摘要：土壤湿度无线传感器网络(SMWSNs)应用在精准化的农田灌溉信息监测领域中,面临的主要挑战之一是在监测区域一定的条件下,节点覆盖面积达到最大的同时减少部署节点数量。针对这一问题,设计了一种新的自适应柯西变异蝴蝶优化算法(ACBOA),自适应权重因子提升了算法的局部寻优能力,柯西变异提高算法的全局搜索能力并增加其搜索空间。将所提出的算法与其他群智能优化算法进行比较,即蝴蝶优化算法(BOA)、人工蜂群算法(ABC)、果蝇优化算法(FOA)、粒子群优化算法(PSO),仿真结果表明:经过ACBOA优化后SMWSNs的覆盖率最高。最后,在台架测试平台上进行灌溉控制实验,验证了ACBOA优化覆盖后的SMWSNs采集土壤湿度信息的准确性,为农作物精准灌溉提供了科学依据。

摘要：针对基本蝴蝶优化算法(BOA)收敛速度慢、稳定性较差的问题,提出一种融合了乌鸦搜索算法(CSA)的改进型蝴蝶优化算法(CSBOA)。CSBOA采用乌鸦搜索算法的全局搜索机制代替蝴蝶优化算法的全局搜索阶段以增强其全局探索能力,加入自适应权重,平衡算法全局与局部搜索的迭代步长,帮助蝴蝶在更大范围内寻找食物。通过12个不同特征的基准函数、1个工程设计结构优化问题对算法性能进行了实验和测试,研究表明CSBOA的收敛速度和求解精度都有明显提高,进一步验证了CSBOA可以高效解决高维基准函数和复杂工程应用问题。

摘要：针对无线传感器网络分簇路由协议的簇首选取不合理,造成网络负载不均和生命周期缩短的问题,提出了一种基于改进蝴蝶优化算法IBOA的簇首选取算法CIBOA。首先,基于蝴蝶优化算法BOA进行改进,引入Circle混沌映射和非线性动态收敛因子来控制参数值,提高了蝴蝶优化算法的寻优速度、收敛精度,使搜索能力更强。在簇首选取过程中,根据剩余能量、节点基站间的距离和邻居节点平均间距设计了新的适应度函数,使用改进蝴蝶优化算法IBOA改进簇首选取随机的问题,综合择出更优簇首节点。仿真测试结果表明,基于改进蝴蝶优化算法的簇首选取算法CIBOA能够综合考虑节点能量和距离等因素,减少整体网络运行时间。

摘要：为提高冗余机器人逆运动学求解的精度,在研究蝴蝶优化算法(BOA)的基础上,将反向学习策略、柯西变异机制、余弦指引机制引入BOA中,提出了改进蝴蝶优化算法(IBOA)并将其应用于冗余机器人逆运动学求解中。3个典型测试函数的结果表明,IB0A的求解精度、求解速度和计算稳定性比BOA和两种改进型BOA更优;冗余机器人逆运动学求解实例结果表明,IBOA的求解结果更佳,机器人位姿误差更小,具有一定的优势。

摘要：为解决经典蝴蝶优化算法易陷入局部最优、收敛速度慢的缺点,提出一种融合折射反向学习和黄金正弦分割指引机制的改进蝴蝶优化算法。融入黄金正弦指引机制来引导粒子飞行方向,可以增强算法的局部探索能力,帮助蝴蝶更快地找到食物;引入折射反向学习,提高种群多样性并实现对更多区域的勘探,再对参数自适应化后,算法的全局和局部平衡效果也有所改善。本研究通过对10个不同特征的测试函数以及三杆工程设计问题(Three-Bar Truss)进行实验和测试,测试结果均表明改进后的算法在寻优中具有更好的收敛速度和寻优精度,还进一步验证了改进方法的功能性。

摘要：针对蝴蝶优化算法(butterfly optimization algorithm,BOA)中存在的局部开采和全局探索能力不均衡,易陷入局部最优值,收敛精度低等缺陷,提出收敛因子和黄金正弦指引机制的蝴蝶优化算法(convergence factor and gold sinusoidal guidance mechanism of butterfly optimization algorithm,AGSABOA)。受到鲸鱼优化算法的启发将收敛因子融入算法的全局位置更新处,提高算法全局搜索的多样性;结合黄金正弦指引机制,弥补BOA算法迭代后期种群多样性下降,易陷入局部最优的不足。选取9个常用的基准测试函数进行的仿真结果表明,AGSABOA算法在寻优精度、收敛速度、鲁棒性方面更优。

摘要：为提高短时交通流的预测精度,提出一种改进麻雀搜索算法优化支持向量回归的预测模型。为解决麻雀搜索算法收敛慢、易陷入局部最优的不足,结合反向学习和中心游移进行种群初始化;引入分段惯性权重和蝴蝶优化算法改进发现者更新,扩展迭代早期的全局搜索范围和寻优能力;利用柯西变异追随者更新机制提高迭代后期的局部开发能力和收敛速度;设计自适应警戒者更新均衡搜索和开发过程。应用改进麻雀搜索算法优化支持向量回归模型,构建短时交通流预测模型HMSSSA-SVR。实验结果表明,改进模型的泛化能力更好,预测误差更低,能够对短时交通流实现精确预测。

摘要：传统短时交通流预测精度低、稳定性差,提出一种结合改进蝴蝶算法优化核极限学习机与相空间重构的短时交通流预测模型。结合量子自适应种群初始化、邻域扰动和惯性权重对蝴蝶算法改进,利用改进蝴蝶算法对核极限学习机超参寻优。利用混沌理论确定样本时序最佳延迟时间和嵌入维数,利用PSR对样本重构,利用优化核极限学习机建立短时混沌交通流预测模型。采用郑州市某主干路口车流实测数据进行实证分析,其结果表明,改进模型能够有效降低预测误差,实现混沌交通流实时准确预测。

摘要：传统调参方法容易生成局部最优,提出多策略混合改进BOA算法的MLP训练方法。针对标准BOA算法寻优精度、收敛速度的不足,设计多策略混合改进蝴蝶优化算法MSHBOA。利用佳点集进行种群初始化,避免随机种群的遍历不足;引入量子搜索局部开发和自适应惯性权重全局搜索提升个体寻优能力;设计概率阈值自适应调整机制,动态协调全局搜索与局部开发比重;设计柯西变异和混沌映射的个体混合扰动机制,增强算法脱离局部最优的能力。将MSHBOA应用于多层感知器MLP训练优化,结果验证训练算法在均方误差、分类准确率、局部最优抵抗性和稳定性方面均表现更好。

摘要：针对传统土壤含水量预测方法精度低、效率差的不足,提出改进蝴蝶算法优化支持向量机的土壤含水量预测算法。引入Levy飞行改进蝴蝶优化算法的位置更新方式,结合高频短步长跳跃搜索和低频长步长行走策略,同步实现局部精细搜索和远程区域勘探,提升寻优能力;设计基于高斯变异和混沌Logistic映射的个体扰动机制,提升种群多样性。利用改进蝴蝶优化算法LGBOA优化SVM模型,构建土壤含水量预测模型。选取某地土壤气象数据为样本进行实验分析,验证LGBOA-SVM模型可以提高土壤含水量预测精度和效率。