基于改进和声搜索的自适应DBSCAN算法

DBSCAN算法作为一种经典的聚类算法被广泛地应用于各领域,但由于其参数的自适应性较差,应用效果完全取决于参数的设置。基于此,提出了基于改进和声搜索的自适应DBSCAN算法,以提高DBSCAN算法的自适应性。算法采用K-平均最近邻算法优化初始种群,从而改善初始种群质量,为后续的进化计算提供优质解;设计了基于双差分的更新算子,提升算法的搜索能力;采用两种更新策略结构避免算法过早收敛,提高和声搜索算法的寻优能力进而全面提升DBSCAN算法的自适应性。采用多种数据集并设计对比实验验证提出的算法。实验结果表明,提出的算法具有更佳的识别能力和自适应性。     

基于改进离散和声算法的批量流水线调度研究

针对批量流水线调度问题,提出了以总流经时间为目标的改进离散和声算法。与基本的和声算法相比,该算法首先采用了基于工件序列的编码方式,使其直接应用于调度问题,同时运用NEH和SWAP方法产生初始和声库,保证了初始种群具有较高的质量和多样性。使用自适应和声微调概率参数和INSERT方法产生新解,提高了算法的优化性能。为了提高算法的局部搜索能力,结合交换扰动策略和插入邻域搜索算法给出了两种混合求解策略。仿真实验表明所提算法的有效性。     

和声退火算法的参数选取准则

针对多极值函数优化问题,该文首先介绍了和声退火算法,对其参数的影响做了定性分析。用几个典型测试函数的数值实验数据验证了分析结果。最后在此基础上给出了和声退火算法在解连续多极值函数优化问题时的参数选取准则,以利于在工程上的推广应用,同时为进一步研究参数的自适应调整打下了基础。     

基于和声搜索的混合人工鱼群算法

通过将和声搜索算法和人工鱼群算法进行融合改进后,提出一种新的混合算法。利用行为交叉、算法结构简化和引进混沌算子,使得新的混合算法相比单一算法寻优精度得以提高、算法复杂度得到降低,全局搜索能力有所增强。数值仿真实验和实例应用结果表明将两个算法混合是有效可行的。     

动态调整策略改进的和声搜索算法

为了得到高维复杂问题的全局高精度最优解,提出一种动态调整策略,并用该策略改进和声搜索算法。算法选取和声记忆库中最差和声向量作为优化调整目标,随着迭代的进行,逐步降低决策变量的调整概率,该方法能够使得算法在全局探索能力和局部高精度开发能力之间实现平衡,有效提高了新和声更新最差和声的成功率。通过6个高维Benchmark测试函数的仿真结果表明,提出的动态调整策略能够有效提高和声搜索算法求解高维复杂优化问题的能力。     

基于混沌和声搜索的最优线性协作频谱感知算法

为了进一步提高认知无线电频谱感知的准确性和可靠性,提出一种基于混沌和声搜索(CHS)的最优线性协作频谱感知算法。该算法基于能量检测的线性加权协作频谱感知模型,利用和声搜索(HS)算法本身的优化能力和混沌映射的遍历性、随机性等特点,通过求解最优权值的方法,提高频谱感知的性能。仿真实验结果表明,CHS算法的优化性能和收敛速度均优于传统的HS算法,基于CHS的最优线性协作频谱感知算法能够找到最优的权值,从而提高了复杂通信环境下的检测概率;并且在相同的虚警概率下,所提算法性能优于基于修正偏差因子的协作频谱感知算法。     

基于和声退火算法的多维函数优化*

在研究和声搜索对多维函数优化问题的基础上,结合传统的模拟退火算法,提出一种混合优化算法——和声退火算法。该算法改进了和声的搜索机制,选取合理的取值概率HMCR以及动态的微调概率PAR,在和声记忆库内随机搜索,获得较高质量的新和声;然后对新和声执行一次Metropolis算法,从而增强了全局探索能力,减小了陷入局部极小值的机会。仿真实验数据表明,算法明显优于和声搜索和模拟退火算法,具有较高的求解质量和效率。     

改进的多目标和声搜索算法

针对和声搜索算法不能很好求解多目标优化问题的缺陷,引入邻域搜索算子,对和声记忆库内搜索到的分量进行扰动,对和声记忆库外进行Pareto邻域搜索,实现群体间信息交换,提高算法的全局搜索能力。数值实验选取4个常用测试函数并与NSGA-II、SPEA2、MOPSO 3个多目标算法进行比较,测试结果验证了改进算法的有效性。     

基于遗传和声算法求解函数优化问题*

针对遗传算法和和声搜索算法各自的特点,提出了一种新的搜索算法——遗传和声算法（GAHS）。新算法利用遗传算法改进了和声算法中和声记忆库初始解的产生方式,同时对和声算法中新解的产生方式也作了改进;将此改进算法应用到函数优化问题中,并分别对六个测试函数进行了仿真,用于验证算法的可行性。仿真结果表明,遗传和声算法提高了函数优化的搜索效率,具有较高的寻优性能和较强的跳出局部极小的能力。     

基于改进麻雀搜索算法的分数阶PID参数整定

针对分数阶PID控制器的设计问题,提出一种改进麻雀搜索算法(ISSA)对分数阶PID控制器进行参数整定.在麻雀搜索算法(SSA)中引入Chebyshev混沌映射,提高SSA的种群多样性和全局搜索能力;采用自适应t分布和萤火虫算法,设置转换概率p使二者交替执行,提高SSA的收敛精度和寻优性能.对10个基准测试函数进行寻优,结果表明相较于已有的4种经典算法, ISSA在收敛速度、收敛精度、全局搜索能力等方面均有较大提升.最后,对两类被控系统进行仿真分析,相比现有成果,证实了ISSA算法对求解分数阶PID控制器参数整定问题的有效性和实用性.     

