基于ISSA和积分图的二维熵图像多阈值分割快速算法

为提高二维熵图像多阈值分割的性能，使其能够满足工业使用当中的实时性要求，本文提出了基于改进麻雀搜索算法(Improved Sparrow Search Algorithm, ISSA)和积分图的二维熵图像多阈值分割快速算法。首先，引入麻雀搜索算法(Sparrow Search Algorithm, SSA)并对该算法的算法性能进行分析研究，针对SSA存在的全局搜索能力差、容易陷入局部最优解的缺点，提出了基于方差线性递减的高斯扰动策略和随机步长移动策略的改进麻雀搜索算法(ISSA)。接着，进一步地引入积分图方法，降低总信息熵的运算量，并将总信息熵作为ISSA的适应度函数进行最佳阈值寻优，提出了基于ISSA并结合积分图的二维熵图像多阈值分割快速算法。最后，使用该方法与现有分割算法进行对比实验，实验结果表明，本文方法提升了图像二维熵多阈值分割的分割效率，同时在工业应用场景仍能够获得相同的效果。     

融合粗糙数据推理的多策略改进麻雀搜索算法

针对麻雀搜索算法在迭代过程中种群多样性减少、容易陷入局部最优的问题,提出了一种融合粗糙数据推理的多策略改进麻雀搜索算法(RSSA)。该算法先结合低差异序列的思想进行种群初始化,增强算法的全局搜索能力,保障粗糙数据推理论域的完整性;然后引入粗糙数据推理理论,结合适应度与距离建立个体间的联系,提高收敛速度,增强跳出局部最优的能力,改良麻雀搜索算法在多峰值问题中的不足;并且对于迭代中的超界个体,在超界的同时将其赋值为边界附近的值而非边界最大或最小值,保证种群的多样性且提高算法收敛速度。仿真实验结果表明,RSSA与其他4种算法相比,收敛速度更快,精度更高,在面对多峰值问题时效果更好。     

高超声速滑翔飞行器再入轨迹优化

为提高高超声速滑翔飞行器再入轨迹优化问题求解速度和精度，提出了一种将改进的麻雀智能优化同参数化设计相结合的再入轨迹方法。首先，通过Tent混沌映射和精英反向种群方法初始化种群，利用黄金正弦策略进行种群的位置更新，并通过余弦策略减少侦察者数量，采用贪婪策略对种群的最优解进行选择和更新，在增强算法全局搜索能力的同时，不影响收敛速度。然后，将高超声速再入轨迹优化问题转化为攻角剖面和倾侧角剖面的参数化设计问题，将路径约束转化为阻力加速度再入飞行走廊，保证再入过程中始终满足路径约束，利用罚函数法处理终端约束，从而使得飞行器精确命中目标。最后，采用改进的麻雀智能优化算法对设计参数进行寻优，使得目标函数最优。仿真实验表明：本研究所提出的改进麻雀算法相较于原始麻雀算法、鲸鱼算法和粒子群算法收敛速度快，得到的高超声速滑翔飞行器再入轨迹精度有了进一步的提高；蒙特卡洛仿真实验说明，本研究所提出的高超声速滑翔飞行器再入轨迹优化算法具有一定的鲁棒性。     

基于改进自适应蚁群算法的无人帆船路径规划

针对特定环境下的无人帆船路径规划问题，考虑到无人帆船复杂运动特性及目前路径评价指标较为单一等问题，本文提出了一种基于改进自适应蚁群算法的无人帆船路径规划方法。通过对角线优先规则解决蚁群前期寻路的盲目性问题，加快最优路径收敛速度；结合无人帆船在特定风向风速下的航速大小设计启发函数，并在转移概率中增加目标终点对无人帆船的吸引作用，使无人帆船最优路径评价指标更加贴合实际应用；引进不同自适应调整策略分别改进蚁群算法信息素更新机制和搜索步长，达到平衡全局搜索和局部搜索的目的，有效避免无人帆船路径陷入局部最优。本文通过多组仿真对比实验，验证了所提算法的合理性与优越性。     

