基于约束优化问题的人工鱼群算法及其改进

在人工鱼群算法基础上,对人工鱼群算法进行改进,结合遗传算法提出的适应度函数来解决约束优化问题.具体表现在改进了人工鱼的觅食行为,另外引入了吞噬行为以便加快收敛速度,得到更优的适应度值.仿真结果表明改进的人工鱼群算法在解决约束优化问题时,具有收敛速度快、适应度值优、全局寻优性能强等优点.改进的人工鱼群算法较之基本人工鱼群算法具有更好的性能.     

组合优化问题的人工鱼群算法应用

通过模仿鱼类的行为方式，提出了一种基于动物自治体的优化方法一人工鱼群算法(Artificial Fish，school A1gorithm)，并将其用于组合优化问题的求解．介绍了该算法在此类问题求解中的距离、邻域等概念，给出了具体的实现方法．最后以TSP问题为例对该算法进行仿真测试．结果表明它具有快速收敛的能力。     

人工鱼群算法在无功优化中的应用

人工鱼群算法总结出了鱼群的行为所具有的基本特点,并结合动物自治理论,提出了一种新型优化模型。通过鱼的觅食行为、群聚行为、追尾行为、随机行为这4种行为对人工鱼的活动属性进行了描述。通过建立无功优化的数学模型,并将人工鱼群算法应用在配电网的动态无功优化过程中,通过IEEE-30标准节点系统进行仿真,验证了该算法的稳定性和可靠性。     

基于人工鱼群算法的桁架结构的优化

针对基本人工鱼群算法在解决桁架结构优化问题时存在的后期收敛速度慢、寻优精度不高等缺陷,在算法初期采用Logistic方程初始化解群,提高求解效率和质量,在算法运行过程中利用粒子群优化算法惯性权重调整策略对人工鱼的步长进行改进,以提高寻优的速度和精度。将改进后的算法应用到桁架结构优化中,以桁架截面尺寸为设计变量,结构最小重量为目标函数建立优化设计模型,运用MATLAB进行模型优化分析,并与其它算法优化结果进行对比。结果表明,改进的算法在收敛速度与寻优精度方面均有所提高,尤其在迭代计算的初期,效果非常明显。     

基于人工鱼群算法的桁架结构的优化

针对基本人工鱼群算法在解决桁架结构优化问题时存在后期收敛速度慢、寻优精度不高的缺陷,在算法初期利用混沌运动遍历性、随机性等特点初始化解群,提高求解效率和解的质量,在算法运行过程中利用粒子群优化算法惯性权重调整策略对人工鱼的步长进行改进,提高寻优的速度和精度。将改进后的算法应用到桁架结构优化中,以桁架截面尺寸为设计变量,结构重量最小为目标函数建立优化设计模型,运用Matlab进行模型优化分析,并与其它算法优化结果进行对比。结果表明,改进的算法在收敛速度与寻优精度方面均有所提高,尤其在迭代计算的初期,效果非常明显,迭代次数为55次左右时优化结果基本平稳。     

组合优化问题的人工鱼群算法应用

通过模仿鱼类的行为方式 ,提出了一种基于动物自治体的优化方法—人工鱼群算法 (ArtificialFish-schoolAl gorithm) ,并将其用于组合优化问题的求解 .介绍了该算法在此类问题求解中的距离、邻域等概念 ,给出了具体的实现方法 .最后以TSP问题为例对该算法进行仿真测试 .结果表明它具有快速收敛的能力 .     

