基于改进PSO的多传感器数据自适应加权融合算法

加权融合算法是多传感器数据融合中的常用方法,但加权因子的确定非常困难并直接影响算法的性能.文章提出利用改进的粒子群优化算法对各个传感器的加权因子进行自适应优化,引入种群进化度、聚合度来反映种群的多样性,当种群多样性低于阈值时执行变异操作,并交替使用基于聚合度、进化度的自适应惯性权重函数,从而避免算法陷入局部最优解.通过UCI数据集测例表明本文算法是一种较有效的多传感器数据融合方法,相对其它算法具有较高的融合精度.     

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。     

邻近次梯度法求解弱凸问题的收敛率分析

邻近次梯度算法是求解两个凸函数和的经典方法 .本文对凸问题的目标函数做了适当的推广,在有限维欧几里得空间中,提出了利用邻近次梯度算法求解弱凸函数与凸函数和的优化问题,在目标函数具有尖性的假设下,证明了取Polyak步长时算法线性收敛.本文得到的结果,是对Cruz和Davis等人结果的推广.     

基于自适应步长布谷鸟搜索算法优化的小波加权多模盲均衡算法

为了提高加权多模盲均衡算法对高阶QAM信号的盲均衡性能,本文提出了基于自适应步长布谷鸟搜索算法优化的正交小波加权多模盲均衡算法（ASCS-WT-WMMA）。新算法利用自适应步长布谷鸟搜索算法（ASCS）初始化均衡器的权向量,有效避免了权向量陷入局部极小值;利用小波变换（WT）降低信号自相关性;加权多模盲均衡算法（WMMA）利用由判决符号的指数幂构成的加权项调整代价函数中的模值。水声信道的MATLAB仿真实验结果表明,与小波多模盲均衡算法、小波加权多模盲均衡算法以及布谷鸟搜索算法优化的小波加权多模盲均衡算法比较,该算法收敛速度更快和稳态误差更小。     

人工蜂群算法的改进及应用

针对人工蜂群算法容易陷入局部最优值,收敛到最优解速度慢的缺点,通过使用固定步长和可变步长,定义采蜜蜂搜索食物源的公式,提出了一种改进的人工蜂群算法.对四个标准测试函数仿真表明该改进算法提高了算法的优化性能.为了改善数据挖掘中聚类算法效率,从人工蜂群算法评价函数入手,使用凝聚度函数、分散度函数,将改进的人工蜂群算法用于解决聚类问题,对三个数据集测试表明新算法在聚类准确率方面有一定提高.     

猴群空翻机制作用下的自适应人工鱼群算法

针对人工鱼群算法在函数优化中存在陷入局部最优、后期收敛速度过慢及人工鱼群寻优精度低等问题,对动态分组方案的人工鱼群算法进行了研究,提出一种新的自适应人工鱼群算法。该算法利用猴群算法中的空翻行为替代鱼群的聚群和追尾行为,同时引入模糊函数,自适应调整鱼群算法的视野及步长,提高了算法的运行效率,更好地平衡了全局搜索与局部搜索之间的关系。算法在后期避免提前收敛,能够快速跳出局部最优位置,保证了寻优质量。仿真实验表明,该算法明显优于基于动态分组方案的人工鱼群算法,有效提高了寻优精度和寻优质量,避免了人工鱼群的早熟现象。     

果蝇优化算法(FOA)步长改进及其多元函数最优化方法

果蝇优化算法(FOA)模拟果蝇群体利用嗅觉和视觉寻找食物的方法来寻找最优值.本文根据算法的特点分析了影响收敛速度的因素,通过变步长方式得到改进的FOA.另外还提出了多元函数最优问题的FOA方法.在对Schaffer函数的全局最优过程中,经过变步长的FOA收敛速度大大提高(与理论最优值的误差以指数速度下降),在计算速度和收敛精度方面都远远优于遗传算法.     

