摘要：针对花朵授粉算法(FPA)寻优过程中局部深度搜索能力弱、易陷入局部最优、后期收敛速度慢的问题,提出一种基于自适应高斯变异的混合蛙跳花朵授粉算法(AGM-SFLFPA)。借鉴混合蛙跳算法(SFLA)思想,对种群个体按照适应度值进行排序、分组并更新各分组中最差个体的位置,增强算法的局部深度搜索能力并增加种群多样性;通过公示牌动态监测算法是否陷入局部最优,当陷入时,将自动对全局最优个体执行高斯变异操作,提高个体跳出局部最优的能力、增强种群多样性、加快收敛速度。通过6个典型的标准测试函数从4个方面验证该算法的有效性,验证结果表明,AGMSFLFPA具有更好的稳定性和可靠性、更快的收敛速度及更高的寻优精度,适用于高维复杂多极值函数求解问题。

摘要：乌燕鸥优化算法(sooty tern optimization algorithm,STOA)是近年来出现的一种新兴的群智能优化算法,因其独特的螺旋式寻优方式和在实际工程问题中显著的优化效果而备受研究与关注。然而,STOA算法本身也存在着收敛速度较慢,搜索精度较低,并且容易陷入局部最优等缺点。因此,提出了一种融合混沌映射、自适应惯性权重与高斯变异的多机制乌燕鸥优化算法(multi-mechanism sooty tern optimization algorithm incorporating chaotic mapping,adaptive inertia weight and gaussian mutation,GT-STOA),以促进群体多样性并增强算法全局搜索和局部寻优的能力。同时,为验证算法寻优效果的显著性,基于12个具有不同特征的测试函数,选取9种典型的优秀元启发式算法进行对比验证。实验结果表明GT-STOA相较于其他9种算法具有更高的寻优精度和更快的收敛速度,并且易跳出局部最优找到全局最优解。此外,为了研究GT-STOA解决实际问题的能力,对压力容器设计问题进行优化求解,所得实验数据显示GT-STOA较传统STOA算法在求解精度上提升了42.54%。

摘要：在机械加工中,夹具布局优化本身是一个多目标优化问题,目前夹具布局优化大多是以工件位置总位移最小为目标函数,视作单目标优化问题处理。针对这种情况,提出一种改进的多目标进化算法。该方法以x,y,z三个方向上的偏移量作为目标函数,引入基于高斯变异的迁移行为对基于分解的多目标进化算法(MOEAD)进行改进,满足了夹具布局中的定位点有大量的组合方式,对算法拥有较强搜索能力的需要。通过测试函数和铣通槽的实例分析,验证了该方法拥有更强的搜索能力和揭示了工件在各方向上偏移量之间的相互关系,为获得更合理的布局提供了参考依据。

摘要：为解决传统PID控制器对具有强时变性的中央空调冷冻水系统控制鲁棒性变差的问题,提出使用改进蚁群算法优化PID控制器参数的方法。为提高搜索能力和快速收敛能力,引入高斯变异及自调整信息素并使用偏差平方和作为目标函数。建立中央空调冷冻水系统模型,利用3种方法对时变模型进行仿真对比实验。实验结果表明,在时变下该算法能以较短的响应时间和较小的波动使系统达到新的平衡,控制鲁棒性优于传统PID、蚁群算法。

摘要：特征选择是一项旨在通过移除不相关、冗余的数据来减少特征数量,同时可以保持较高的分类精度的机器学习任务.针对哈里斯鹰优化算法(HHO)不能在离散的特征空间进行特征选择,以及算法后期种群多样性减少、易陷入局部最优等问题,提出了基于改进的哈里斯鹰的特征选择算法.首先使用混沌映射初始种群多样化,以确保在种群质量较优的前提下能够均匀分布于搜索空间;其次,通过引入高斯变异算子对兔子的位置进行重新更新,以避免算法陷入局部最优;最后设计二次优化算法的二进制版本并将其应用于基于KNN分类器的包裹式特征选择问题中.通过在18个经典的UCI数据集进行特征选择仿真实验,结果显示该算法在适应度值、平均分类准确度以及平均特征选择数量上比其他主流算法都能获得更好的结果,从而表明该算法能够进行有效的提取特征子集和得到更准确的数据分类,并能够实现更高的寻优精度.

摘要：提出了一种改进的全局优化进化算法.该算法采用实数编码,通过对可行域量子化用正交设计产生初始种群,用正交设计和因素分析设计杂交算子.在进行杂交之前,根据两个个体变量之间的距离恰当地应用高斯变异,平衡了算法的局部搜索能力和全局搜索能力,从而提高了算法的效率.最后的数值结果显示了该算法的有效性.

摘要：针对永磁同步电机人工水母搜索算法参数辨识精度低、同时辨识多参数速度慢、易陷入局部最优等缺点,提出一种改进型人工水母搜索算法。首先设计Tent混沌映射和反向学习策略,增强了水母群靠近最优位置的能力。其次,设计平衡算法非线性递减时间控制函数的洋流运动与水母群内部运动。最后,为了克服人工水母搜索算法易陷入局部最优导致精度下降的问题,设计高斯变异帮助水母搜索算法跳出局部最优。实验结果表明,改进型人工水母搜索算法对永磁同步电机参数辨识具有更高的精度、更快的收敛速度,辨识精度能达到99.15%。

摘要：针对猴群优化算法在结构多目标优化问题中存在计算精度较低,全局收敛能力较差,易陷入局部最优解等缺点,文中提出了一种基于高斯变异与模拟退火算法的猴群算法。选取6个经典测试函数测试混合猴群算法的寻优能力和收敛速度,通过构建相关优化模型,对15杆桁架进行优化计算。结果表明,文中所提方法的寻优精度和收敛速度明显提升。在算例中与原始算法相比结构质量减少了0.67%。验证了混合猴群算法在结构可靠性优化设计中具有更优的求解精度和稳定性。

摘要：果蝇优化算法是一种新型群体智能算法,已在多种函数优化、实例优化求解方面得到了成功的应用。为充分发挥果蝇优化算法的优点,将该算法与高斯变异算子相结合,设计了求解旅行商问题(TSP)的高效果蝇优化算法,并用其求解TSP这一经典的NP难问题。通过对比TSP问题求解结果得出改进后的果蝇优化算法性能较优。

摘要：旅行商问题(TSP)是经典的NP难问题,对该问题的研究从未停止,也得到了很多的近似求解算法,但每一种算法都各有特色,正因如此,对旅行商问题总有新的算法在提出.麻雀算法是新近提出的算法,本文对麻雀搜索算法(SSA)的原理、搜索策略以及算法的基本流程进行研究分析,针对SSA搜索接近全局最优时,种群的多样性减少,容易陷入局部最优等问题提出一种改进的麻雀搜索算法(ISSA).使用6个标准测试函数与基本SSA以及其他群体智能算法进行仿真实验,测试ISSA的性能.最后应用ISSA对旅行商问题进行求解.实验表明,改进的麻雀搜索算法的能够改善麻雀搜索算法的缺点,提升寻优能力,并且验证了其求解旅行商问题的可行性与优越性.