一种自适应多策略行为粒子群优化算法

针对粒子群优化算法收敛速度慢、局部搜索能力差等缺点,提出一种自适应多策略行为粒子群优化算法.算法中每个粒子拥有4种行为进化策略,在迭代过程中通过计算每种进化策略的立即价值、未来价值和综合奖励来决定粒子的进化行为,并通过策略行为概率变异算法提升个体寻优速度或避免陷入局部最优解.在经典的基准测试函数上,对新算法与其他7个群智能进化算法的测试结果进行比较分析,结果表明所提出算法具有很好的求解精度和收敛速度,尤其适合应用于一些高维优化问题.     

改进粒子群算法在机器人路径规划中的应用

针对粒子群优化算法易过早收敛而陷入局部最优的缺陷,结合移动机器人全局路径规划问题模型,提出一种带扰动机制的粒子群优化算法。对于进入进化停滞状态的个体,采用个体修正策略产生新个体将其替代,来引导算法搜索可行路径,帮助粒子逃离局部极值。仿真实验表明,与其他算法相比,该算法具有更好的搜索精度和全局寻优能力。     

基于改进粒子群优化和极限学习机的网络安全态势预测

针对网络安全态势预测模型预测精度不高、收敛较慢等问题,提出了一种基于改进粒子群优化极限学习机（IPSO-ELM）算法的预测方法。首先,通过改进粒子群优化（PSO）算法中的惯性权重和学习因子来实现两种参数随着迭代次数增加的自适应调整,使PSO初期搜索范围大、速度高,后期收敛能力强、稳定。其次,针对PSO易陷入局部最优的问题,提出一种粒子停滞扰动策略,将陷入局部最优的粒子重新引导至全局最优飞行。改进粒子群优化（IPSO）算法既保证了全局寻优的能力,又对局部搜索能力有所增强。最后,将IPSO与极限学习机（ELM）结合来优化ELM的初始权值及阈值。与ELM相比,结合IPSO的ELM的预测精度提高了44.25%。实验结果表明,与PSO-ELM相比,IPSO-ELM的预测结果拟合度可达到0.99,收敛速度提升了47.43%。所提算法在预测精度和收敛速度等指标上明显优于对比算法。     

基于信息熵的粒子群优化算法

粒子群算法是一种进化计算技术,并成功的运用于广泛的数值优化问题。PSO算法在求解高维复杂函数优化问题时容易陷入局部最优。有鉴于此,本文提出了一种基于信息熵的粒子优化算法。该算法提高设计了一种兼顾种群选择性压力以及种群多样性的选择策略,从而提高了粒子在运行过程中的多样性。实验表明,该算法有效避免了陷入局部最优,提高了全局最优解的搜索精度。     

随机摄动粒子群优化算法

基于粒子群优化算法种群结构相对独立的特点，提出了一种改进的粒子群优化算法一随机摄动粒子群优化算法。该算法通过对每一次进化计算后记忆中的最优粒子进行随机摄动操作来提高解的精度和算法的搜索效率，同时通过对种群中的最差粒子重新进行初始化来保持种群的多样性以避免陷入局部最优解。通过典型复杂函数测试表明，随机摄动粒子群优化算法的优化性能和效率远远超过基本粒子群优化算法。     

一种基于引导策略的自适应粒子群算法

为解决粒子群算法前期搜索“盲目”,后期搜索速度慢且易陷入局部极值的问题,对算法中粒子更新方式和惯性权重进行了改进,提出了一种基于引导策略的自适应粒子群算法。该算法在种群中引入4种粒子,即主体粒子、双中心粒子、协同粒子和混沌粒子对粒子位置更新进行引导,克服算法的随机性,从而提高搜索效率;为进一步克服粒子群优化算法进化后期易陷入早熟收敛的缺点,引入聚焦距离变化率的概念,通过聚焦距离变化率的大小动态调整惯性权重,以提高算法的收敛速度和精度,两者结合极大地提高了搜索到全局最优解的有效性。对4个标准测试函数进行仿真,实验结果表明IPSO算法在收敛速度、收敛精度以及成功率上都明显优于LDWPSO和WPSO算法。     

多自适应策略粒子群优化算法及应用

为了平衡粒子群优化算法的全局和局部搜索能力,提出了一种多自适应策略粒子群优化算法。该算法在粒子进化过程中,采用了基于粒子进化度和局部开启混沌搜索相结合的速度自适应调节策略。将算法应用于模拟电路故障诊断的BP神经网络训练中,有效地解决了常规BP算法收敛速度慢、易陷入局部极小的问题。仿真结果表明算法具有较快的收敛速度和较高的诊断精度。     

