检索结果-内蒙古大学图书馆

计算机应用 2025年第1期45卷 178-185页

作者：冉义李永胜蒋烨广西民族大学电子信息学院南宁530006 广西民族大学人工智能学院南宁530006

针对启发式算法在求解机器人路径规划问题上存在收敛精度低、搜索路径效率低且容易陷入局部最优等问题,提出一种基于S型生长曲线的蝗虫优化算法(SGCIGOA)。首先,引入Logistic混沌序列优化蝗虫初始种群,增强蝗虫种群在迭代初期的多样性;... 详细信息

针对启发式算法在求解机器人路径规划问题上存在收敛精度低、搜索路径效率低且容易陷入局部最优等问题,提出一种基于S型生长曲线的蝗虫优化算法(SGCIGOA)。首先,引入Logistic混沌序列优化蝗虫初始种群,增强蝗虫种群在迭代初期的多样性;其次,引入S型生长曲线特征的非线性惯性权重,对递减参数递减的方式进行了调整,从而提高算法的收敛速度和寻优精度;最后,在迭代过程中引入基于t分布的位置扰动机制,使算法能充分利用当前种群的有效信息,以更好地平衡全局搜索和局部开发,并降低算法陷入局部最优的概率。实验结果表明,相较于MOGOA (Multi-Objective Grasshopper Optimization Algorithm)、IGOA (Improved Grasshopper Optimization Algorithm)和IAACO (Improvement Adaptive Ant Colony Optimization)等10种对比算法,所提算法在简单环境下的最优路径长度平均缩短0~14.78%,平均迭代次数减少56.60%~90.00%;在复杂环境下的最优路径长度平均缩短0~11.58%,平均迭代次数减少45.00%~92.76%。可见,所提SGCIGOA是用于求解移动机器人路径规划的一种高效算法。

关键词：蝗虫优化算法 Logistic混沌映射 S型生长曲线 t分布机器人路径规划

来源：评论

学校读者我要写书评

暂无评论

基于改进蝗虫优化算法和扰动观察法的MPPT方法研究

引用

电工材料 2025年第1期 98-104页

作者：彭俊伟陈众长沙理工大学智能电网运行与控制重点实验室湖南长沙410000

当光伏阵列被建筑物、云层等遮挡时,光伏阵列的P-V输出特性曲线由单个峰值变为多个峰值,传统算法极易陷入局部的峰值点。采用智能优化算法进行光伏最大功率点跟踪,虽然相比传统算法具有更好的全局搜索能力,但在最大功率点跟踪时仍然存... 详细信息

当光伏阵列被建筑物、云层等遮挡时,光伏阵列的P-V输出特性曲线由单个峰值变为多个峰值,传统算法极易陷入局部的峰值点。采用智能优化算法进行光伏最大功率点跟踪,虽然相比传统算法具有更好的全局搜索能力,但在最大功率点跟踪时仍然存在收敛速度慢、收敛的精度不够和振荡过程较大等问题。为了解决上述问题,提出了一种基于改进的蝗虫优化算法(Grasshopper Optimisation Algo‐rithm,GOA)和扰动观察法相结合的复合控制方法,利用改进的GOA算法进行全局搜索,当算法搜索到全局最优解附近时,切换为扰动观察法精准地跟踪到全局最优解,从而实现最大功率点跟踪。在MATLAB/Simulink中搭建光伏MPPT模型,验证了该方法在MPPT控制中的优越性。

关键词：光伏阵列最大功率点跟踪蝗虫优化算法

来源：评论

学校读者我要写书评

暂无评论

融合模式搜索的蝗虫优化算法及其应用

引用

西安电子科技大学学报 2024年第2期51卷 137-156页

作者：肖怡心刘三阳西安电子科技大学数学与统计学院陕西西安710126

在智能优化算法应用于复杂优化问题的求解过程中,平衡开发和探索以获得最优解具有重要意义。因此针对传统蝗虫优化算法在处理一些较为复杂的优化问题时出现的收敛精度低、搜索能力弱且容易陷入局部最优等缺陷,提出一种融合模式搜索的蝗... 详细信息