光伏发电系统最大功率点跟踪算法及仿真研究

基于扰动观察法的光伏发电系统最大功率跟踪算法的速度和精度决定了算法的有效性。通过在Matlab/Simulink仿真平台上验证算法的性能,深入分析了算法在不同跟踪步长下的动态性能和稳态性能,要同时兼顾算法的跟踪速度和跟踪精度通常难以确定合适的跟踪步长,研究算法的动态跟踪步长,以达到自动兼顾算法的速度与精度,显得非常必要。     

基于改进CS算法的电网损耗最小仿真研究

利用布谷鸟算法(Cuckoo Search algorithm,CS)求解电力系统无功优化问题是一种新的方式,但其中的两个重要参数取的是固定值,导致其在迭代后期收敛速度慢、易陷入局部最优,因此引入动态发现概率Pa、步长因子a以及一个改进的步长搜索方程,形成改进布谷鸟算法(Improved Cuckoo Search algorithm,ICS)。本文基于Matlab软件,将CS和ICS分别对IEEE30节点测试系统进行仿真实验,以验证算法的有效性。实验结果表明,利用ICS算法求解无功优化问题可以在提高收敛性能的同时得到使电网损耗更小的解。通过该仿真实验,将理论运用到实践中,使学生提高仿真能力,进一步加深对无功优化的理解。     

一种改进的全局和声搜索算法求解函数优化问题

针对和声搜索算法的早期收敛速度快,后期收敛慢,容易陷入局部最优解的问题,本文提出了一种改进的全局和声搜索算法.该算法对标准和声搜索算法作了三点改进,首先在和声记忆库初始化时采用反向学习策略,提高初始解的质量,提高收敛速度,其次,采用动态方式调整参数,第三,利用当前和声记忆库中的全局最优解产生新解,提高全局搜索能力.采用该算法对6个标准的测试函数进行优化,结果表明,该算法避免算法的早熟和增强算法的全局搜索能力,具有较好的优化性能.     

基于BIM和改进RRT算法的建筑机器人路径规划

针对建筑机器人在施工现场获取地图信息时间长且需要规划出一条全局的、能实时避障的路径等问题,该文提出了一种应用建筑信息模型（building information model,BIM）技术建立导航地图并进行路径规划的算法。根据BIM模型中的信息对传统RRT算法进行优化改进,提出了IRRT(improved rapid-exploration random tree)算法。首先将原有的固定步长改为动态步长,通过判断与目标点的远近界定步长大小,避免了节点的盲目扩张;其次,对随机采样点的生成范围进行了约束,并设置一个同时考虑目标点和随机点的权重来解决传统RRT算法中新生成点仅由随机采样点单一决定的问题;算法陷入最小值时选取随机扰动策略进行逃脱;最后在全局路径的相邻节点间使用动态窗口法进行局部避障。实验仿真结果表明IRRT算法比传统RRT算法在搜索速度上快了3倍多,平均路径比改进前减少25.56%,平均节点减少8.92%,加入动态窗口法后有效提高了机器人实时避障能力,更适合多变的室内环境使用。     

K-means和人工鱼群结合的聚类算法研究

针对K-means算法对初始聚类中心敏感、容易收敛于局部极值和人工鱼群算法最大步长固定、寻优精度不高、后期收敛速度慢的问题,提出一种K-means和人工鱼群相结合的聚类算法。该算法将K-means聚类中心引入人工鱼群适应度函数,自动确定近似全局最优的初始聚类中心,并将其作为K-means初值详细进行局部搜索,以提高精度。同时采用淘汰机制和自适应的最大步长策略,优化人工鱼群算法性能。在Iris、Wine数据集和EPA-HTTP应用日志数据上对IAFSA KM算法进行实验仿真分析,验证了算法的有效性和可行性。     

基于有向搜索的蚁群算法及其仿真

为了解决蚁群算法收敛速度慢和易陷入局部最优的问题,提高算法在连续空间中的寻优能力,本文提出了一种基于有向搜索的智能蚁群优化算法。该算法使转移概率较大的蚂蚁个体在解空间中进行局部有向变步长搜索,有效地避免了算法陷入局部最优,缩短了搜索时间,在寻优精确度取得了很好的效果。通过仿真验证了算法的有效性     

