-
题名具有差分进化算子的社会蜘蛛群优化算法（英文）
被引量：2
- 1
-
-
作者
赵汝鑫
罗淇芳
周永权
-
机构
广西民族大学信息科学与工程学院
广西高校复杂系统与智能计算重点实验室
-
出处
《广西科学》
CAS
2017年第3期247-257,共11页
-
基金
国家自然科学基金项目(61463007,61563008)
广西自然科学基金项目(2016GXNSFAA380264)资助
-
文摘
【目的】社会蜘蛛群优化算法(SSO)是一种新颖的元启发式优化算法,自从它被提出之后就受到该领域学者的广泛关注,并且也被成功应用到许多领域。但是由于社会蜘蛛群优化算法还处在算法的研究初期,该算法的收敛速度与收敛精度还需要进一步提高。【方法】将差分进化算子引入到社会蜘蛛群优化算法(SSO-DM)中,并将改进的算法应用于函数优化问题中,通过5个标准测试函数来验证基于差分进化算子的社会蜘蛛群优化算法(SSO-DM)的优化性能。【结果】差分进化算子增强了社会蜘蛛群优化算法的收敛速度与收敛精度。【结论】本研究中所提出的算法能够获得精确解,并且它也具有较快的收敛速度和较高的算法稳定性。
-
关键词
社会蜘蛛群优化算法
差分进化算子
元启发式优化算法
函数优化
-
Keywords
social-spider optimization algorithm
differential mutation operator
meta-heuristic optimization algorithm
functions optimization
-
分类号
TP186
[自动化与计算机技术—控制理论与控制工程]
-
-
题名融合联合反向学习与宿主切换机制的䲟鱼优化算法
被引量：3
- 2
-
-
作者
贾鹤鸣
文昌盛
吴迪
饶洪华
刘庆鑫
力尚龙
-
机构
三明学院信息工程学院
三明学院教育与音乐学院
海南大学计算机科学与技术学院
-
出处
《计算机科学与探索》
CSCD
北大核心
2023年第12期2896-2912,共17页
-
基金
福建省本科高校教育教学改革研究项目(FBJG20210338)
福建省教育科学“十四五”规划课题(FJJKBK22-064)
全国教育科学规划教育部重点课题(DIA220374)。
-
文摘
䲟鱼优化算法(ROA)是2021年提出的元启发式优化算法,其模拟了海洋中䲟鱼寄生依附宿主、经验攻击和宿主觅食的行为。ROA的结构简单且易于实现,但全局性稍显不足,易导致算法收敛速度慢甚至后期难以收敛的现象。针对上述问题,在探索阶段加入宿主切换机制,引入新宿主白鲸,提高原算法的探索能力;同时加入联合反向学习策略,增强了算法跳出局部最优的能力,进一步提高了算法的综合优化性能。通过以上改进,提出了一种融合联合反向学习与宿主切换机制的䲟鱼优化算法(IROA)。为了验证IROA的性能与改进优势,将IROA与原始ROA、6种典型的原始算法以及4种关于ROA的改进算法进行对比。通过CEC2020标准测试函数的实验结果表明,IROA具有更强的寻优能力和更高的收敛精度;最后针对汽车防撞性设计问题的求解,进一步验证了IROA的优势和工程适用性。
-
关键词
䲟鱼优化算法
元启发式优化算法
联合反向学习
宿主切换机制
白鲸优化算法
基准函数测试
工程问题求解
-
Keywords
remora optimization algorithm
meta heuristic optimization algorithm
joint opposite selection
host switching mechanism
beluga whale optimization
benchmark function test
engineering problem solving
-
分类号
TP301.6
[自动化与计算机技术—计算机系统结构]
-
-
题名柯西变异的骆驼算法优化与应用
被引量：5
- 3
-
-
作者
任春慧
刘升
张伟康
张微微
-
机构
上海工程技术大学管理学院
-
出处
《计算机工程与应用》
CSCD
北大核心
2021年第21期87-94,共8页
-
基金
国家自然科学基金(61075115,61673258)
上海市自然科学基金(19ZR1421600)。
-
文摘
针对骆驼算法(Camel Algorithm,CA)在执行效率低及易陷入局部最优停滞等问题,提出了改进的骆驼算法(Modified Camel Algorithm,MCA)。该算法基于骆驼的行进行为,通过在全局位置处引入柯西分布函数进行变异,使得个体受局部极值点约束力下降,提高局部寻优能力,减少原始算法中使用的设置参数的数量,具有较高的计算速度和简化的结构。通过标准测试函数对MCA与CA,乌鸦搜索算法(Crow Searching Algorithm,CSA)和粒子群优化算法(Particle Swarm Optimization,PSO)进行低维与高维测试对比,实验结果表明该改进算法表现出更好的运行效率和寻优能力。通过优化受约束的工程应用即抗干扰智能天线优化来验证MCA的性能,该算法能够使天线系统到达确定的方向来完美消除干扰信号,提高在实际应用中的精度、速度与稳定性。
-
关键词
元启发式优化骆驼算法
骆驼行进行为
柯西变异
抗干扰智能天线优化
-
Keywords
meta-heuristic optimization camel algorithm
camel traveling behavior
Cauchy mutation
anti-jamming smart antenna optimization
-
分类号
TP18
[自动化与计算机技术—控制理论与控制工程]
-
-
题名改进樽海鞘群算法的永磁同步电机多参数辨识
被引量：17
- 4
-
-
作者
张铸
张仕杰
饶盛华
张小平
王静袁
-
机构
湖南科技大学信息与电气工程学院
湖南科技大学海洋矿产资源探采装备与安全技术国家地方联合工程实验室
-
出处
《电机与控制学报》
EI
CSCD
北大核心
2022年第8期139-146,共8页
-
基金
国家自然科学基金(61503132)
湖南省科技计划项目(2017XK2303)。
-
文摘
针对一类元启发式优化算法辨识永磁同步电机(PMSM)参数存在易陷入局部最优,从而导致辨识结果精度不高的问题,提出了一种结合自适应正态云模型的樽海鞘群辨识算法(CSSA)。该算法以标准樽海鞘群算法为基础,在樽海鞘追随者位置更新阶段引入自适应正态云模型,使算法初期的种群多样性得到改善,提高了全局开发能力,避免陷入局部最优;随着迭代次数增加,通过自适应调整正态云模型熵值,优化了算法后期的局部开发能力,使其收敛精度得到提高。参数辨识模型只需测量计算获得永磁同步电机的电流、电压以及角速度信息,再将改进算法通过适应度函数在辨识模型中寻优得到辨识结果。仿真与实验结果表明,提出的算法可以对永磁同步电机参数进行快速、稳定且准确的辨识。
-
关键词
永磁同步电机
元启发式优化算法
参数辨识
正态云模型
自适应云模型
樽海鞘群算法
-
Keywords
permanent magnet synchronous motor
meta heuristic optimization algorithm
parameter identification
normal cloud model
adaptive cloud model
salp swarm algorithm
-
分类号
TM351
[电气工程—电机]
-