在智能优化算法应用于复杂优化问题的求解过程中,平衡开发和探索以获得最优解具有重要意义。因此针对传统蝗虫优化算法在处理一些较为复杂的优化问题时出现的收敛精度低、搜索能力弱且容易陷入局部最优等缺陷,提出一种融合模式搜索的蝗虫优化算法。首先引入Sine混沌映射初始化蝗虫个体种群位置,减少个体重叠概率以增强种群迭代初期的多样性;其次利用模式搜索法,对种群目前找到的最优目标展开局部搜索,提高算法的收敛速度与寻优精度;同时为了避免算法后期陷入局部最优,引入了基于凸透镜成像的反向学习策略。实验部分通过对改进的蝗虫算法进行消融实验,验证了Sine混沌映射、模式搜索、反向学习每个策略的独立有效性。并用两组测试函数进行仿真实验,采用Wilcoxon秩和检验、Friedman检验的方法进行结果分析。实验结果均表明了融合模式搜索法改进的蝗虫算法在收敛速度与寻优精度上得到明显提高。最后,将其应用于移动机器人路径规划,测试结果进一步验证了改进算法的有效性。

关键词：蝗虫优化算法粒子群优化算法模式搜索时间复杂度统计检验路径规划

来源：评论

学校读者我要写书评

暂无评论

混合柯西变异和均匀分布的蝗虫优化算法

引用

控制与决策 2021年第7期36卷 1558-1568页

作者：何庆林杰徐航贵州大学大数据与信息工程学院贵阳550025 贵州大学贵州省公共大数据重点实验室贵阳550025

由于位置更新公式存在局部开发能力较强而全局探索能力较弱的缺陷,导致蝗虫优化算法(GOA)易陷入局部最优以及早熟收敛,对此,提出一种混合柯西变异和均匀分布的蝗虫优化算法(HCUGOA).受柯西算子和粒子群算法的启发,提出具有分段思想的位... 详细信息

由于位置更新公式存在局部开发能力较强而全局探索能力较弱的缺陷,导致蝗虫优化算法(GOA)易陷入局部最优以及早熟收敛,对此,提出一种混合柯西变异和均匀分布的蝗虫优化算法(HCUGOA).受柯西算子和粒子群算法的启发,提出具有分段思想的位置更新方式以增加种群多样性,增强全局探索能力;将柯西变异算子与反向学习策略相融合,对最优位置即目标值进行变异更新,提高算法跳出局部最优的能力;为了更好地平衡全局探索与局部开发,将均匀分布函数引入非线性控制参数c,构建新的随机调整策略.通过对12个基准函数和CEC2014函数进行仿真实验以及Wilcoxon秩和检验的方法来评估改进算法的寻优能力,实验结果表明,HCUGOA算法在收敛精度和收敛速度等方面都得到极大的改进.

关键词：蝗虫优化算法粒子群算法柯西变异均匀分布反向学习时间复杂度统计检验

来源：评论

学校读者我要写书评

暂无评论

蝗虫优化算法的改进及应用研究

蝗虫优化算法的改进及应用研究

引用

作者：赵艳玲广西民族大学

学位级别：硕士

蝗虫优化算法(GOA)是对蝗虫觅食聚集行为的模拟而提出的一种新的群智能优化算法。目前,GOA已经在机械工程等方面得到了较好地应用。然而,标准GOA仍存在全局收敛速度慢、易陷入局部最优等问题。本论文在分析GOA存在不足的基础上,开展“... 详细信息

蝗虫优化算法(GOA)是对蝗虫觅食聚集行为的模拟而提出的一种新的群智能优化算法。目前,GOA已经在机械工程等方面得到了较好地应用。然而,标准GOA仍存在全局收敛速度慢、易陷入局部最优等问题。本论文在分析GOA存在不足的基础上,开展“蝗虫优化算法的改进及应用”研究,取得了一定的研究成果。本论文的主要研究成果如下:(1)提出一种基于4VA信息素的蝗虫优化算法(VAGOA):首先,基于4VA是蝗虫的聚集信息素,设计4VA信息素表达式;其次,对不同蝗虫群体(群居型蝗虫和散居型蝗虫)中的个体分别采用不同的搜索策略,在探索和开发之间取得平衡,使算法全局探索能力和局部开发能力均得到有效提升,增强算法的全局寻优能力和规避陷入局部最优的能力。最后,将VAGOA用于函数优化和PID控制参数优化中。实验结果表明,与其他优化算法相比,该算法具有较强的求解问题的能力。(2)提出采用多种搜索策略的蝗虫优化算法(VSSGOA)。首先根据动态概率选择不同的搜索策略更新蝗虫的位置来增加种群的多样性,扩大种群的搜索范围,其次引入非线性权重来平衡算法的全局勘探和局部开发。同时,增加蝗虫群体到目标位置附近开展的搜索来增强算法的局部开发能力。最后,引入莱维飞行策略,使蝗虫群体在迭代后期进行随机游走,避免算法陷入局部最优。并且将VSSGOA用于函数优化和工程实际应用中,实验结果表明,与其他优化算法相比,VSSGOA具有较好的性能。(3)将VSSGOA用于训练多层感知器(MLP),并选取5个标准的UCI数据集进行测试训练,实验结果表明,VSSGOA与其他优化算法相比,VSSGOA训练多层感知器解决UCI数据集的分类问题上具有较高的分类精确度。

