摘要：爬行动物搜索算法(RSA)具有较强的全局探索能力,但开发能力相对薄弱,在迭代后期无法较好地收敛。针对上述问题,综合教与学优化(TLBO)算法、二次插值的天牛须搜索(BAS)算法和透镜成像反向学习策略,提出一种融合多狩猎协调策略的爬行动物搜索算法(MHCS-RSA)。MHCS-RSA保留了RSA包围阶段(全局探索)和狩猎阶段(局部开发)中狩猎合作的位置更新公式,在狩猎阶段,将狩猎协调融合TLBO算法的学习阶段和二次插值的BAS进行位置更新,以增强算法的开发能力和收敛能力;此外,引入透镜成像反向学习策略以增强算法跳出局部最优的能力。在CEC 2020测试函数上的实验结果表明,MHCS-RSA具有良好的寻优能力、收敛能力以及鲁棒性。最后通过对拉力/压力弹簧设计问题和减速器设计问题的求解,进一步验证了MHCS-RSA求解实际问题的有效性。

摘要：为使鲸鱼优化算法在具备摆脱局部最优区域能力的同时提升算法寻优能力,提出一种基于混合策略的改进鲸鱼优化算法。利用混沌的特性对初始种群位置进行优化,使种群个体更加丰富多样,位置分布更加合理;提出一种混合反向学习策略,将透镜成像反向学习策略和最优最差反向学习策略相结合,提高领导者跳出局部最优区域的能力,提高算法的求解精度;出于协调改进算法勘探能力的目的,将自适应概率阈值p′和权重ω融入到算法中。对6个单峰函数和4个多峰函数的仿真结果验证了所提优化算法在收敛速度和寻优精度等方面有较大的提高。

摘要：针对鱼鹰优化算法存在收敛速度慢、收敛精度低以及易陷入局部最优的问题,提出一种多策略融合改进的鱼鹰优化算法。首先采用Cubic混沌映射初始化种群,增加种群的多样性;其次引入互利共生策略,加强搜索个体之间的信息交流,提高算法跳出局部最优的能力;最后利用透镜成像反向学习策略,增强算法跳出局部最优的能力,平衡算法的探索与开发。通过18个基准测试函数求解对比分析、统计测试,该算法在收敛速度、寻优精度以及稳定性上都得到明显提升。此外,通过压力容器设计问题的实验对比,进一步验证了所提算法在实际工程应用中的适用性。

摘要：针对认知无线电中以最大程度提高网络效益为目的的频谱分配问题,提出了一种基于麻雀搜索算法的改进算法。首先,考虑到种群多样性对实验结果的影响,利用透镜成像反向学习策略,在最优个体基础上产生新个体,进而继续寻优,来进一步提高算法的收敛精度;然后,采用变步长设计,在影响步长因素的关键参数中加入步长调整机制,可以调节局部精度和全局最优之间的平衡关系。再对种群中负责侦查预警的麻雀位置引入Levy飞行策略来更新其位置,有助于增强算法跳出局部极值能力和总体寻优的性能。最后,将改进的麻雀搜索算法应用于认知无线电的频谱分配问题,通过与遗传算法、粒子群算法、海鸥算法及基础麻雀搜索算法进行对比仿真表明,改进的麻雀搜索算法,相比于基础麻雀算法和其他算法,具有更高的网络效益和更快的收敛速度,可以达到有效改善频谱利用率的目的。

摘要：针对局部遮荫工况下光伏阵列最大功率点跟踪(MPPT)存在的易陷入局部功率峰值点、跟踪时间长、跟踪精度低等问题,提出一种基于改进双曲正余弦优化(SCHO)的控制算法.其采用立方混沌映射初始化,提高初始候选解集的遍历性,并利用贝塔分布的概率特性修正SCHO算法的切换标准,提高算法与候选解集寻优进程的适配性.同时,对SCHO算法中的全局最优解、个体当前解引入平衡权重更新策略,且采用透镜成像反向学习策略对寻优后期的候选解进行扰动,采用比例收缩法对寻优空间进行动态钳位,提高算法的全局勘探及局部开发能力.Matlab仿真结果表明,相比其他控制算法,本文提出的改进SCHO算法能缩短MPPT时间、提高MPPT精度,故具有更优的MPPT性能,可为进一步提升光伏发电效率提供参考.