一种改进的布谷鸟搜索算法

布谷鸟搜索算法是近年来提出的一种新的仿生智能算法,算法主要通过模拟布谷鸟的繁殖习性对问题进行最优求解。针对布谷鸟搜索算法中解的发现及放弃策略的随机性问题,将解的适应度情况同时考虑进来,并在此基础上提出一种基于解的优劣度的改进布谷鸟搜索算法。算法充分考虑解的适应度,并将适应度作为评估是否被放弃的一个标准,从而使得适应度较好的解更有可能被保留下来,提高算法的求解质量。实验结果表明新算法在求解质量以及收敛速度方面,都比标准的布谷鸟搜索算法有了一定的提高。     

多策略改进麻雀搜索算法优化三维DV-Hop节点定位

为进一步提升传统3DDV-Hop算法的定位精度和稳定性,提出了一种利用多策略改进麻雀搜索算法（MISSA）优化3DDV-Hop的定位算法（MISSA-3DDV-Hop）。首先,采用通信半径分级方法细化多通信半径定位节点的跳数值,提高了最小跳数计算的准确性。然后,利用跳距误差与估计距离误差的加权平均值修正节点间的平均跳距,降低了信标节点与未知节点之间的距离估算误差。最后,采用麻雀搜索算法实现3DDV-Hop算法未知节点的位置寻优,并引入佳点集和发现者-跟随者自适应调整策略,通过建立误差适应度函数和目标函数,增强麻雀搜索算法初始种群的分布性和多样性以及全局收敛速度和局部寻优能力。仿真结果表明,与传统3DDV-Hop、IPSO-3DDV-Hop和IGA-3DDV-Hop算法相比,本文方法具有更高的定位精度,更好的稳定性和更快的收敛速度。     

基于改进遗传算法的机器人路径规划方法

针对基本遗传算法在机器人路径规划中存在收敛速度慢、易陷入局部最优解的问题,提出一种改进的遗传算法. 在适应度函数中增加带有惩罚项的平滑度函数; 引入精英保留机制,保留每一代最优个体; 自适应调整交叉概率和变异概率,使交叉概率和变异概率随进化次数变化而变化. 利用MATLAB在两种障碍物地图中与其他两种算法进行仿真对比分析,实验结果表明,改进后的算法在路径规划的应用中有效减少了机器人的转弯次数,提高了逃离局部最优路径的能力,寻优能力更强.     

2D游戏地图的寻路实现

对2D游戏领域的地图寻路算法进行了研究。阐述了A＊寻路算法和D＊寻路算法,并在BlitzBasic2D游戏开发平台仿真实现了2种路径搜索算法。实验结果表明：A＊算法适合在静态地图中搜索路径,而D＊算法在动态地图中搜索路径更迅速、有效,且随着结点数量的增加,D＊算法优于A＊算法。     

一种应用于函数优化问题的多种群人工蜂群算法

针对传统人工蜂群算法(ABC)收敛速度慢、易陷入局部最优解等不足,提出一种基于种群分割的多种群人工蜂群算法(MABC)应用于函数优化问题.该算法利用K均值聚类算法对蜂群进行种群分割,在子种群中引入基于全局通信的蜜源位置更新方式加速算法收敛,同时引入基于局部通信的适应度函数扩展解方案的多样性.通过对6个基准测试函数的实验表明,MABC算法适应度高、收敛速度快,克服了ABC算法易陷入局部最优解等不足,在函数优化问题中表现出了更好的性能.     