关键词：蝗虫优化算法智能计算聚集和分散搜索方法 PID控制器参数优化工程应用多层感知器

来源：评论

学校读者我要写书评

暂无评论

蝗虫优化算法及应用研究

蝗虫优化算法及应用研究

引用

作者：廖铃广西民族大学

学位级别：硕士

蝗虫优化算法是模拟自然界蝗虫种群捕食行为而提出的一种群智能优化算法,主要利用了蝗虫间的社会作用力把空间分为吸引空间、舒适空间和排斥空间,根据不同蝗虫间距离大小的变化来改变空间范围从而找到最优位置。该算法具有结构简单、稳... 详细信息

蝗虫优化算法是模拟自然界蝗虫种群捕食行为而提出的一种群智能优化算法,主要利用了蝗虫间的社会作用力把空间分为吸引空间、舒适空间和排斥空间,根据不同蝗虫间距离大小的变化来改变空间范围从而找到最优位置。该算法具有结构简单、稳定性强、参数较少、收敛较快等特点。但随着研究的深入,研究者发现该算法的种群多样性和收敛精度有待增加和提高。因此,针对蝗虫优化算法自身存在的不足进行改进并将改进后的蝗虫优化算法应用到实际问题中,论文主要完成了下面三方面的研究工作。(1)提出基于邻域重心的蝗虫优化算法,将邻域重心策略加入到蝗虫优化算法中。在邻域重心的蝗虫优化算法中,种群被划分为多个不同邻域,蝗虫个体之间直接相互作用,找到局部邻域重心再计算该重心参考点的反向点作为新的个体位置,便于在充分利用群体搜索经验的同时保持种群的多样性,增强了算法探测能力。(2)提出基于混沌策略的蝗虫优化算法,分别将十种不同的混沌策略加入到蝗虫优化算法中,该策略主要用于增加种群的多样性,提高算法后期的收敛速度,与原算法进行对比,实验结果表明引入混沌策略提高了算法的求解精度和收敛速度。(3)球面旅行商(TSP)问题是一经典的NP-Hard问题。将蝗虫优化算法用于求解球面旅行商问题。实验结果表明,利用蝗虫优化算法能获得较好的路径方案。

关键词：蝗虫优化算法邻域重心策略混沌映射旅行商问题组合优化问题

来源：评论

学校读者我要写书评

暂无评论

蝗虫优化算法研究及其在数字滤波器中的应用

蝗虫优化算法研究及其在数字滤波器中的应用

引用

作者：何成港安徽理工大学

学位级别：硕士

随着现代工程问题越来越复杂,我们所面对的优化问题也变的越来越复杂,为了解决各种高维非线性优化问题,克服传统算法的不足,众多学者提出了许多高效的群智能优化算法,用以解决目前所面临的优化难题。本文所研究的蝗虫优化算法(GOA),是... 详细信息