一种基于图像细化的无人艇路径规划改进算法

针对传统路径规划算法应用于智能无人艇时,存在路径与障碍物贴合太紧和算法速度太慢的不足,提出一种基于图像细化的无人艇路径规划算法,具体是将Rosenfeld细化算法与A*算法进行融合,同时使用视线算法(Line-ofSight)对路径进行优化。通过实验对文中算法和传统A~*算法进行了3个方面的测试对比,实验表明:文中算法在路径中关键转折点个数没有增加的条件下,保证了路径的安全性,同时还提高了算法速度。     

基于微人工鱼群算法优化RBF神经网络

在人工鱼群算法的基础上提出了一种新的优化算法——微人工鱼群算法,作为径向基神经网络（RBFNN）的训练算法.微人工鱼群算法利用两个鱼群（寻优鱼群和库存鱼群）来寻优,寻优鱼群使用人工鱼群算法来寻找全局最优解,库存鱼群保证了寻优鱼群的多样性,微人工鱼群算法使RBFNN的隐中心位置和相应的宽度值同时得以优化,提高了RBFNN的泛化能力.将微人工鱼群算法优化后的RBFNN应用于双螺旋和IRIS分类,试验结果表明,相对于K-means以及人工鱼群算法,本文方法在泛化能力上得到提高.     

基于改进PSO-GWO算法的无人艇路径跟踪控制系统研究

随着海洋经济的迅猛发展,水面无人艇(Unmanned Surface Vehicle,USV)的重要性更加显著。由于无人艇本身具有非线性不确定性和欠驱动的特点,在航行过程中易受到风、浪等环境因素的干扰,使得未知扰动下USV的路径跟踪控制问题非常困难。将无人艇路径跟踪控制分解为对USV航向的控制和导引策略的设计两个问题。首先采用由粒子群算法改进的灰狼算法(PSO-GWO)对自抗扰航向控制器的相关参数进行在线整定,降低了传统自抗扰控制器参数调整的复杂度;再设计LOS导引策略计算期望航向角,实现对USV的路径跟踪控制。经Matlab仿真实验验证,所设计的系统能实现对航向角的快速稳定跟踪,具有很强抗干扰能力;USV在给定航行速度下能以较短路径到达期望的直线路径和曲线路径,跟踪精度高。     

基于人工鱼群算法的电力系统稳定器参数优化研究

为提高电网的动态稳定性,有效地抑制低频振荡,对电力系统稳定器进行优化研究和算法改进.在本研究中,将全部PSS的参数配置处理成一个优化问题,用人工鱼群算法求出各个PSS的最佳参数整定值.以所有机电模式的最小阻尼比最大为优化目标函数,以PSS参数为待优化变量,以基于K阵等值法设计的PSS参数作为人工鱼群算法初始种群的选取基准.与传统PSS配置方法相比,该方法可以使多机系统所有机电模式都能得到良好的阻尼.算例结果与预期基本相符,表明了所设计的优化算法是切实有效的.     

改进人工鱼群算法优化小波神经网络的变压器故障诊断

针对油浸式变压器故障类型的复杂难辨,结合油中气体分析法,提出一种基于改进人工鱼群算法优化小波神经网络的故障诊断模型。基于经典三层小波神经网络,采用粒子化的人工鱼群算法对小波神经网络输入和输出层的权值、小波神经元的伸缩和平移系数进行修正,通过引入动态反向学习策略实时优化人工鱼分布,迭代后半程采用基于柯西分布的自适应人工鱼视野范围提高算法精度。结果表明,该改进鱼群算法优化的小波神经网络相比标准粒子群算法优化小波神经网络和标准鱼群算法优化小波神经网络,诊断速度更快,准确率更高。     

基于粒子群优化算法的水面无人艇分层局部路径规划

基于粒子群优化算法,将无人艇的局部路径规划分为静态障碍物避障和动态障碍物避障两个层面。首先确定了粒子群优化算法中相关参数取值和适应度函数,对障碍物进行基于极坐标系下的圆形和有向包围盒建模。然后利用启发式知识对粒子进行初始化,加入路径平滑优化处理方法实现第1层路径规划——静态障碍物的避障。然后结合相关海事规则实现第2层路径规划——动态障碍物的避障,并通过两个层次的规划得到无人艇规避障碍物的最优路径。最后通过仿真实验验证了文中算法的可行性和有效性。     