基于高斯扰动的粒子群优化算法

针对标准粒子群优化(PSO)算法易陷入局部最优、进化后期收敛速度慢和收敛精度低的缺点,提出一种基于高斯扰动的粒子群优化算法。该算法采用对粒子个体最优位置加入高斯扰动策略,有效地防止算法陷入局部最优,加快收敛并提高收敛精度。在固定评估次数的情况下,对8个常用的经典基准测试函数在30维上进行了仿真。实验结果表明,所提算法在收敛速度和寻优精度上优于一些知名的粒子群优化算法。     

结合引力测度和质心变异策略的混合粒子群优化算法

针对经典粒子群优化(PSO)算法在算法前期易陷入局部极值、后期收敛精度低的问题,提出一种结合引力测度和质心变异策略的混合粒子群优化算法(GMCMPSO).首先,在算法初始阶段采用精英分组策略,以方便获取种群的优秀信息;其次,对两个子群采用引力测度策略,以达到种群间信息的高效共享;最后,在引力测度的引导下对一部分普通粒子...     

基于高斯扰动的粒子群优化算法

针对标准粒子群优化(PSO)算法易陷入局部最优、进化后期收敛速度慢和收敛精度低的缺点,提出一种基于高斯扰动的粒子群优化算法。该算法采用对粒子个体最优位置加入高斯扰动策略,有效地防止算法陷入局部最优,加快收敛并提高收敛精度。在固定评估次数的情况下,对8个常用的经典基准测试函数在30维上进行了仿真。实验结果表明,所提算法在收敛速度和寻优精度上优于一些知名的粒子群优化算法。     

电动汽车分时租赁用户预约分配问题的新型电磁场优化算法求解

针对电动汽车电量对于行驶里程的限制问题,建立用户预约分配模型,以得到利润最大时的订单分配结果。该类问题属于NP-hard问题,求解具有一定困难。因此,设计一种新型离散电磁场优化算法求解方法。在基本电磁场优化算法的基础上使用二进制编码方式,改变粒子移动方式,并对负电磁场中的电磁粒子增加更新过程。将提出的新算法与遗传算法、二进制粒子群算法、改进二进制布谷鸟算法及二进制狮群算法进行对比,数值实验表明新算法具有更高的计算效率。此外,与传统分配模型相比,新订单分配模型能够获得更高的利润,说明了该模型的有效性。     

The inverse electromagnetic shaping problem

The inverse problem concerning electromagnetic casting of molten metals consists of looking for an electric current density distribution such that the induced electromagnetic field makes a given mass of liquid metal acquire a predefined shape. This problem is formulated here as an optimization problem where the positions of a finite set of inductors are the design variables. Two different formulations for this optimization problem for the two-dimensional case are proposed. The first one minimizes the difference between the target and the equilibrium shapes while the second approach minimizes the L ² norm of a fictitious surface pressure that makes the target shape to be in mechanical equilibrium. The optimization problems are solved using Feasible Arc Interior Point Algorithm, a line search interior-point algorithm for nonlinear optimization. Some examples are presented to show the effectiveness of the proposed approaches.     

基于混沌电磁场优化算法的多阈值彩色图像分割

为了解决彩色图像多阈值分割中计算时间长、分割精度低的问题,在电磁场优化算法(Electromagnetic Field Optimization,EFO)的基础上引入一种混沌策略用于算法初始化中,提出混沌电磁场优化算法(Chaotic Electromagnetic Field Optimization,CEFO)对图像的最佳阈值向量进行搜索。将其与另外5种优化算法进行对比,采用PSNR、MSSIM和FSIM 3个图像质量评价指标和算法运行时间(CPU Time)对6种分割算法进行分析比较。结果表明,CEFO具有收敛速度快、分割精度高的优势,能够胜任多阈值彩色图像分割的工程任务。     

磁悬浮带式输送机电磁结构优化

常规磁悬浮带式输送机采用永磁体和电磁铁组合的电磁结构,在磁悬浮支承力需求较高的工况条件下具有易发热、电流损耗大等问题。为解决该问题,提出了一种基于Halbach阵列的电磁结构。以电磁结构磁感应强度最大为目标函数,以电磁结构尺寸和磁感应强度分布范围为约束条件,建立了电磁结构优化数学模型。针对教与学优化(TLBO)算法用于求解电磁结构优化数学模型时容易陷入局部最优的问题,提出了一种改进的TLBO算法,该算法通过筛选引入新种群及改进教学阶段和互学阶段的学习方式,增强种群的多样性和搜索能力。测试结果表明,改进的TLBO算法的准确性和稳定性均优于标准TLBO算法。采用改进的TLBO算法对磁悬浮带式输送机电磁结构优化数学模型进行求解,得到最优电磁结构参数:Halbach阵列中单个永磁体高7 mm、宽9 mm,永磁体块数为7。实验结果表明,相同尺寸条件下,基于Halbach阵列的电磁结构最大磁感应强度相对基于永磁体的电磁结构提高了47.69%。     

