度和解的多样性间的有效平衡;最后,采用优势集搜索机制,实现了最优解的有效合作分享,强化了优势经验的学习.对52个典型测试函数实验结果表明,本文算法不仅寻优精度和寻优率显著提高,鲁棒性强,且适合于多峰及复杂高维空间全局优化问题.本文算法与最新提出的改进的布谷鸟优化算法以及其它智能优化策略相比,其全局搜索性能与寻优精度更具优势,效果更好.     

基于特征散度K-means红外图像分割遗传算法

针对红外图像中目标和背景的对比度低,边缘模糊的特点,本文提出了改进的聚类分割算法KFGA。用特征散度的内积范数作为K-means算法的距离测度,改进算法的普适性;针对K-means算法收敛的局部寻优问题,将遗传算法与K-means算法结合实现全局寻优;在种群每一次演化操作后实行一次K-means聚类,加快算法的收敛速度,在全局寻优的过程中嵌入局部寻优加快算法的收敛速度。