为提升哈里斯鹰优化算法收敛精度,解决易陷入局部最优等问题,提出了一种基于迭代混沌精英反向学习和黄金正弦策略的哈里斯鹰优化算法(gold sine HHO,GSHHO)。利用无限迭代混沌映射初始化种群,运用精英反向学习策略筛选优质种群,提高种...为提升哈里斯鹰优化算法收敛精度,解决易陷入局部最优等问题,提出了一种基于迭代混沌精英反向学习和黄金正弦策略的哈里斯鹰优化算法(gold sine HHO,GSHHO)。利用无限迭代混沌映射初始化种群,运用精英反向学习策略筛选优质种群,提高种群质量,增强算法的全局搜索能力;使用一种收敛因子调整策略重新计算猎物能量,平衡算法的全局探索和局部开发能力;在哈里斯鹰的开发阶段引入黄金正弦策略,替换原有的位置更新方法,提升算法的局部开发能力;在9个测试函数和不同规模的栅格地图上评估GSHHO的有效性。实验结果表明:GSHHO在不同测试函数中具有较好的寻优精度和稳定性能,在2次机器人路径规划中路径长度较原始HHO算法分别减少4.4%、3.17%,稳定性分别提升52.98%、63.12%。展开更多
在矿用空压机组智能巡检机器人中,传统算法用于智能巡检机器人路径规划时,面对复杂矿井环境存在寻优速度慢、易陷入局部最优解等问题。为提升巡检效率和精度,提出了改进的蝙蝠算法(Improved Bat Algorithm,IBA)。首先,采用均匀初始化策...在矿用空压机组智能巡检机器人中,传统算法用于智能巡检机器人路径规划时,面对复杂矿井环境存在寻优速度慢、易陷入局部最优解等问题。为提升巡检效率和精度,提出了改进的蝙蝠算法(Improved Bat Algorithm,IBA)。首先,采用均匀初始化策略确保初始位置能广泛覆盖决策空间;其次,在迭代更新过程中,引入黄金正弦算子对在适应度评价中表现优异的蝙蝠个体进行优化更新,同时运用种群平均位置引导部分个体,在缩小搜索范围的同时维持较快收敛速度;最后在全局搜索阶段引入动态惯性权重系数,并采用单维与全维相结合的搜索策略。试验表明:IBA算法在5维条件下,Sphere函数测试中的收敛迭代次数仅20次,远少于蝙蝠算法(Bat Algorithm,BA),50维条件下同样表现出色;在机器人路径规划效果上,IBA算法规划路径长度比BA、自适应蝙蝠算法(Adaptive BA,ABA)和全局混沌蝙蝠算法(Global Chaos BA,GCBA)规划的路径更短,且在多个场景中转折点数量更少、收敛迭代次数更少、适应度值更低。研究反映出,基于IBA算法的智能巡检机器人路径规划方法可使矿用空压机组巡检效率提升45.9%,故障检测准确率提高至98.9%。所提算法有助于实现矿用空压机组智能巡检机器人路径高效规划,助力矿山安全生产。展开更多
为解决蜻蜓算法(dragonfly algorithm,DA)容易陷入局部最优、寻优精度差的问题,提出了一种基于黄金正弦策略和随机差分变异的蜻蜓算法(dragonfly algorithm based on golden sine strategy and random difference mutation,GMDA)。首先...为解决蜻蜓算法(dragonfly algorithm,DA)容易陷入局部最优、寻优精度差的问题,提出了一种基于黄金正弦策略和随机差分变异的蜻蜓算法(dragonfly algorithm based on golden sine strategy and random difference mutation,GMDA)。首先,在算法初期采用精英反向学习策略,初始化蜻蜓种群位置,提高算法的搜索效率。其次,采用黄金正弦策略更新位置,引入黄金分割系数充分搜索优质解的范围;利用自适应惯性权重平衡全局搜索和局部开发能力。最后,在算法后期采用随机差分变异进行扰动,避免陷入局部最优。用八个基准函数验证在不同维度下算法的性能,设置消融实验判别各策略的有效性,结果表明,GMDA在优化精度、跳出局部最优和收敛能力方面都有所提高,消融实验验证了各策略的有效性。展开更多
