基于Lorenz混沌优化和时空混沌优化的图像分割

阈值分割是图像分割中的一种常用且有效的方法,其关键问题是搜索到最佳分割阈值.文中基于混沌优化理论,利用Lorenz混沌系统对图像进行了阈值分割,同时提出了一种基于耦合映象格子的时空混沌优化算法,并且将其应用于图像分割实验.实验表明,与Lorenz混沌优化算法相比,时空混沌优化算法用于阈值寻优能够给出更加理想的分割结果.     

一种基于Logistic混沌映射的骨干粒子群改进算法

针对骨干粒子群算法因受初始化位置分布不均影响,易陷入局部最优的问题,提出一种基于Logistic混沌映射的改进算法,改进算法通过采用Logistic混沌映射控制来保证粒子初始化位置在搜索空间内保持随机分布,从而有效提升算法的搜索能力.仿真实验表明:与经典骨干粒子群算法相比,改进算法搜索能力有所增强,问题求解精度有明显提升.     

基于混沌的粒子群优化算法研究与进展

粒子群优化算法因简单、容易实现,被越来越多地应用于众多应用领域,但其存在着容易陷入局部最优等缺点。混沌是一种普遍的非线性现象,具有随机性、遍历性和内在规律性的特点,尤其是混沌的遍历性特点,使其可以作为搜索过程中避免陷入局部极小的一种优化机制。将二者结合求解优化问题,改善了粒子群摆脱陷入局部极值的能力,提高了算法收敛速度。论述了混沌粒子群优化算法的研究进展。     

一种新的混沌免疫优化算法

结合混沌优化算法与免疫算法的特点,提出了一种新的混合优化方法———混沌免疫优化算法.该算法综合了免疫算法与混沌优化算法在各自的空间搜索优势,充分利用免疫算法的记忆库中当代最优解指导混沌搜索。实验结果表明,该算法具有较强的搜索能力和收敛性能,算法有效可行。     

基于ICGSO算法的瓦斯突出预测研究

针对萤火虫群优化(GSO)算法在解决全局优化问题时出现的易陷入局部最优、收敛速度慢、求解精度不高等问题,提出一种改进的混沌萤火虫群优化(ICGSO)算法,修改了GSO算法动态决策域半径更新公式,并采用自适应动态步长,引入混沌优化算法提高局部搜索能力。实验结果表明将ICGSO算法应用于建立在神经网络预测模型上的瓦斯突出预测中的有效性。     

混沌扰动w_BAPSO算法在任务调度中的应用

为提高云计算任务调度效率,减少任务调度的成本和时间,改进算法容易陷入局部最优的缺陷,提出基于混沌扰动的w_BAPSO算法.在云计算环境下,通过引入带有logistics混沌扰动的线性递减惯性权重,在PSO算法更新过程中结合蝙蝠算法脉冲速率、脉冲响度等参数,将带有混沌扰动的w_BAPSO算法用于云计算任务调度过程中.通过...     

光伏储能的改进麻雀算法控制

针对传统双闭环控制中PI参数整定存在的问题,结合麻雀算法较好的搜索性能,提出一种改进的麻雀算法应用于双闭环PI参数的整定中．将Piecewise混沌映射方式加入到麻雀算法种群初始化中,在发现者位置更新过程中加入动态权重因子ω,在基本麻雀算法中引入柯西高-斯变异策略,提高算法的整体寻优能力．在四种复杂测试函数上对基本麻雀算法（SSA）和改进的麻雀算法（ISSA）进行测试,结果 ISSA表现出更好的寻优性能,再将ISSA应用光伏储能系统双闭环PI控制的参数整定上,发现ISSA法能够在系统发生扰动时快速反应,使系统迅速恢复稳定运行状态．     

模拟退火改进粒子群优化算法求解优化问题

针对粒子群优化算法后期易陷于局部最小的缺点,引入模拟退火思想,建立模拟退火—粒子群优化算法。通过求解函数优化问题对比实验,表明改进后的粒子群优化算法增强全局寻优能力,搜索成功率大为提高。     

考虑阻塞管理的电网规划混沌进化算法

以P00L交易模式为大环境,在电网规划过程中模拟了阻塞调度过程。利用昆沌运动的随机性、遍历性和规律性特点,以及进化算法求解高维、非线性复杂优化问题的优势进行输电网规划求解。规划过程中,以混沌载波为进化因子,通过对解个体的重复性和可行性测试,清除重复解和不可行解,避免搜索空间的萎缩,确保解个体的有效性;引入家庭竞争,采用获胜加权的方式选择优秀个体进入下一轮进化.给出的两个标准测试系统算例对采用混沌进化算法的电网规划进行了仿真验证,实验结果表明该方法全局寻优能力强.     