基于改进FCM的脱硫系统优化运行策略

为了降低火电厂脱硫系统能耗,确定运行参数基准值,提出一种基于模糊聚类方法的优化运行策略,以较低脱硫成本为目标选取决策样本,采用麻雀搜索算法优化的模糊C均值聚类方法求解脱硫系统可调参数的基准值,将聚类中心作为优化变量,模糊C均值聚类算法的目标函数作为麻雀搜索算法的适应度函数,迭代计算得到全局最优解.分析了某660 MW机...     

基于粗糙集移动机器入微种群路径规划算法

针对机器人的路径规划，提出了一种将粗糙集和微种群遗传算法相结合的路径规划算法，该算法采用栅格法划分机器人的工作空间，十进制路径编码方式，在粗糙集生成初始路径的基础上，通过运用微种群遗传算法对这些初始路径进行优化后，得到了一条最优或近似最优路径，在Matlab环境进行的机器人路径规划仿真实验中，笔者用到的微种群遗传算法与一般遗传算法相比，具有优化效果明显，环境适应性强等优点，能够有效地提高机器人路径规划速度，结果表明作者提出的方法是正确和有效的。     

基于遗传算法的机器人综合路径规划

为解决机器人路径规划问题,在极坐标系下利用遗传算法,依据多属性决策理论提出了新的综合适应度函数。采用基于该适应度函数的遗传算法可首次规划出满足路径、时间和耗能3个约束属性的最优路径。同时引入理想适应度函数,并基于引入的理想适应度函数,提出一种新的变异算子,该变异算子可保证个体变异的方向性,对优异的父代个体有较小变异、劣质个体有较大变异。仿真结果验证了算法的可行性和有效性。     

矿井风流智能按需调控算法与关键技术

为快速实现井下用风地点智能按需调控优化,提出一种基于多策略融合麻雀搜索算法的矿井风流智能调控方法.以用风地点需风量为优化目标建立数学模型,采用不可微精确罚函数对模型进行去约束化;依据风网灵敏度理论分析灵敏度衰减特征,初步确定待优化风量的最优调节分支集及其风阻调节范围作为初始解集;为求解目标用风地点风量的最优可调值,利用多策略融合的改进麻雀搜索算法在初始解集内对目标函数进行寻优,依次采用Tent混沌映射初始化种群、自适应权重动态控制发现者的搜索步长、联合柯西算子与高斯算子对每代个体变异扰动,并基于贪婪规则保留优值的改进策略,根据改进后算法的寻优结果判定最优调风方案;经矿山智能通风系统实验平台测试,验证了矿井用风地点按需调控算法及方案可行可靠.     

高温混合障碍空间中的移动机器人路径规划

为了解决高温场景中移动机器人全局路径规划所面临的安全与效率问题,提出高温热源虚拟障碍的定义,建立混合障碍空间模型,将高温场景中的路径规划问题转化为高温混合障碍空间中考虑路径温度代价和长度代价的多目标优化问题. 改进NSGA-Ⅱ算法,通过选取优秀非可行解扩展种群,提高了种群多样性和进化效率,提出新的交叉和变异概率计算方法. 根据种群进化进程和个体代价函数值调整概率,实现了种群前期搜索能力和后期收敛性的平衡. 仿真所得的最优路径结果表明,该改进算法的路径长度代价虽然比原算法和其他改进算法略有增加,但温度代价大幅降低,更有效地避免了陷入局部最优.     

月面巡视探测器路径规划性能评估算法

通过分析月面巡视探测器路径规划性能对算法进行评估,提出路径规划算法性能的量化评估函数,并经过实验验证评估函数的可行性。针对巡视探测器常用的两种全局规划算法和两种局部规划算法,通过评估函数的理论分析和实验验证得到更适应于月面巡视探测的路径规划搜索算法。这种评估算法路径规划性能的量化评估函数,不仅可行而且具有通用性,同样适用于其他的路径规划搜索算法。     

基于遗传算法的车辆路径规划问题研究

本文研究了基于遗传算法（GA）的车辆路径规划问题（VRP）,对传统遗传算法做了适当的改进,提出了邻域搜索的GA算法,采用独特的初始种群构成方法并通过站队替换法维持种群的规模。实验结果表明,该算法与拟退火及禁忌搜索算法相比具有优势。     

