一种基于混沌粒子群改进的果蝇优化算法

针对基本果蝇算法在优化过程中收敛速度慢,无法解决复杂的优化问题,引入混沌搜索和粒子群算法(PSO)来修正基本果蝇算法(FOA)。利用混沌搜索初始化果蝇群位置,提高了初始解的随机性和遍历性,从而提高FOA初始种群的多样性;引入PSO算法以减少最优解更新过程中的盲目搜索;选取5种不同的非线性函数作为测试函数,并将改进后的果蝇算法(IFOA)与其他算法相比较,实验结果表明,IFOA的鲁棒性较强,且收敛速度与收敛精度有了明显的提高。     

基于改进克隆选择算法的复杂系统测试选择

为了解决复杂系统测试优化选择问题,提出了一种基于改进克隆选择算法的测试选择方法.该方法针对测试选择问题的具体特点,对基本克隆选择算法进行了以下改进:采用二进制编码方式进行抗体编码,选用加性分段函数形式构建亲和度函数,利用混沌搜索优化初始种群的生成方式,并引入免疫网络的抗体抑制操作对抗体种群进行预处理.最后,以某实际系统为例进行了算法验证,实验结果表明:该方法搜索效率高,具有很强的全局和局部搜索能力,可有效解决复杂装备系统测试性设计中的测试优化选择问题.     

基于改进鲸鱼优化算法的武器目标分配

针对鲸鱼优化算法寻优搜索精度低、易早熟问题,提出一种改进的鲸鱼优化算法,并将其用于对多约束的武器目标分配模型的求解.在鲸鱼寻找猎物阶段,通过引入差分进化算法的变异策略改善鲸鱼位置更新方式,提高算法全局寻优能力;引入自适应变量调整鲸鱼位置更新过程,平衡算法的全局探索和局部寻优能力,并在迭代过程中筛选并保留优秀个体;通过仿真结果表明,改进算法与其他算法相比,提高了武器目标分配收益和分配速度.     

一种用于求解火力分配问题的混沌优化算法

针对火力分配问题,提出了一种新颖的用于解决组合优化问题的混沌优化算法.该算法利用混沌搜索的方法得到新的合法解,充分利用了混沌的随机性和遍历性等特点来改善寻优效率.通过设定逃逸系数,算法在寻优过程中具有了能够跳出局部极小点到达全局最优点的能力.仿真结果表明,该方法的寻优效率明显高于Hopfield等其他优化方法.     

自适应人工蜂群优化的混沌系统参数估计

为了对混沌系统未知参数进行准确估计,改进了人工蜂群优化算法,提出自适应人工蜂群算法的混沌系统参数估计方法。将混沌系统参数估计问题转化为多维变量数值优化问题,利用人工蜂群算法对未知参数进行导向随机搜索。在搜索过程中,通过种群优化程度和解的质量自适应地调整更新步长和解的尝试次数。以Lorenz混沌系统为例进行的仿真实验表明,该方法在无噪声和噪声强度较大的情况下均能够获得较好的估计结果,表现出较强的鲁棒性。     

联合势场与蚁群算法的机器人路径规划

针对全局静态环境下传统蚁群算路径规划时,易陷入局部最优、前期路径有效性差等问题,提出了基于改进人工势场局部搜索和改进蚁群算法全局搜索的机器人路径规划算法.在地图环境栅格化基础上,算法首先利用有效障碍物检测和临时中间目标点改进人工势场算法,以优化其死锁和欠优问题,通过改进人工势场优化蚁群算法的初始路径搜索,避免其早期的交叉等问题,同时构建与收敛相关的负反馈通道,调节全局与局部信息素的自适应更新,以平衡算法的收敛速度与全局搜索能力.简单环境与复杂环境的仿真实验结果表明,所提算法具有较好的全局搜索能力,收敛速度和搜索能力优于已有改进蚁群算法,验证了算法的有效性.     

基于加速鱼群算法的锂离子电池剩余寿命预测

针对极端学习机(ELM)方法在预测建模过程中因参数随机生成导致的结果不确定性,提出了一种加速鱼群算法(AAFSA)优化极端学习机的锂离子电池剩余寿命预测方法.针对基本人工鱼群算法(AFSA)存在的收敛速度慢、易陷入局部最优解,通过自适应确定感知距离和移动步长加快收敛速度,并在随机移动时增加混沌扰动提高种群多样性改善AF...     

基于改进多种群PSO算法的火炮随动系统调节器参数优化

针对传统火炮随动系统调节器参数整定难以达到最优的问题,提出一种基于K-均值与惯性权重指数递减的多种群PSO(KEDM-PSO)优化算法。为保证种群的全局搜索能力得到最优的参数,采用将初始种群划分为多个子群协同寻优的策略。综合考虑系统复杂程度、种群规模、解集的多样性及收敛性,采用K-均值算法将初始种群划分为3个子群,使3个子群协同寻优。为保持种群多样性,各子群不断地聚类重组,动态调整子群规模以更好地进化。子群寻优采用惯性权重指数递减策略,使得算法具有初期搜索范围大、速度快,后期惯性权重小,利于收敛、稳定的特点。试验表明该算法是有效可行的。     

指挥信息系统非线性最优化问题的混沌搜索解法

指挥信息系统进行辅助决策很多情况下是一个求解最优化问题的过程,指挥信息系统遇到的很多问题具有非线性,同时指挥信息系统对算法的适应性和收敛速度要求相当严格。对此,普通的优化技术只能求出局部最优解。基于混沌搜索技术的计算智能具有全局搜索能力强、算法简洁、计算量小、收敛速度快的特点,成为一种求解非线性最优化问题全局最优的有效方法。算例表明,当搜索次数达到一定数量时,混沌搜索方法可以保证算法收敛到全局最优解,且计算效率很高。     

基于族群机制的花朵授粉算法

针对花朵授粉算法易陷入局部极值、收敛速度慢等不足,提出一种具有族群机制的花朵授粉算法。该算法把种群分成多个族群,各族群的最优个体再组成新的种群,进而促进种群间的信息交流,有效地协调种群进化过程中的全局搜索和局部搜索能力,避免个体的早熟收敛,提高算法的全局寻优能力及收敛速度。通过8个CEC2005benchmark测试函数进行测试比较,仿真结果表明,改进算法的寻优性能明显优于基本的花朵授粉算法、粒子群算法和蝙蝠算法,其收敛精度、收敛速度、鲁棒性均较对比算法有较大提高。