随着现代工程问题越来越复杂,我们所面对的优化问题也变的越来越复杂,为了解决各种高维非线性优化问题,克服传统算法的不足,众多学者提出了许多高效的群智能优化算法,用以解决目前所面临的优化难题。本文所研究的蝗虫优化算法(GOA),是模拟蝗虫种群移动搜索食物源行为的一种仿生类群智能优化算法,该算法将蝗虫群所在区域划分出吸引区、舒适区和排斥区,利用种群个体之间不同的距离变化来改变空间范围,以此来搜索区域最优解位置。GOA具有结构简单、稳定性强等特点,但在实际应用中发现该算法存在已陷入局部最优,收敛速度慢等缺陷,蝗虫种群的多样性和随机性有待提升等问题。因此,本文针对蝗虫优化算法存在的问题,提出不同的改进方式对其进行改进,并将改善后的蝗虫优化算法应用在实际问题中。本论文完成的主要内容如下: 1.提出一种多策略改进蝗虫优化算法。通过分析算法参数c存在的缺陷,引入余弦自适应策略,使参数c的变化速度符合不同迭代时期的要求,提高算法平衡探索和开发的能力;在蝗虫位置更新公式中引入折射反向策略和疯狂蝗虫策略,提高种群迭代时的随机性,维持种群的多样性,改善算法的寻优精度;最后将改进后的算法应用于高维复杂函数的求解中,求解结果精度和稳定性远好于其他算法,验证了本文所提改进策略的有效性和实用性,对求解高维函数提供了一种新的选择。 2.提出融合莱维飞行和人工蜂群算法的混沌蝗虫优化算法。首先保留“1”中的余弦自适应策略,并在种群初始化阶段引入Sinusoidal混沌映射,提高种群初始化位置质量;其次在位置更新公式中引入自适应步长莱维飞行和重心人工蜂群策略,为算法提供一定的随机性,提高算法全局搜索的能力,帮助算法跳出局部最优区域,改善算法的寻优精度,最后对搜索到的最佳解位置进行Logistic混沌搜索,寻找潜在的最佳位置,进一步提升搜索寻优精度;将提出的改进算法应用在FIR数字滤波器设计中,并将设计出的滤波器用于图像去噪,所得去噪效果较好,验证所提策略的有效性。图[27]表[6]参[83]

关键词：蝗虫优化算法 FIR滤波器余弦自适应策略自适应莱维飞行策略

来源：评论

学校读者我要写书评

暂无评论

蝗虫优化算法的改进及其在化工过程建模中的应用

蝗虫优化算法的改进及其在化工过程建模中的应用

引用

作者：李根琛浙江大学

学位级别：硕士

蝗虫优化算法是受蝗虫的行为特征启发而提出的一类仿生优化算法。作为群智能优化算法的成员,蝗虫优化算法具有结构简易、操作简单以及容易与其它群智能优化算法结合的优点。但是,蝗虫优化算法也存在收敛速度慢,搜索精度不足等缺点。本... 详细信息

蝗虫优化算法是受蝗虫的行为特征启发而提出的一类仿生优化算法。作为群智能优化算法的成员,蝗虫优化算法具有结构简易、操作简单以及容易与其它群智能优化算法结合的优点。但是,蝗虫优化算法也存在收敛速度慢,搜索精度不足等缺点。本文在前人的基础上,对蝗虫优化算法进行改进研究,并用于求解化工过程建模的优化问题。本文的主要工作如下:(1)提出了一种改进的自适应蝗虫优化算法。该算法采用余弦自适应策略,引入协同进化策略来减少对于种群初始化的依赖性,引入高斯变异算子来增加种群的多样性,通过典型测试函数的寻优验证了该算法的有效性。(2)提出了一种具有反馈机制的蝗虫优化算法。该算法在保留余弦自适应策略的基础上,引入反馈调节,根据种群的进化率调节控制参数c,引入灰狼优化算法中的精英个体概念和动态种群进化操作来增强算法的搜索能力。通过典型测试函数的寻优实验结果验证了该算法改进的有效性。(3)提出了一种混合的蝗虫优化算法。该算法将改进的自适应蝗虫优化算法和具有反馈机制的蝗虫优化算法相结合。通过典型测试函数的寻优实验结果验证了混合算法的有效性。将该算法用于延迟焦化过程和流化催化裂化的反应再生过程的非参数建模研究。仿真实验结果表明了该算法的可行性。

关键词：蝗虫优化算法自适应策略高斯变异混合优化化工过程建模

来源：评论

学校读者我要写书评

暂无评论

蝗虫优化算法及其应用研究

蝗虫优化算法及其应用研究

引用

作者：李洋州南京邮电大学

学位级别：硕士

随着社会的发展,工程应用和能源管理等诸多领域所呈现出来的优化问题越来越复杂,传统优化方法处理这些问题变得越来越困难,而具有仿生行为的群智能优化算法具有实现简单、效率高、鲁棒性强等优点被广泛应用在各个领域。蝗虫优化算法是... 详细信息

