几种群智能算法的改进及应用.pdfVIP

摘要

摘要

群智能优化算法是一种基于智能优化理论，通过模拟生物群体运动规律而建立的

一类智能优化算法，如粒子群算法、布谷鸟算法和樽海鞘群算法等。近年来，该类算

法在性能提升和理论研究方面已获得了一系列的研究结果，并在工程优化、路径规划、

投资组合等优化领域得到广泛的应用。但还存在算法依赖初值、寻优精度低、易陷入

局部最优等不足。本文从实际应用出发对算法进行改进，主要研究结果如下：

1、建立了改进的粒子群算法(TSAPSO)并将其应用于微电网的优化调度。首先，

对粒子群算法进行了改进，在初始群体中加入了Fuch混沌映射；采用余弦函数和反余

弦函数调整惯性权重；借鉴被囊群的思想实现粒子群位置公式的修正。其次，利用7

种测试函数对TSAPSO算法进行模拟仿真，结果显示该算法具有较好的寻优效果。最

后，应用所提出的算法对微电网进行优化调度，并通过分时段分析验证了TSAPSO的

合理性和可行性。

2、建立了多策略融合的黄金正弦布谷鸟算法(GSACS)并将其应用在特征选择问题

上。首先，在经典的布谷鸟算法模型基础上，采用拉丁超立方采样法初始化群体，接

着提出一种基于双曲正切的发现概率，并引入黄金正弦算法来改进随机偏好游走的更

新公式，综合以上策略对原始算法进行改进。其次，在6个测试函数上，通过与自适

应布谷鸟算法(ASCSA)、蝙蝠算法(BAT)、萤火虫算法(FAT)四种算法对比实验，结果表

明GSACS具有更好的寻优性能。最后，将GSACS算法应用到UCI数据集特征选择中，

结果显示它在减少特征数目和分类精度方面，与其他对比算法相比有显著提升。

3、建立了基于Baker映射的自适应樽海鞘群算法(MISSA)并将其应用在工程问题

—焊接梁设计。首先引入Baker混沌映射生成樽海鞘群的初始种群，接着将T分布策

略应用到食物源位置公式更新中，并通过自适应权重更新跟随者位置公式。其次，对8

个测试函数进行了模拟试验，试验结果显示，MISSA具有更好的全局优化和局部优化

性能，并且在一定程度上改善了搜索精度。最后，MISSA被用于解决工程优化问题，

在与其它群智能算法比较的情况下，MISSA拥有更好的稳定性和更高的收敛精度。

关键词：粒子群算法；布谷鸟算法；樽海鞘群算法；多策略融合；算法应用

论文类型：应用基础

I

ABSTRACT

ABSTRACT

Swarmintelligentoptimizationalgorithms,suchastheparticleswarmoptimization

algorithm,cuckooalgorithm,andsalpswarmalgorithm,arebasedonintelligent

optimizationtheoryandestablishedbymimickingthemovementlawofbiological

populations.Thissortofmethodhasbeenextensivelyemployedinengineeringoptimization,

pathplanning,portfoliooptimization,andotheroptimizationdisciplinesinrecentyearsafter

achievinganumberofresearchfindingsinperformanceenhancementandtheoreticalstudy.

Thetechniquestillhassignificantdrawbacks,suchasbeginningvaluedependence,poor

opt