一种变视野和步长的人工鱼群算法

针对传统人工鱼群算法的寻优精度不高、后期收敛速度慢且出现振荡现象的问题,提出一种自适应视野和步长的人工鱼群算法,该算法将两条人工鱼之间的距离作为视野,并将得到的视野乘以一个系数作为步长。随着鱼群的不断聚集,视野和步长相应地减小,有利于搜寻到最优点。实验结果表明,改进后的算法收敛速度更好、寻优精度更高。     

基于人工鱼群算法的参数估计方法

利用人工鱼群算法的基本特性，提出了一种新的参数估计方法，并进行了仿真实验研究．结果表明，具有良好的跟踪性能和实时性。     

基于全局人工鱼群算法优化的DV-Hop定位算法

无线传感器网络具有大规模、自组织、可靠性、以数据为中心、集成化等特点,被广泛应用于军事、医疗、矿山监测、安全生产等领域。然而现有的无线传感器网络非测距定位算法还存在定位偏差较大问题。针对上述问题,本文提出一种基于全局人工鱼群算法优化的DV-Hop（Distance Vector Hop）定位算法（DEWF-D）。该算法对非测距定位算法中的DV-Hop算法出现误差的步骤进行优化处理,通过减小算法过程中出现的误差,最终得到较为精准的定位坐标。首先使信标节点以两种不同的通信半径传递消息,将跳数进行精确化处理,以减少跳数带来的误差,然后用最小均方误差准则和误差加权方式计算平均每跳距离,最后利用人工鱼群算法替换三边测量法进行坐标计算,同时又在人工鱼选择下一个位置时引入全局最优信息,并引入人工鱼的吞食行为,提高人工鱼群算法的精度以及收敛速度。通过仿真验证,在不同信标节点密度下,本算法与DV-Hop算法以及其他算法相比定位精度分别提升28.3%、6.9%、12.5%,而在不同通信半径下,定位精度提升了24.4%、7.6%、14.8%。证明DEWF-D算法能有效提升定位精度,解决了定位算法中出现的定位偏差较大问题。     

求解多目标背包问题的改进人工鱼群算法

作为一种新的群智能算法,在求解多目标背包问题时,人工鱼群算法存在盲目搜索、收敛速度慢和求解精度低等问题.针对这些问题,本文结合人工鱼位置全局最优信息,对人工鱼的移动策略进行自适应改进,提出一种改进的人工鱼群算法.对多目标背包优化问题实验仿真表明,本文改进的人工鱼群算法收敛速度和搜索到的非劣解的精度均优于粒子群算法和遗传算法.     

基于人工鱼群改进聚类算法的设备故障诊断

为了提高设备故障诊断的性能,采用k-means聚类算法建立设备故障诊断模型,并根据聚类类别数设定多个聚类中心坐标.将待聚类样本点与中心点距离值作为类判别依据,并以此作为适应度函数.考虑到k-means处理大规模数据样本时存在精度不高的缺点,引入人工鱼群算法对其初始中心点进行优化选择,直到达到最大迭代次数或者最低聚类精确...     

人工鱼群算法在孔群加工路径优化中的应用研究

将人工鱼群算法应用于孔群加工路径优化的研究,建立以最短加工路径为目标的路径优化数学模型,阐述算法实施的具体过程并进行算例分析。结果表明,该方法求最优解的性能优于Hopfield算法、进化蚁群算法、人工免疫算法以及改进的遗传算法,获得的最优路径可以节省71.47%的行走路程。     

基于人工鱼群的DNA编码序列组合优化算法研究

分析DNA编码序列设计的目标及需要满足的约束条件,提出全局人工鱼群算法（GAFSA）生成有效的DNA编码序列.根据优化问题的约束条件及人工鱼群的特点,对人工鱼的视野和步长按进行动态调整.实验结果表明,所述GSFSA算法比遗传算法、多目标进化算法、遗传粒子群算法算法产生的DNA编码序列具有更高的质量.