摘要：研究了黑猩猩算法对光伏最大功率追踪的优化,提出相应模型和方法。分析了月球科研站的光伏条件,建立了光伏系统仿真模型,模型包括光伏电池组、DC/DC变换器、最大功率追踪模糊逻辑控制器。模型根据电池组的非对称特性,设置控制器隶属度函数实现最大功率追踪。通过黑猩猩算法对最大功率追踪性能进行优化,提出适合评估最大功率追踪速度和精度的适应度函数建立方法以及隶属度函数参数迭代优化方法。根据运行结果优化控制设置,并与传统扰动观察控制进行对比。仿真结果表明:采用提出的优化模型和方法,光伏系统可以实现更快的功率追踪速度和更准确的最大功率输出。

摘要：针对黑猩猩优化算法(ChOA)在寻过程中求解精度低、收敛速度慢以及易陷入局部极值点等问题,提出一种新型的柯西扰动黑猩猩优化算法(CP-ChOA).首先采用佳点集映射初始化种群,增加算法在初始阶段的多样性;然后利用变异的柯西算子和反向学习策略,对当前最优位置进行扰动变异并产生新解,以提高算法的收敛速度,避免算法在迭代初期陷入局部极值;最后使用单纯形法策略改善最差个体的位置,增强算法的局部开发能力.选取8个基准函数和部分CEC2014测试函数进行试验仿真,结果表明CP-ChOA算法较标准ChOA算法、改进的ChOA算法以及其他元启发式算法具有更好的寻优性能,并通过优化2个工程设计问题,验证了CP-ChOA算法在工程上的可行性.

摘要：针对传统方法的不足,提出一种融合黎曼流量子学习黑猩猩优化算法的三维航迹规划方法。为提高黑猩猩算法的寻优精度,引入非线性收敛因子均衡算法全局搜索与局部开发,设计自适应惯性权重提升算法全局搜索能力,融入黎曼流量子学习提高种群活跃度,避免生成局部最优解。建立三维航迹规划的约束模型和多目标代价函数,将航迹规划转化为多维函数优化问题,利用改进黑猩猩算法进行求解。实验结果表明,改进算法搜索精度更高,规划航迹能够规避所有威胁,具有更小的航迹代价。