摘要：[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。

摘要：针对蝗虫优化算法(GOA)收敛精度不高、易陷入局部最优等问题,提出一种非线性自适应模拟退火的蝗虫优化算法(SA-NGOA)。利用非线性自适应更新GOA的关键参数,更好地协调算法的全局探索和局部开发;利用模拟退火算法,以一定概率接收GOA的劣势解,提高算法的收敛精度。实验结果表明,SA-NGOA算法具有良好的优化性能。同时,将SA-NGOA算法用于扩展同步参数观测器(ESPO)参数优化,其结果表明,该算法优化后的ESPO具有更快的辨识速度和更稳定的精度。

摘要：针对蝗虫优化算法复杂高维问题收敛精度不高、寻优能力不强、难以跳出局部最优的缺陷,提出一种融合改进DBSCAN聚类和多种进化策略的改进蝗虫优化算法(GOA)。首先,引入多核加权距离度量和动态并行运算策略,以提高改进DBSCAN高维数据聚类效率。其次,利用改进DBSCAN可以对任意形状数据集进行聚类的优势,对蝗虫种群进行聚类分析,并为蝗虫个体赋予核心点、边界点和孤立点等空间属性。最后,综合考虑种群空间特性和个体间进化程度差异性,设计多种蝗虫个体进化策略,以更好地提升算法全局寻优能力。典型复杂、高维测试函数以及经典TSP问题仿真结果表明:改进后的GOA在收敛精度上更具优势。

摘要：永磁同步电机是一个多变量、强耦合、非线性和变参数的复杂控制对象,采用传统的PI控制很难满足现代工业的控制要求。为了获得较好的控制性能,在标准模糊PI控制的基础上,提出了一种蝗虫优化算法和变论域模糊PI相结合的控制方法。首先,介绍了蝗虫优化算法和变论域模糊PI控制的基本原理;然后,阐述了蝗虫优化算法变论域模糊PI转速控制器的设计过程,根据系统偏差在线调整模糊控制的论域;最后,搭建了基于dSPACE的永磁同步电机矢量控制系统的半实物平台,对提出的控制方法进行了实验验证。结果表明,相比于标准模糊PI控制,所提出的控制方法提高了系统的动态响应速度和鲁棒性。

摘要：为提高焊接机器人的工作效率,提出一种基于高斯变异蝗虫优化算法(GMGOA)的焊接机器人路径规划新方法。GMGOA在蝗虫优化算法(GOA)的基础上,引入了高斯变异操作,有效地减少了劣质解的个数,实现了算法跳出局部最优能力的增强。3个典型旅行商问题(TSP)算例的测试结果表明,GMGOA性能比GOA有了很大程度的提升;焊接机器人路径规划实例结果表明,GMGOA在焊接机器人路径规划中是有效可行的,获较其他几种方法获得的焊接路径更短、计算稳定性更强。

摘要：针对蝗虫优化算法(GOA)在设计有限脉冲响应(FIR)数字滤波器时易陷入局部最优等问题,引入参数c非线性递减、自适应步长的Levy飞行策略,提出一种改进的蝗虫优化算法(IGOA)并将其应用在FIR数字滤波器设计上。仿真结果表明与原始GOA和粒子群算法(PSO)相比,改进的蝗虫优化算法设计FIR数字滤波器时更加稳定、有效。

摘要：针对云计算环境并行处理中的任务调度问题,提出一种基于改进型蝗虫优化算法的云任务调度算法。首先,根据任务依赖关系和计算要求将较大的任务分解成若干个关联的子任务集,并将其以有向无环图进行表示;然后,基于模糊机制对经典蝗虫优化算法加以改进,设计了模糊机制下的蝗虫优化算法,并将优化目标设置为尽可能降低蝗虫优化算法中的适应度函数,即云上所有任务的总执行时间。为了验证本文算法的合理有效性,基于Cloudsim平台对本文算法和几种代表性算法进行了仿真和比较,仿真实验结果表明,本文算法在同等条件下具有更短的总执行时间。

摘要：传统蝗虫优化算法在处理优化问题时依然存在收敛速度慢、易陷入局部最优的不足.为此,提出了融合混沌映射和柯西变异机制的非线性蝗虫优化算法CCGOA.通过融合混沌Tent映射与反向学习机制,对种群初始化,在确保初始种群质量较优前提下,使种群尽可能均匀分布于搜索空间;利用余弦函数设计非线性自适应系数更新机制,更好均衡个体全局搜索与局部开发能力;引入柯西变异对当前最优个体进行变异扰动,避免算法陷入局部最优.通过基准函数寻优测试,证实提出的算法可以有效提升寻优精度和收敛速度.设计了特征选择算法CCGOA-FS并应用于特征选择问题求解.通过若干数据集测试,证实该算法可以有效进行最优特征子集选取,提升数据分类准确率.

摘要：为研究用户用电行为数据挖掘问题,提出一种基于深度学习和改进蝗虫优化算法的用户电力数据挖掘方法。利用皮尔逊相关系数法选取用电行为特征集合,最大限度地降低数据处理维度。设计线性加权KFCM算法,采用改进蝗虫优化算法初始化聚类中心和聚类个数以提升聚类效果。利用改进的KFCM对用户用电行为进行数据挖掘,为电网企业网决策提供数据支撑。仿真实验结果表明,所提方法在聚类效果上有较好的表现。

摘要：针对航班延误成因复杂、数据量大,传统模型预测准确率差、效率低的问题,提出一种基于灰狼优化算法和蝗虫优化算法的混合算法建立航班延误预测模型。将灰狼优化算法的等级机制引入到蝗虫优化算法中,在种群迭代时生成不同层级狼群共同指导种群的进化方法,避免单个体对种群进化的绝对控制。采用Spark大数据框架设计分布式混合灰狼蝗虫优化算法提高模型运行效率。仿真实验结果表明:分布式混合灰狼蝗虫算法能够提高航班延误预测准确率和运行效率。