针对捕鱼优化算法(catch fish optimization algorithm,CFOA)容易陷入局部最优、迭代后期种群多样性单一等问题,提出一种多策略融合改进的捕鱼优化算法。首先,通过反向学习策略进行种群初始化,以提高初始种群的质量;其次,引入组长趋同...针对捕鱼优化算法(catch fish optimization algorithm,CFOA)容易陷入局部最优、迭代后期种群多样性单一等问题,提出一种多策略融合改进的捕鱼优化算法。首先,通过反向学习策略进行种群初始化,以提高初始种群的质量;其次,引入组长趋同自适应组队策略,强化算法优势经验的学习;最后,通过引入Lévy飞行螺旋搜索策略,改善集体捕获阶段算法跳出局部最优值的能力;改进算法与灰狼优化(grey wolf optimization,GWO)算法、麻雀优化算法(sparrow search algorithm,SSA)、鲸鱼优化算法(whale optimization algorithm,WOA)、正弦余弦优化算法(sine cosine algorithm,SCA)等7种算法在15个基准测试函数上进行了仿真对比分析。试验结果表明,改进算法在求解精度和收敛速度等方面有较好提升。此外,3个工程设计优化问题的仿真试验进一步验证了改进算法在处理工程优化问题上的优越性。展开更多
模拟渔夫捕鱼寻优算法(Optimization algorithm on simulating the fisher fishing,SFOA)是模拟渔夫捕鱼行为习惯而提出的一种新的智能算法。通过对该算法的研究,并将SFOA算法用于求解电力系统多目标无功优化问题。无功优化模型采用计...模拟渔夫捕鱼寻优算法(Optimization algorithm on simulating the fisher fishing,SFOA)是模拟渔夫捕鱼行为习惯而提出的一种新的智能算法。通过对该算法的研究,并将SFOA算法用于求解电力系统多目标无功优化问题。无功优化模型采用计及网损和电压平均偏离两个指标,并提出了基于考虑用户偏爱区域把目标函数转化为约束条件的方法,它可以有效地处理多目标优化问题。由于无功优化是多变量优化问题,而SFOA算法在处理多维问题时寻优速度受到限制,因此,采用在方体内随机初始化方法,简化了移动搜索和收缩搜索在方体内的复杂搜索,提高了算法的搜索速度。通过IEEE-30节点和IEEE-57节点算例仿真结果表明,该算法有较好的全局搜索性能和较稳定的收敛速度,能有效提高系统运行的经济性和安全性。展开更多
文摘模拟渔夫捕鱼寻优算法(Optimization algorithm on simulating the fisher fishing,SFOA)是模拟渔夫捕鱼行为习惯而提出的一种新的智能算法。通过对该算法的研究,并将SFOA算法用于求解电力系统多目标无功优化问题。无功优化模型采用计及网损和电压平均偏离两个指标,并提出了基于考虑用户偏爱区域把目标函数转化为约束条件的方法,它可以有效地处理多目标优化问题。由于无功优化是多变量优化问题,而SFOA算法在处理多维问题时寻优速度受到限制,因此,采用在方体内随机初始化方法,简化了移动搜索和收缩搜索在方体内的复杂搜索,提高了算法的搜索速度。通过IEEE-30节点和IEEE-57节点算例仿真结果表明,该算法有较好的全局搜索性能和较稳定的收敛速度,能有效提高系统运行的经济性和安全性。