垃圾分类收运路径问题的新型混合蚁群算法求解

针对垃圾分类收运路径问题,考虑车辆装载容量约束、硬时间窗约束、装载率对成本的影响等条件下,以最小化运输成本和车辆固定成本为目标建立了数学模型。将考虑时间吻合度因子和车容量利用率因子的改进蚁群算法与混沌电磁场优化算法进行动态融合,并结合2-opt和两点交换的局部搜索方法,提出一种以改进蚁群算法为外部框架,混沌电磁场优化算法为内部模块的新型混合蚁群算法对城市生活垃圾分类收运问题进行求解。根据算法间优势互补的思想,利用两种算法的优点来弥补单个算法的缺陷,使其成功应用于该问题。最后,用车辆路径问题标准测试集和上海市杨浦区的数据作为实例进行测试与对比,验证了模型的正确性以及算法的有效性与优化能力。     

空间机械臂电磁制动器温升最优设计及热真空实验

采用遗传算法几何惩罚函数的方法对空间机械臂制动器电磁线圈温升进行了优化设计.首先针对空间机械臂电磁制动器对电磁力、电流以及磁场强度的限制要求,以温升为目标推导出优化模型.然后针对优化模型约束非线性问题,提出遗传算法结合惩罚函数的优化方法.本方法可在解决全局优化问题的同时保证计算过程中的解总是可行解.优化结果显示,线圈温升大大降低.最后,将制动器置于热真空环境模拟设备中,测出电磁制动器线圈温升曲线.实验结果显示,测得温升值与优化设计得出目标温升值基本吻合,验证了方法及设计的正确性.     

基于滚动时域优化的机场起降动态调度

为了减少作战时军用飞机实际起降时刻与计划起降时刻产生的偏差,提出一种基于滚动时域优化原理的动态机场起降调度策略,分析军用飞机起降过程中的时间窗口约束和尾流间隔约束。对进入每个预测窗口内的飞机队列,以加权提前/延误时间和最小作为目标函数,将军用飞机起降调度模型转换为带到达时间的单机加权E/T调度模型。设计一种针对自然数域的离散粒子群算法,并应用该算法进行模型求解。通过仿真实验确定了算法的参数,仿真结果说明了模型和算法的有效性。     

A Coral Reefs Optimization algorithm for optimal mobile network deployment with electromagnetic pollution control criterion

In this paper we apply a novel meta-heuristic approach, the Coral Reefs Optimization (CRO) algorithm, to solve a Mobile Network Deployment Problem (MNDP), in which the control of the electromagnetic pollution plays an important role. The CRO is a new bio-inspired meta-heuristic algorithm based on the growing and evolution of coral reefs. The aim of this paper is therefore twofold: first of all, we study the performance of the CRO approach in a real hard optimization problem, and second, we solve an important problem in the field of telecommunications, including the minimization of electromagnetic pollution as a key concept in the problem. We show that the CRO is able to obtain excellent solutions to the MNDP in a real instance in Alcalá de Henares (Madrid, Spain), improving the results obtained by alternative algorithms such as Evolutionary, Particle Swarm Optimization or Harmony Search algorithms.     

高斯差分变异和对数惯性权重优化的鲸群算法

针对鲸群优化算法在处理高维问题时存在收敛速度慢、容易陷入局部最优和收敛精度低等问题,提出一种基于对数惯性权重和高斯差分变异的鲸群优化算法。通过高斯差分变异对鲸鱼位置更新方程进行变异,增加了种群多样性,提高了鲸群算法的全局搜索能力,防止早熟现象发生;将对数惯性权重引入搜寻猎物阶段,平衡全局搜索和局部开发能力,提高了算法寻优精度。通过测试函数优化实验对算法进行测试,实验结果表明,改进算法具有更高的寻优精度和更快的收敛速度。     

Inductor shape optimization for electromagnetic casting

The design of inductors in electromagnetic shaping of molten metals consists in looking for the position and the shape of a set of electric wires such that the induced electromagnetic field makes a given mass of liquid metal acquire a predefined shape. In this paper we formulate an inverse optimization problem where the position and shape of the inductors are defined by a set of design variables. In a first formulation of the inverse optimization problem we minimize the difference between the target and the equilibrium shapes while in a second approach we minimize the L ² norm of a fictitious surface pressure that makes the target shape to be in mechanical equilibrium. Geometric constraints that prevent the inductors from penetrating the liquid metal are considered in both formulations. The optimization problems are solved using FAIPA, a line search interior-point algorithm for nonlinear optimization. Some examples are presented to show the effectiveness of the proposed approaches.