新型群智能优化算法综述

传统群智能算法在解决复杂实际多目标优化问题中存在不足,近年来学者提出诸多新型群智能算法,适用性强,在求解复杂实际问题中取得了较好的实验效果。以算法提出时间为主线,对新型群智能算法中细菌觅食优化算法、混合蛙跳算法、人工蜂群算法、萤火虫算法、布谷鸟搜索、果蝇优化算法和头脑风暴优化算法的改进及应用进行分析和综述,并对群智能算法未来的研究发展方向进行了探讨。     

细菌觅食优化算法的研究与改进

细菌觅食优化算法是一种群集智能优化方法,针对细菌觅食优化算法中的迁徙和复制操作进行改进.迁徙操作导致已经找到最优位置或接近最优位置的细菌个体逃离最优位置,产生逃逸现象,极大地影响了算法的收敛速度.为解决快速性,根据菌群的进化代数改变迁徙操作的作用范围,避免逃逸发生,提出在复制操作中,按照细菌个体当前适应度值的优劣进行复制,更准确地实现了细菌个体的优胜劣汰,进一步提高收敛速度.经典函数测试表明,改进算法在收敛速度和精度上比原有算法有了较大提高.     

智能算法在含分布式电源配电网故障恢复的应用综述

分析含分布式电源的配电网故障恢复模型,综述几种目前比较流行的智能算法在含分布式电源配电网故障恢复问题中的应用及优缺点,并对整合不同算法后的组合智能算法在含有分布式电源的配电网故障恢复中的优化效果进行比较;针对当前能源局势与输配电要求日益提高的情况,分析智能算法在考虑多目标含分布式电源配电网故障恢复中的应用;最后,对含分布式电源的配电网故障恢复问题发展趋势进行展望.     

实值阴性选择算法优化及其在故障诊断中的应用

针对复杂装备故障样本少的难题,研究了人工免疫系统中的阴性选择算法原理及应用;介绍了变尺寸实值阴性选择算法检测器产生机制,以减小检测器交叠和对自体的覆盖为目标,提出一种基于重升温模拟退火算法的检测器分布优化策略;该优化方法不改变原有检测器数量,提高了对非己空间的覆盖效果;对两种不同几何形状的二维数据集进行仿真,结果表明,优化方法提高了算法的检测率,降低了虚警率;将优化后的算法应用于滤波电路12种软故障的检测,总体检测率达95％,结果优于基于人工神经网络的故障检测方法.     

一种细菌觅食算法的改进及其应用

针对原有细菌觅食算法收敛速度慢、计算量大的问题,首先通过改进细菌种群大小、细菌运动步长、引进迭代终止条件改进原有细菌觅食算法,然后将其应用到支持向量机的参数优化上。实验以Iris标准测试数据集为依托,以高斯核支持向量机中核参数γ和惩罚因子C为优化对象,分析了遗传算法、粒子群算法、原有的和改进后的细菌觅食算法的寻优性能,验证了将改进后的细菌觅食算法应用到支持向量机参数选择上具有优越性。     

带有罚函数的无线传感器网络粒子群定位算法

无线传感器网络是一种没有基础设施的无线自组织网络,它在军事、环境检测和智能家居等诸多领域具有广泛的应用.在无线传感器网络的绝大多数应用中,只有当节点和被感知的物体的位置是可知的,节点获得的信息才有意义.因此,节点定位技术是无线传感器网络的关键技术之一.近年来,粒子群优化算法(particle swarm optimization,PSO)等智能算法被用于无线传感器网络节点定位技术的研究.在粒子群优化算法定位技术研究的基础上,提出的带有罚函数的无线传感器网络粒子群定位算法(particle swarm optimization with penalty function,PSOPF)利用罚函数来加快算法的收敛速度和提高定位算法的定位精度.实验结果表明,和原有的PSO定位算法相比较,PSOPF算法具有更高的定位精度和更快的收敛速度.     

相似性聚类在直升机传动轴健康管理中的研究

直升机传动系统作为直升机的三大核心部件,其安全余度小,直接影响着直升机的安全性能.传动轴作为传动系统中的核心部件,其安全性能关系直升机安全.利用智能算法对传动系统数据进行分析和提取,用于直升机异常状态监测与健康管理,是智能航空和物联航空发展的热点核心技术.以直升机传动轴为研究对象将提出一种加权的相似性聚类的方法,将其用于传动轴故障特征提取,实验表明其具有独特的优越性,很好地解决了传动轴故障特征提取和数据降维处理等问题.与传统的相似性聚类方法相比,其在传动轴故障特征提取方面有了很大的进步,提高了传动轴故障早期和细微故障的分辨率和准确率.用先进智能算法解决了传动系统中故障诊断依靠工人经验的弊端,提高了效率,保证了安全,为未来智能航空中智能故障诊断提供了思路.     

基于参数方程处理等式约束优化的粒子群算法

针对目前已有的粒子群优化算法求解有等式约束优化问题时对收敛速度和解的精度的影响,提出了一种新的基于参数方程的粒子群优化算法.它是粒子群在初始化和选代进化过程中使用求解参数方程的方法处理等式约束设计出的粒子群优化算法.数值实验结果表明,新算法是有效的.它不仅提高了收敛速度和解的精度,而且是一种通用的智能算法.     

群智能算法在螺旋桨参数优化设计中的应用

螺旋桨参数优化设计一般是复杂的非线性问题,设计的难点在于如何在各种非线性约束条件下找到一组适当的参数,使得螺旋桨性能最佳。群智能算法作为一种新兴演化计算技术,能有效解决全局优化问题,是优化算法研究的新热点。首先介绍了粒子群算法和蜂群算法两种群智能算法的工作原理;然后在建立螺旋桨参数优化数学模型的基础上,将群智能算法运用到螺旋桨初步和终结设计优化问题中,并通过实例进行对比分析,结果表明群智能算法解决螺旋桨参数优化问题是实用且高效的。     

一种新的群智能算法:狮群算法

随着优化对象变得非线性化、高维化、多目标化,传统的优化方法越来越难以得到理想的优化结果。群智能算法能够很好地弥补传统优化方法的缺陷。文中提出了一种新的群智能算法——狮群算法。狮群算法对初值的要求不高,算法的寻优速度较快,有较强的全局寻优能力。给出了狮群算法的原理和详细描述,对算法的收敛性能进行了分析,并将其与人工蜂群算法做了对比。最后,将所提算法应用到光伏最大功率跟踪中,通过实验和仿真验证了其实际寻优能力。