摘要：针对鸡群算法收敛速度慢且容易陷入局部最优的不足,从平衡勘探与开发的角度提出一种基于刺激-响应机制的改进鸡群算法.首先,考虑公鸡的引领作用为其设计勘探和开发两种搜索方程;然后,根据种群聚集度和平均改进度定义执行搜索方程的刺激和阈值;最后,在刺激-响应机制下,公鸡充分发挥引领作用,带领鸡群完成勘探与开发.将改进算法用于基准函数优化和食管癌生存风险预测模型优化,并与其他改进的鸡群算法进行对比,表明了所提出算法的有效性.

摘要：针对鸡群算法(Chicken swarm optimization,CSO)求解复杂高维问题收敛精度低、容易陷入局部极值等问题,提出了一种基于自适应子种群和动态反向学习的改进鸡群(ICSO)算法.根据鸡群算法迭代进化进程,自适应确定公鸡种群规模大小,并据此将母鸡种群和小鸡分成若干个子种群;设计进化停滞判定机制,并引入动态反向学习因子以改进算法个体更新方式,有效保持鸡群样本多样性和算法全局深度搜索能力.典型测试函数仿真实验结果表明,与SFLA算法、PSO等智能优化算法相比,ICSO算法具有更高的收敛精度和更优的复杂函数优化能力.

摘要：基于鸡群算法运行过程中易于陷入停滞状态的不足,提出了一种基于耗散结构的鸡群算法,并以水库优化调度模型为基础,将耗散鸡群算法应用于解决水库优化调度问题。对比分析不同算法的水库调度实例优化结果可知,基于耗散结构的鸡群算法求解水库优化调度问题是行之有效的。

摘要：随着焊接制造工艺要求的日益提高,要求焊接机器人具备更高的位姿精度,因此对焊接机器人逆解的要求更高。为此,提出了改进鸡群算法,该算法适用于各类六轴焊接机器人逆解。通过使用混沌反向学习的策略初始化种群,增强了初始鸡群粒子的均匀性和遍历性;改进了母鸡影响因子,有效的克服了局部收敛和“早熟”现象并提高了算法的求解精度和速度;引入鲸鱼算法中的螺旋更新法则,提高了算法的寻优能力和求解精度。仿真实验表明:改进后的鸡群算法在求解机器人逆解时寻优能力有较大的提升,改善了局部收敛和早熟现象,提高了算法的稳定性。

摘要：针对传统PID控制器在复杂被控对象上难以获得理想的控制性能,提出了模糊PID控制器(FUZZY-PID)。研究模糊PID控制器的设计,为了有效寻找模糊PID控制器中的参数,将改进鸡群算法用来优化模糊PID控制器的参数。通过建立带改进鸡群算法的模糊PID控制器模型,使控制规则和隶属函数更加合理,以增强控制器的自适应能力。仿真结果表明,改进鸡群算法的模糊PID控制方法(ICSO-FUZZY-PID)与基本模糊PID控制算法(CSO-FUZZY-PID)和经验试凑的模糊PID控制算法(FUZZY-PID)相比,明显提高了系统的性能指标。

摘要：为了有效解决鸡群算法(Chicken Swarm Optimization,CSO)多维复杂优化中收敛效率不高、运算速度慢等缺陷,提出一种基于改进FCM和MPI的并行鸡群算法(MCSO)。引入改进FCM,通过设计贪婪聚类初始化策略,以提高聚类结果的质量和鲁棒性;采用改进FCM对鸡群种群进行聚类划分,得到若干个子族群,使得同一子族群内个体具有更多相似性,不同子族群具有更大差异性,在此基础上,建立鸡群等级关系和学习进化策略;构建MPI并行运算架构,子族群独立执行迭代进化计算,在并行运算架构下协同交流信息,以提高算法运算效率。仿真实验结果表明,与其它智能优化算法相比,PCSO算法具有更高的收敛精度和更快的运算速度。

摘要：为了进一步拓宽鸡群算法的研究领域,设计一种离散型鸡群算法(DCSO)。针对0-1背包问题的特点,在基本鸡群算法的基础上,对更新后的鸡群进行离散化处理,同时,在公鸡的位置更新过程中,引入自适应权重组合变异算子并动态调整变异权重,增强种群的多样性,更好地维持算法的"开采"与"搜索"两个阶段的平衡。最后,采用贪心修复算子对不可行解进行修正。通过4个经典0-1背包问题实例的仿真结果表明,相比离散粒子群算法、遗传算法和蚁群算法,DCSO算法在解的质量、收敛速度以及鲁棒性等方面效果显著提升,验证了该算法的可行性。

摘要：针对传统GM(1,1)模型的模拟精度和预测精度不高的问题,提出了基于鸡群优化(chicken swarm optimization,CSO)算法的改进模型CSO-GM(1,1)。首先,为了提高模型的模拟精度,在模型的初始条件中引入扰动因子。其次,为了提高模型的预测精度,设计了一种基于新信息优先原理的优化模型。最后,利用鸡群算法对模型中的参数进行优化,进一步提高了模型的模拟和预测精度。利用多组不同增长幅度的指数序列和实际算例进行测试,结果显示在模拟精度和预测精度上,CSO-GM(1,1)模型都优于其他对比模型,从而验证了改进模型的有效性。

摘要：核电厂稳压器的压力控制系统具有非线性、时变性等特点。在分数阶理论的基础上提出分数阶PIλDμ控制算法(FOPID),实现了比例-积分-微分控制(PID控制)的由点到面的控制,同时引入短反馈算法,使控制更加精确。相较于传统PID控制多了2个参数的自由度,并采用一种间接算法(Oustaloup算法)实现其控制器的设计;并提出了一种生物启发式算法——鸡群算法(CSO),解决了分数阶PI~λD~μ参数的整定问题。为了避免局部最优和早熟现象,又提出了一种改进的CSO算法(ICSO),算法中更改了小鸡的位置更新公式,并引入混沌初始化和随机权重,提高算法的精度,从而获得全局最优。仿真结果表明:鸡群算法优化后的FOPID具有更加优良的性能指标和抗扰动能力。

摘要：传统城市园林GIS数据均衡化处理技术忽略了对调整参数的全面寻优,导致部分数据仍存在不均衡问题。为此,提出基于改进目标进化算法的城市园林GIS数据均衡化技术。针对城市园林GIS数据,结合SMOTE算法与遗传算法,形成一种新的改进目标进化算法——GSA算法,对GIS数据完成二次采样,通过鸡群算法求解目标函数最优解,以此得到多个最优调整参数,使图像灰度分布更加均匀,实现城市园林GIS数据均衡化处理。实验结果表明,与传统技术相比,改进目标进化算法的GIS数据均衡化效果更好,证明该技术具有理想应用性能。