摘要：针对传统模型难以对具备时变特性的城轨牵引供电系统进行精准模拟的问题,总结分析了传统建模在预设负荷、固定参数及离线计算等方面的缺点,提出了一种基于数字孪生技术的模型与数据混合驱动建模方法;并结合城轨牵引供电系统实际特点,设计了数字孪生模型的运行架构及计算算法,建立信息交互体系对系统模型负荷进行精确输入,采用基于群智能优化的混合闭环校正算法实现模型参数的主动校正。理论分析及仿真结果表明:系统参数的全局优化校正可以通过基于群智能优化的闭环校正算法实现,采取子系统参数辨识和整体参数校正的混合校正策略有助于减小参数的寻优范围,降低群智能优化在系统参数校正的计算时间成本,保证模型对于参数变化的校正响应速度;具备负荷精确输入和参数主动校正能力的数字孪生模型,其潮流计算结果高度逼近采样数据,相比传统模型大幅提升了潮流计算的精度,对于牵引供电系统运行决策及设计优化具有实际意义。

摘要：针对原始乌鸦搜索算法对种群多样性控制不强、个体位置更新方式单一、局部搜索精细度不高等缺点,提出新的自适应乌鸦搜索算法.设计多种搜索引导个体,基于进化不同阶段的种群多样性,实现搜索引导个体的自适应选择策略,使算法在迭代前期加强全局勘探,在迭代后期强化局部开发.结合正余弦搜索理念,构建基于线性递减、混合正余弦震荡递减的多种飞行长度控制参数及相应的多种搜索方式,提升算法的搜索遍历性,增加算法在迭代后期找到更优解的概率.为了验证新算法的有效性,通过标准测试函数,将新算法与原始乌鸦搜索算法、改进乌鸦搜索算法和其他优秀的智能优化算法进行仿真实验,比较分析各算法的收敛精度、收敛速度、稳定性、Wilcoxon符号秩检验和Friedman检验.实验结果表明,新算法的性能优于其他比较算法的性能,新算法实现了全局勘探和局部开发、收敛精度和收敛速度的平衡.

摘要：针对鲁棒非负矩阵分解应用于高光谱图像处理时,存在对初始值的敏感性,求解目标函数时易陷入局部最优的缺点,提出基于樽海鞘群体优化鲁棒非负矩阵分解的高光谱图像解混算法.该算法基于鲁棒线性混合模型,在RNMF框架下,采用樽海鞘群体算法取代乘法迭代策略,以增强算法全局搜索能力,在约束空间内随机搜索满足目标函数的全局最优解,可有效地完成非线性高光谱图像解混.仿真数据与真实遥感数据实验结果表明,本文算法在处理高光谱图像时,能够有效地避免RNMF算法易陷入局部最优解的局限性,具有更好的解混性能.

摘要：为了进一步加快指纹匹配算法的运算速度、提高识别效率,提出了一种基于混沌蜂群优化和可变界限盒的指纹匹配算法。首先,结合人工蜂群优化算法收敛速度快、控制参数少、能够避免局部最优等优点以及混沌策略的类随机性、高遍历性等特点,在指纹点匹配中引入混沌蜂群优化算法,并设计兼顾了匹配精度和运算时间的适应度函数;然后利用适应度函数估计出指纹特征匹配的几何变换参数并进行指纹点特征的粗匹配;最后,利用可变界限盒进行精匹配,避免指纹图像局部形变带来的影响。大量实验结果表明,与基于局部特征的指纹匹配算法、基于遗传算法优化的指纹匹配算法相比,本文提出的算法所需运算时间更短,匹配精度更高。

摘要：针对鲸鱼优化算法收敛速度慢和寻优精度低的缺点,提出一种基于概率精英差分和自适应黄金正弦的鲸鱼优化算法。基于最大最小思想优化拉丁超立方体抽样来初始化鲸鱼种群,使初始种群分布更加均匀,拥有更好的全局搜索能力;提出融合余弦自适应算子的黄金正弦算法改进鲸鱼的螺旋更新,加快收敛速度,提高收敛精度;设计概率精英差分变异方法并进行贪婪选择,优化算法流程,增强算法跳出陷入局部最优的能力。选取4个单峰测试函数、4个多峰测试函数和5个多最优解的多模态测试函数与主流优化算法进行对比实验,实验结果表明,该算法具有更高的寻优精度、更快的收敛速度以及更优的全局搜索能力,通过消融实验验证了该算法改进策略的有效性。

摘要：针对克隆选择算法抗体群多样性有限和容易早熟等问题,提出了快速收敛的克隆选择算法。引入新型克隆算子,维持了抗体间促进与抑制的平衡;为了跳出局部最优,结合云模型的特征,给出了云自适应变异算子,与抗体重组算子合作,有效地增加了抗体的多样性,进而增强了算法的全局和局部搜索能力。对标准测试函数进行了仿真实验,并与其它算法进行了比较,比较结果表明,该算法寻优精度高、鲁棒性好、收敛速度快、时间复杂度不高。

摘要：为提升联合投送任务规划方案的评价精度,研究影响联合快速投送任务设计的各影响因素,分析了联合投送任务规划方案的评估原则,构建了联合投送任务规划方案评估指标体系,建立了各评估指标在联合投送任务规划方案评估目标间的映射模型,给出了一个基于深度学习和群智能算法的联合投送任务规划实施方案智能评价模式.试验结果表明:该评估方法能够准确有效地评估联合投送任务规划方案.

摘要：群智能算法优化多阈值图像分割策略,易陷入局部最优,搜索精度不高。将莱维飞行扰动策略融入麻雀种群觅食的搜索优化过程,以增加图像分割空间搜索的多样性,从而提高分割精度,避免搜索过程陷入局部最优;同时嵌入Sin混沌搜索机制,改进种群初始化策略,加强搜索性能。最终实现多阈值图像分割的应用性能提升,在保持算法全局寻优能力的基础上大幅度提高收敛速度和求解精度。对经典的图像多阈值分割的实验结果表明,本文方法相比于传统的智能优化策略,在寻优率和分割精度方面提升显著,收敛能力强。

摘要：为提高粒子群算法的优化效率,在分析量子粒子群优化算法的基础上,提出了一种随机粒子群优化算法。该算法只有一个控制参数,搜索步长由一个随机变量的取值动态决定,通过合理设计控制参数的取值,实现对目标位置的跟踪。标准测试函数极值优化和聚类优化的实验结果表明,与量子粒子群和普通粒子群算法相比,该算法在优化能力和优化效率两方面都有改进。

摘要：为提高萤火虫搜索算法的寻优能力,通过在经典萤火虫搜索算法中引入量子计算机制,提出了一种量子衍生萤火虫搜索算法。该算法采用量子比特编码个体,采用泡利矩阵确定旋转轴,采用传统萤火虫飞行原理确定旋转角度,采用量子比特在Bloch球面上的绕轴旋转实现个体更新。标准函数极值优化的实验结果表明,与传统萤火虫搜索算法相比,该算法的搜索能力确有明显提升。