粒子群算法的收敛性和多样性分析与优化

针对粒子群优化算法的收敛性和多样性问题,提出一种基于混沌优化的震荡粒子群优化算法。该算法利用混沌特性和震荡环节扩大粒子搜索的遍历性,将混沌状态引入到优化变量使粒子获得持续搜索的能力。实验测试证明该算法不仅能保持种群的多样性,而且能有效避免算法陷入早熟收敛现象。     

基于混合智能算法的电力系统无功优化研究

研究了电力系统的无功优化功问题,给出了结合电力市场实行的无功优化目标函数。在分析了遗传算法和蚁群算法各自优缺点的基础上,将遗传算法与蚁群算法融合,利用遗传算法的交叉、变异操作产生蚁群算法新的搜索路径,以此提高混合智能算法的全局搜索能力和收敛速度,并将混合智能算法应用于实例进行仿真。仿真结果表明,该混合智能算法具有快速的收敛速度和优良的全局优化能力。     

基于细胞自动机演化算法求解无约束函数优化问题

在最优化领域目前广泛应用的智能优化算法有遗传算法、模拟退火算法、神经网络算法等。但这些算法的实现模式都还是基于串行模式。利用细胞自动机来解决优化问题,也就意味着能够建立极度并行的解决最优化问题的程序。提出了一种基于细胞自动机的演化算法,以求解无约束函数优化问题,并用实验分析了此算法的性能。     

TCP/IP拥塞控制研究现状的分析

互联网的拥塞控制问题一直是网络研究的一个热点,吸引了多方面的专家学者对其进行研究,并已经取得了大量研究成果.拥塞控制算法,从控制理论角度可分为开环和闭环控制;从实现的物理位置方面可分为源算法和链路算法.近来,非线性规划理论、系统控制理论和优化理论被引入到拥塞控制的研究中来,这在很大程度上推动了对拥塞控制的研究.     

基于优化蚁群算法的分类规则挖掘算法

蚁群算法已被广泛用于各种优化组合问题,优化蚁群算法动态调整信息量更新策略和路径选择概率,可在加速收敛和防止早熟、停滞现象之间取得平衡.本文将此算法应用到分类问题,提取分类规则.实验表明该算法能较好地完成分类规则的挖掘.     

烟花算法在联合补货问题中的应用研究

烟花算法作为一种新型群体智能优化算法,在众多领域得到成功应用。联合采购品种的不断扩大对算法性能提出了巨大挑战。针对联合补货问题设计了基于烟花算法的求解方案,并利用基础算例证明方案有效性。随机生成的大规模算例表明,烟花算法相较于混合差分进化算法,在求解大规模联合补货问题时可获得更优的近似最优解,具有更快的收敛速度和更高的稳定性,验证了烟花算法在混合整数规划方面的应用效果。     

蚁群算法在函数优化求解中的应用

蚁群算法是近年来新出现的一种随机搜索寻优算法,该算法为求解复杂的组合优化问题提供了一种新思路,引起了众多学者的研究兴趣。通过在函数优化问题中的应用,说明该算法能有效地避免陷入局部最优,指出了蚁群算法在优化问题中的应用前景。     

基于离散粒子群优化算法的造林规划设计

指出造林规划设计问题实质是一个离散约束优化问题。应用离散粒子群优化算法求解目标函数,以保证解的合理性法和惩罚函数法相结合处理约束条件。分析实例表明,离散粒子群优化算法可用来优化造林规划设计方案,与模拟退火算法比较,效果更好。此研究结果可为科学造林和最优化经营管理提供新思路,丰富粒子群应用领域。     

蚁群算法概述

蚁群算法是一种新型模拟进化算法，广泛应用于求解组合优化问题．对蚁群算法的原理、模型的建立及此算法的发展前景进行了剖析．     

遗传算法及其在TSP问题中的应用

遗传算法是一种模拟自然界生物进化过程的随机搜索算法;遗传算法目前已经在组合优化、机器学习和并行处理等领域得到了越来越广泛的应用;文章对遗传算法的理论与应用进行了一些研究和分析,介绍了遗传算法的理论,以及它在鸭P问题中的应用。