基于动态自适应萤火虫优化算法

为了有效解决标准萤火虫算法在寻优过程中存在易陷入后期收敛速度较慢、寻优精度不高等问题,在位置更新公式中引入动态调整惯性权重和自适应步长机制,提出一种动态自适应萤火虫优化算法。利用四个标准测试函数进行仿真实验结果表明,动态自适应萤火虫算法具有更快收敛速度、较高求解精度和稳定性。     

求解CVRP的改进量子遗传算法研究

车辆路径问题属于离散NP-hard组合优化问题,传统的量子遗传算法存在储存量大和易陷入局部最优解等问题。提出一种新的量子遗传算法用于最小化运输成本。设计一种将量子比特编码转换为实数的编码方法,每条染色体代表一种行车路线方案,利用改进的旋转门对种群进行更新操作,采用动态调整旋转角机制对量子步长实现自适应搜索,扩大全局搜索范围|引入一种变异操作,用于保持算法的种群多样性,从而提高算法的全局搜索宽度|采用客户节点重置和2 opt法对〖JP3〗线路进行再优化,增强算法的局部搜索能力。仿真实验和算法比较,验证了该算法的优越性和有效性。     

自适应调整布谷鸟搜索算法研究

布谷鸟算法是基于启发式搜索的智能仿生算法。传统的布谷鸟算法收敛速度较慢,容易陷入局部最优解。针对该算法特点,对算法原理进行了分析,并就算法中步长和发现概率两个控制因素进行改进,使其根据迭代次数动态变化,提出了具有自适应调整特点的搜索算法,改变了步长和发现概率相应的更新方式,避免了传统布谷鸟算法容易陷入局部最优的缺陷,以增强算法搜索性能。实验对比表明,自适应调整的布谷鸟算法具有更好的寻优性能。     

一种新的自适应动态网格优化算法

针对动态网格优化算法(GEA)收敛速度较快,收敛精度不够理想,特别是解决多峰函数有可能会错过全局最优解的缺陷,提出了一种新的自适应动态网格优化算法.通过评估早熟收敛程度,将早熟收敛程度、函数的峰值与步长的变化联系起来,加入1个随机因子用以调整搜索范围,从而提高了算法的寻优效率.通过对典型的MP问题的测试,并与其他的动态优化算法比较,证明了算法的有效性.     

求解蛋白质折叠问题的变步长拟物算法

通过模拟物体间相互作用的物理规律,提出一种求解蛋白质结构预测问题的新型启发式算法。该方法在每一步迭代中,首先利用拟物思想寻找到合理的优化路径,然后在此路径上确定一个有效步长来取得最佳优化效果。若干典型算例的计算结果表明,变步长拟物算法比常规拟物算法具有更好的收敛速度。     

一种新的全局优化前馈神经网络

将 L-M算法与填充函数法相结合,提出一种训练前向网络的混合型全局优化新算法.L-M算法的收敛速度快,利用它先得到一个局部极小点,然后利用填充函数算法跳出局部最小,得到一个更低的局部极小点.重复计算即可得到全局最优点.经实验验证,该算法收敛速度很快,避免局部收敛,而且性能稳定.     

基于改进的布谷鸟搜索算法优化的正交小波动态加权多模盲均衡算法

为了更好地均衡高阶QAM信号,本文提出了基于改进的布谷鸟搜索算法优化的正交小波动态加权多模盲均衡算法(ICS-WT-DWMMA),利用改进了的布谷鸟搜索算法初始化均衡器的权向量,利用小波变换(WT)降低信号自相关性,其中动态加权多模盲均衡算法(DWMMA)利用由判决符号的指数幂构成的加权项来调整代价函数中的模值.水声信道的MATLAB仿真实验结果表明,与小波加权多模盲均衡算法和小波动态加权多模盲均衡算法比较,新算法收敛速度更快,稳态误差更小.