随着社会的发展,工程应用和能源管理等诸多领域所呈现出来的优化问题越来越复杂,传统优化方法处理这些问题变得越来越困难,而具有仿生行为的群智能优化算法具有实现简单、效率高、鲁棒性强等优点被广泛应用在各个领域。蝗虫优化算法是近年来新提出的一种群智能优化算法,已被成功应用在许多现实领域中,但该算法存在易陷入局部最优、收敛速度慢等缺点。因此,针对蝗虫优化算法的这些问题,以提高该算法的性能为研究目标并将其应用在数据聚类中,本文主要提出以下有效的改进算法:(1)提出一种基于差分进化的反向学习蝗虫优化算法。该方法对蝗虫优化算法中每次迭代未能找到更好位置的蝗虫与其它蝗虫进行差分进化,使其增大跳出当前劣势位置,寻找更优位置的概率。最后,蝗虫通过反向学习,增强算法的全局搜索能力。(2)提出一种基于曲线自适应和模拟退火的蝗虫优化算法。该方法首先对蝗虫优化算法中关键参数(8进行改进,然后利用模拟退火算法很强的局部搜索能力和跳出局部最优的能力来加强蝗虫优化算法的局部搜索,避免算法陷入局部最优。(3)为了加强第(1)种改进方法的局部搜索能力,提出基于双差分进化的反向学习蝗虫优化算法。该方法根据每次迭代的蝗虫能否找到更好位置将蝗虫种群分为两个群体,对每个群体使用不同策略的差分进化。除此之外,在蝗虫的反向学习中,如果相反位置的蝗虫不比当前位置更优,就对当前位置的蝗虫进行更加精细的局部搜索。本文对提出的前两种改进方法在函数优化应用上进行了实验验证,最后一种改进方法在函数优化和数据聚类上进行了实验验证,并且都与其它的群智能优化算法进行了对比。所有改进方法都使用了10种测试函数进行测试,在聚类上的应用采用了5种数据集。改进算法使用连续30次实验结果的平均值、方差、最小值和最大值进行比较,在聚类上的应用则使用了F-measure、标准化互信息和兰德指数这三种聚类评估指标。实验结果证明了本文提出的算法在改进和应用上都可以取得很好的效果。

关键词：蝗虫优化算法差分进化反向学习模拟退火数据聚类

来源：评论

学校读者我要写书评

暂无评论

基于蝗虫优化算法的大型运输船舶自适应控制

引用

中国舰船研究 2023年第3期18卷 66-74页

作者：余荣臻袁剑平李俊益广东海洋大学电子与信息工程学院广东湛江524088 广东海洋大学海洋工程学院广东湛江524088 武汉第二船舶设计研究所湖北武汉430205

[目的]海上航行环境随机复杂多变,而智能自主航行是大型远洋运输船舶发展的重要趋势,为此,提出一种新的自适应控制方法。[方法]首先,基于蝗虫优化算法(GOA),将线性二次型调节器(LQR)控制方法与一阶动态积分滑模控制方法相融合;然后,结... 详细信息

[目的]海上航行环境随机复杂多变,而智能自主航行是大型远洋运输船舶发展的重要趋势,为此,提出一种新的自适应控制方法。[方法]首先,基于蝗虫优化算法(GOA),将线性二次型调节器(LQR)控制方法与一阶动态积分滑模控制方法相融合;然后,结合实时监测波浪干扰力的非线性无源估计器,将船舶高、低频运动信号进行分离;最后,与LQR控制方法和一阶动态积分滑模控制方法进行仿真对比。[结果]结果显示,新的控制方法具有更好的瞬态和稳态跟踪性能,在不同的海况下能够克服随机波浪的影响,具有较强的鲁棒性。[结论]新的控制方法具有复杂环境下的自适应调节能力,且控制响应快、精度高、无效操舵少,能极大地提高大型运输船舶的航行效率、安全性和稳定性。

关键词：大型运输船舶蝗虫优化算法滑模控制线性二次型调节器跟踪控制

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：