基于改进麻雀搜索算法的照明控制优化

针对当前照明环境存在能耗浪费严重的问题,提出一种基于改进麻雀搜索算法（P-SSA）的照明控制优化方法。首先为增加初始种群的多样性、避免早熟收敛和增强寻优能力,对SSA引入Logistic混沌初始化、柯西变异及历史最优位置的记忆功能;然后综合考虑光环境中人员存在状态、天然光分布及多灯具之间的耦合作用建立适应度函数,并使用DIALux evo专业照明仿真软件获取人工光照度传递矩阵和天然光照度分布;最后对改进的SSA进行性能验证,并使用多个优化算法进行调光系数组合寻优的实验。实验结果表明,相较于粒子群优化算法（PSO）、算术优化算法（AOA）等,基于P-SSA的照明控制优化方法可以快速并精确地找到最优调光系数的组合,并实现满足舒适性为前提下的最大化节能性要求。     

基于和声算法异构Hadoop集群资源分配优化

异构Map-Reduce环境中资源分配策略直接影响其响应时间,如何利用有效的策略将计算任务分配到计算资源是亟待解决的问题。利用和声搜索算法对异构Hadoop集群中的计算资源分配问题进行优化。对问题进行建模时考虑了异构计算机集群中各节点的处理能力、带宽和线路质量和源数据位置等因素对计算资源分配的影响,利用和声搜索算法优化资源分配策略,以期在满足用户需求的前提下提高系统的响应时间。并用Gridsim对算法进行仿真实验,实验结果表明利用和声搜索算法可以达到减少系统响应时间的目的。     

基于全局和声搜索的模拟退火算法改进

本文针对传统的模拟退火算法存在收敛速度慢的问题,采用全局和声搜索算法对其进行了改进,即在保持模拟退火原有机制的基础上,使用一个函数随机产生模拟退火算法的初始解,采用全局和声搜索算法中产生候选解的方法产生新解。该方法的优点在于保留中间最优解并及时更新,从而既保证了优化质量又提高了算法的搜索效率。最后,采用benchmark测试函数进行仿真,仿真实验结果表明,该方法在收敛速度及优化质量上都优于传统的模拟退火及其它算法,值得进一步研究。     

利用改进的和声搜索算法求解Van Genuchten方程参数

Van Genuchten方程是最常用的土壤水分特征曲线方程,运用该方程的关键是4个参数的取值精度。为了精确地求解这些参数,引入和声搜索(HS)算法进行求解,提出一种基于全局信息的和声搜索优化计算方法——IGHS。IGHS算法具有如下特点：利用当前和声记忆库中的全局最优解产生新解,改变了和声搜索算法新解的产生方式;通过对和声记忆库中当前最优解的扰动避免算法早熟,增强算法的全局搜索能力;IGHS算法结构简单,容易实现。实验结果表明IGHS算法求解Van Genuchten方程参数的精度与随机微粒群结果相似,但其收敛速快、计算量小,因此可以作为计算Van Genuchten方程参数的新方法。     

一种基于MCB的自适应和声搜索定位算法

针对无线传感器网络锚节点稀疏条件下节点定位中存在的翻转现象和定位精度问题,提出了一种基于MCB的自适应和声搜索定位算法。通过引入MCB算法中的采样思想,随机产生网络拓扑约束下的未知节点的坐标,引入自适应的和声保留概率和音调调节概率,达到提高搜索能力和定位精度目的。仿真结果表明：算法能有效解决翻转现象,提高定位精度,提出的算法在定位精度和计算量方面优于对比算法。     

基于改进麻雀搜索算法的无信号交叉路口车辆调度优化

本文将无信号交叉路口内部区域离散化为多个路权点, 并将车辆右转弯与行人或非机动车发生碰撞造成交通事故时所占的路权点设为“故障点”, 故障点有一个至多个, 本文研究无信号交叉路口在发生车辆故障时的通行效率问题. 选择麻雀搜索算法提高车辆调度的通行效率, 但是该算法存在前期易陷入局部最优值而后期寻优精度不高等问题, 为解决此问题, 引入自适应学习参数和等级反向学习的改进策略, 提出基于自适应参数和等级反向学习的麻雀算法(ALSSA). 选取13个基准测试函数以及 Wilcoxon秩和检验P值验证ALSSA的有效性, 结果表明, 改进的麻雀搜索算法与其他算法相比, 全局搜索能力、寻优精度等都有较大提升. 最后, 计算双向两车道、双向四车道、双向八车道不同车流量下的最优通行时间.     

一种新颖的改进自适应和声算法

为了克服自适应和声算法求解多模函数时的缺陷,提出一种新颖的改进自适应和声算法。首先,新算法设计了一种新颖的自适应候选和声向量产生策略,提升了算法的搜索范围;其次,新算法提出了一种和声调整率PAR的设置方式,新方式随着进化代数增加逐渐增加PAR数值。针对五个标注测试函数的实验结果表明,与目前最有竞争力的自适应和声算法相比,新算法收敛速度更快寻优效果更好。     

融合柯西变异和反向学习的改进麻雀算法

针对基本麻雀搜索算法在迭代后期种群多样性减小,容易陷入局部极值的问题,提出一种融合柯西变异和反向学习的改进麻雀算法(ISSA).首先,采用一种映射折叠次数无限的Sin混沌初始化种群,为全局寻优奠定基础;其次,在发现者位置更新方式中引入上一代全局最优解,提高全局搜索的充分性,同时加入自适应权重,协调局部挖掘和全局探索的能...