针对矢量水听器阵列信号波达方向(Direction of Arrival,DOA)估计中存在的估计精度不高、运算量大的问题,提出了一种改进蛇鹫优化算法的最大似然DOA估计方法。采用了4种策略对蛇鹫优化算法进行改进,在种群初始化时利用佳点集策略进行改...针对矢量水听器阵列信号波达方向(Direction of Arrival,DOA)估计中存在的估计精度不高、运算量大的问题,提出了一种改进蛇鹫优化算法的最大似然DOA估计方法。采用了4种策略对蛇鹫优化算法进行改进,在种群初始化时利用佳点集策略进行改进,能够更加均匀地在搜索空间得到初始种群解,提高种群多样性;在进行位置更新时,引入减法平均优化器和柯西策略能够扩大搜索范围,从而跳出局部最优;引入黄金正弦策略,不断向最优位置进行搜索,提高了算法的估计精度。将所提算法应用于最大似然DOA估计,实验结果表明:与灰狼优化算法、粒子群算法、正弦余弦算法、光学显微镜算法、蛇鹫优化算法的最大似然DOA估计方法相比,所提算法的最大似然DOA估计具有收敛速度快、估计精度高、运算量小和稳健性更好的性能。展开更多
文摘为提升哈里斯鹰优化算法收敛精度,解决易陷入局部最优等问题,提出了一种基于迭代混沌精英反向学习和黄金正弦策略的哈里斯鹰优化算法(gold sine HHO,GSHHO)。利用无限迭代混沌映射初始化种群,运用精英反向学习策略筛选优质种群,提高种群质量,增强算法的全局搜索能力;使用一种收敛因子调整策略重新计算猎物能量,平衡算法的全局探索和局部开发能力;在哈里斯鹰的开发阶段引入黄金正弦策略,替换原有的位置更新方法,提升算法的局部开发能力;在9个测试函数和不同规模的栅格地图上评估GSHHO的有效性。实验结果表明:GSHHO在不同测试函数中具有较好的寻优精度和稳定性能,在2次机器人路径规划中路径长度较原始HHO算法分别减少4.4%、3.17%,稳定性分别提升52.98%、63.12%。
文摘为解决蜻蜓算法(dragonfly algorithm,DA)容易陷入局部最优、寻优精度差的问题,提出了一种基于黄金正弦策略和随机差分变异的蜻蜓算法(dragonfly algorithm based on golden sine strategy and random difference mutation,GMDA)。首先,在算法初期采用精英反向学习策略,初始化蜻蜓种群位置,提高算法的搜索效率。其次,采用黄金正弦策略更新位置,引入黄金分割系数充分搜索优质解的范围;利用自适应惯性权重平衡全局搜索和局部开发能力。最后,在算法后期采用随机差分变异进行扰动,避免陷入局部最优。用八个基准函数验证在不同维度下算法的性能,设置消融实验判别各策略的有效性,结果表明,GMDA在优化精度、跳出局部最优和收敛能力方面都有所提高,消融实验验证了各策略的有效性。
文摘针对矢量水听器阵列信号波达方向(Direction of Arrival,DOA)估计中存在的估计精度不高、运算量大的问题,提出了一种改进蛇鹫优化算法的最大似然DOA估计方法。采用了4种策略对蛇鹫优化算法进行改进,在种群初始化时利用佳点集策略进行改进,能够更加均匀地在搜索空间得到初始种群解,提高种群多样性;在进行位置更新时,引入减法平均优化器和柯西策略能够扩大搜索范围,从而跳出局部最优;引入黄金正弦策略,不断向最优位置进行搜索,提高了算法的估计精度。将所提算法应用于最大似然DOA估计,实验结果表明:与灰狼优化算法、粒子群算法、正弦余弦算法、光学显微镜算法、蛇鹫优化算法的最大似然DOA估计方法相比,所提算法的最大似然DOA估计具有收敛速度快、估计精度高、运算量小和稳健性更好的性能。
