摘要：为平衡算法收敛速度和全局搜索能力,克服差分进化算法易"早熟"的缺陷,在分析引起种群多样性下降及个体进化停滞原因的基础上,通过引入高斯变异操作,提出了基于高斯变异改进的差分进化算法(modified differ-ential evolution base on Gauss mutation,GMDE).数值仿真及2个工程优化问题的求解结果表明本文算法能有效避免"早熟"收敛,且在算法收敛速度和全局搜索能力上取得了较好的平衡.

摘要：针对标准乌鸦搜索算法存在收敛速度慢、寻优精度低、位置更新具有盲目性的不足,提出一种融合Jaya高斯变异的自适应乌鸦搜索算法(adaptive crow search algorithm with Jaya algorithm and Gaussian mutation,GMJCSA)。通过高斯变异优化全局最优个体和自适应步长的合理变化,提高算法的收敛能力和寻优精度。在引导者发现自己被跟随的情况下引入Jaya算法,克服位置更新具有盲目性的不足。将GMJCSA用于16个基准函数优化和减速器设计问题,与其他智能算法进行试验对比,GMJCSA能取得更好的解。试验结果表明,GMJCSA对于函数优化和减速器设计问题能够较好地寻优求解,总体性能良好。

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：针对樽海鞘群算法在优化过程中存在收敛速度慢、求解精度低、易于陷入局部最优解等缺点,提出了基于柯西和高斯混合变异的一种自适应变异策略的樽海鞘群算法,该算法通过选出适应度值最好的前S个个体进行自适应变异,可避免算法陷入局部最优解.通过柯西和高斯变异动态调整参数的变化提高算法的局部搜索能力和收敛速度.选取10个测试函数分别对樽海鞘群算法及改进樽海鞘群算法进行测试比较.数值分析表明,改进的樽海鞘群算法收敛速度快,寻优能力强且精度高.将改进后的算法用于提梁机主梁结构的优化设计中,该结构在满足强度、刚度、稳定性等设计要求条件下,主梁的截面积减少了13.58%,轻量化效果显著,表明该算法具有良好的工程应用价值.

摘要：针对飞蛾火焰优化算法容易出现局部最优解、接近全局最优时开发能力不足等问题,提出一种多策略融合改进的飞蛾火焰优化(RGMFO)算法。在每次迭代开始时,使用随机反向学习策略获得高质量飞蛾种群;利用高斯变异将较差的火焰个体替换为优秀个体;使用阿基米德螺线、权重因子和围绕最优火焰飞行3种方式改进飞蛾更新机制。为验证所提算法的有效性,与11个不同类型的基准函数进行寻优测试,基准函数实验结果与秩和检验表明:相较于其他优化算法及其他MFO改进算法,所提算法具有更好的全局搜索能力与更高的寻优精度。将所提算法应用于减速器设计和槽形舱壁设计的实际工程场景中,以进一步验证算法的实用性与可行性。

摘要：为了应对传统粒子群算法(PSO)存在的初始位置不均匀、易达到局部最优、搜索精度不高等问题,提出了一种基于改进Sine混沌映射的新型PSO算法。采用一种改进的Sine混沌映射技术代替传统的伪随机数方法生成初始粒子种群,以丰富种群的多样性。在原始基本位置更新公式的基础上增加两种新的位置更新机制,并分别引入一个高斯变异算子,以实现算法勘探性能和开发性能之间的动态平衡,以及在迭代过程中使粒子有效跳出局部最优。在由7个单峰函数、6个多峰函数和10个固定维函数组成的基准测试函数和3个带约束经典工程优化设计问题上对所提出算法开展仿真实验,并与其他几种流行的PSO变体进行对比。仿真结果表明:与其他PSO变体相比,基于改进Sine混沌映射的新型PSO算法具有更快的收敛速度和更高的寻优精度,对于基准测试函数的寻优结果有20个排名第一,约为总测试函数的87%;该算法在压力容器和工字梁设计优化中,综合性能排在第一位,应可用于解决一些实际工程优化问题。

摘要：为了验证基于改进人工蜂群算法的径向基函数(RBF)神经网络模型在地下水埋深预测中的可行性和优越性,在基本人工蜂群算法中引入高斯变异算子,优化初始蜜源位置,设计建立基于改进人工蜂群算法的RBF神经网络模型(IABC-RBF).通过输入泾惠渠灌区的年降雨量、年渠首引水量、年田间灌溉用水量、年地下水开采量和前一年的地下水埋深共5个相关影响因子的数据,对地下水埋深进行预测,与实测的地下水埋深数据进行比较,误差很小.与RBF神经网络模型和基于基本人工蜂群算法训练的RBF神经网络模型(ABC-RBF)的预测结果进行比较,结果表明,基于改进人工蜂群算法的RBF神经网络模型收敛速度更快,预测结果误差最小,精度最高.

摘要：针对传统差分进化算法在解决复杂优化问题时存在收敛速度慢的问题,提出了一种余弦适应性骨架差分进化(CABDE)算法,算法设计了一种新的变异策略适应性机制。该机制引入一个余弦适应性因子,实现高斯变异策略和DE/current-to-best/1变异策略的优势互补,以平衡算法的勘探能力和开采能力。其中,高斯变异策略具有较强的全局搜索能力,有利于维持种群多样性。DE/current-to-best/1变异策略具有较强的局部搜索能力,能够加快对较优区域的开采。同时,高斯变异策略和DE/current-to-best/1变异策略都利用当前最优个体来引导算法搜索方向,从而尽可能地加快收敛速度。余弦适应性因子在进化过程中随迭代次数的增加而波动性调整,为不同进化阶段适应性地选择变异策略。设计的变异策略适应性机制能够在维持种群多样性的同时加快收敛速度。为测试算法性能,采用18个不同特性的测试函数对算法进行数值实验。对CABDE算法的变异策略和参数动态变化进行了分析,实验结果验证了变异策略和参数动态变化的有效性。此外,CABDE算法分别与新近的骨架算法变体、差分进化算法变体、粒子群优化算法变体和人工蜂群算法变体进行了比较。实验结果表明,CABDE算法获得了较高的求解精度,加快了收敛速度,整体上优于其他比较算法。

摘要：为解决船舶在开阔水域中的避碰决策问题,提出基于混合粒子群算法的船舶避碰决策方法。首先,针对粒子群算法在迭代后期容易陷入局部最优的局限性,引入高斯位置变异概念,扩大粒子的搜索广度,利用自适应策略对惯性权重进行改进,在保证粒子多样性的同时,提高粒子的局部搜索能力;其次,基于多目标优化方法构建目标函数,引入基于模糊综合评价策略构建的船舶碰撞危险度模型,统筹考虑《国际海上避碰规则》、海船船员通常做法、航行安全性与经济性,实现了多船会遇态势下的避碰路径规划;最后,通过Matlab仿真实验验证了该算法的有效性。相比标准粒子群算法,本文船舶避碰决策效果显著提高。

摘要：提出了一种新的正交遗传算法(OBGA),算法的特点是利用正交数组产生初始种群,它比随机产生的初始种群更均匀分布在解空间中,而且在正交设计的基础上提出了一种新的杂交算子,与高斯变异算子相结合,提高了种群的多样性和算法的局部搜索能力,最后对6个多峰函数进行了测试。数值实验结果表明,新算法正确高效,稳定性好。