有效图像压缩的提升小波优化设计

提出了多种群遗传算法和蚂蚁算法融合的提升格式小波优化设计方法。首先采用多种群遗传算法对构成小波的提升步进行优化；并提出局部适应度和全局适应度的概念，将其和蚂蚁算法中蚂蚁选择路径时对全局启发信息和局部启发信息的利用有机地结合起来；采用蚂蚁算法对遗传优化的结果进一步寻优，精确求解适合给定变换问题的最优小波，形成一种时间效率和求解效率都比较好的启发式随机优化方法。将所设计的小波应用于基于小波的图像编码器对指纹及医学图像压缩，实验结果验证了设计方法的有效性和图像压缩性能的优越性。     

求解多峰优化问题的改进布谷鸟算法

布谷鸟算法是一种简便而高效的元启发式算法.然而,布谷鸟算法在求解复杂的多峰优化问题时通常存在易陷入局部最优解的缺点.针对布谷鸟算法的这种缺点,结合神经网络算法和布谷鸟算法的特性,提出一种基于神经网络的布谷鸟算法.该算法的核心思想是借助改进神经网络算法的强大全局搜索能力和动态种群策略来平衡布谷鸟算法的全局搜索能力和局部搜索能力,从而减少布谷鸟算法陷入局部最优的可能性.该算法首先将种群中的个体依照适应度值的优劣进行排序,然后对种群中最好的一半个体通过布谷鸟算法进行优化,对种群中最差的一半个体通过改进的神经网络算法进行优化,最后将所有个体组成一个新的种群,并从中筛选出最优解.采用24个复杂基准测试函数检验所提出算法求解多峰优化问题的性能,并将优化结果与神经网络算法,布谷鸟算法以及一些改进的布谷鸟算法所获取的优化结果相比较.实验结果表明:所提出的算法充分地展现了神经网络算法和布谷鸟算法的优势,其在求解质量,求解效率以及求解稳定性上均显著优于其它算法.     

改进的麻雀搜索算法优化无线传感器网络覆盖

针对麻雀搜索算法在高维复杂问题上由于随机性大而容易陷入局部最优的问题,提出了一种融合多策略改进的麻雀搜索算法。在初始化阶段,引入佳点集策略以确保种群具备多样性和遍历性。在发现者位置更新中,采用动态学习机制平衡全局寻优和局部探索;在跟随者位置更新中,引入莱维飞行扰动机制以增强局部逃逸能力。最后,将本文算法应用于解决无线传感器网络覆盖问题,从最大化覆盖率、最小化冗余和最大化能耗均衡3个角度对多目标覆盖优化问题进行抽象。仿真结果表明：3项改进措施显著提高了算法性能,增强了网络节点覆盖质量,使网络整体性能得到了有效提升,证明本文算法具备实际应用的良好性能。     

基于遗传蝙蝠算法的选择性拆卸序列规划

针对产品选择性拆卸序列规划问题,提出一种基于遗传蝙蝠算法的产品拆卸序列规划方法.利用Python语言对传统蝙蝠算法进行离散化处理,并在种群更新过程中引入遗传算法的交叉与变异机制,生成遗传蝙蝠算法,以增强解搜索的多样性;在构建适应度函数模型时以拆卸工具的变化次数与拆卸方向的重新定位次数作为评价指标,同时加入零部件的回收收益指标,使适应度函数更加完善.以工业机械臂为实例,利用所提方法进行产品拆卸序列规划求解,对比传统蝙蝠算法以及遗传算法的求解结果,发现在一定的种群数目下,所提方法收敛时间较短;在不同种群数目下,所提方法得到的适应度函数最优值质量较高,从而验证了遗传蝙蝠算法的搜索优越性.