自适应变异

摘要： 传统自动入库泊车轨迹优化算法不易寻到光滑、精确且优化的泊车轨迹。结合智能自动入库泊车原理,本文提出一种基于三次样条插值的自动入库泊车方法,从而获得理想优化的泊车参考轨迹。为了有效地提升自动入库泊车轨迹寻优算法的性能,以泊车轨迹最短作为优化目标来选定一组合适的泊车位置参考点,在三次样条插值的基础上,又提出一种免疫粒子群改进算法。首先,为提升算法全局搜索性能和收敛速度,引入自适应变异策略;然后,引入免疫机制来有效提升其全局优化能力。测试函数及自动入库泊车实际算例的仿真结果表明,所提出的自动入库泊车免疫粒子群改进算法具有更高的寻优精度和较快的收敛速度。

摘要： 目前空气污染严重,为了实时监测空气质量,保证人们的生活健康,提出了一种新的神经网络预测模型来提高PM;的预测精度。通过PCA降维缩减数据的维度简化数据,将PSO的惯性权重从线性减小改进成非线性变化,再将加速因子从固定值进行线性变化,动态地调整了粒子的局部寻优和全局寻优,并且在原有的基础上加入了遗传算法的变异操作,进行自适应变异,避免其陷入局部最优,并对粒子的适应度函数做改进。采用改进的PSO算法优化BiLSTM结构的迭代次数、学习率、两个隐含层的节点数,构成PCA-IPSO-BiLSTM神经网络预测模型。最后将该预测模型与PCA-PSO-BiLSTM、PSOBiLSTM预测模型进行对比,结果表明该预测模型的优化性能最好,预测精度更高,在预测PM;浓度值上有巨大的使用价值。

摘要： 针对传统自适应差分进化算法局部搜索能力薄弱,寻优精度低的缺点,提出一种基于邻域搜索的改进自适应差分进化算法(DADE)。在传统自适应差分进化算法的基础上,通过引入邻域搜索操作,扩大了算法搜索的范围,通过引入高斯扰动来进一步提高算法的收敛速度。在IEEE CEC2013函数集中选取15个基准函数进行实验,与先进的算法变种SinDE、MDE、FWADE,FWA的性能进行比较。实验结果表明,DADE算法在13个函数的误差均值上小于对比算法。

摘要： 针对传统随机森林参数寻优方法的不足,引入均衡惯性权重和自适应变异对粒子群优化算法进行改进,提出了一种基于改进粒子群优化算法和随机森林算法(改进PSO-RF算法)的大坝变形预测模型。实例验证结果表明,在计算效率方面,与传统网格搜索法相比,改进PSO-RF算法显著提升了模型的寻优速度;在预测精度和稳定性方面,基于改进PSO-RF算法的大坝变形预测模型明显优于长短期记忆网络、支持向量机和BP神经网络模型。

摘要： 为了研究过道布置问题中设施关系对布局的影响,首先,考虑定位约束与排序约束,构建过道布置问题混合整数规划模型,并提出一种求解该问题的自适应混合克隆选择算法,在克隆操作之前新增符合受约束过道布置问题特性的2-opt操作,随后对所产生种群中最优个体进行禁忌搜索操作,对其他个体进行变异操作并设置自适应变异概率;然后,对模型进行精确求解以验证模型的正确性且求解结果为算法提供了理论依据;最后,应用所提算法分别对受约束过道布置问题与基本过道布置问题的42~49规模实例进行测试,并将求解结果与克隆选择算法、遗传算法、分散搜索算法、花授粉算法以及烟花算法进行对比,结果表明:混合克隆选择算法可以达到当前先进算法的求解效果且在算例sko-42-04与算例sko49-03上表现更优.

摘要： 针对支持向量回归机在预测建模中的参数选取问题,提出一种基于混沌自适应策略的粒子群优化支持向量回归机参数的方法.采用混沌映射算法和聚合度自适应判断策略,增强种群的全局寻优性能,提升粒子的多样性,从而避免种群过早收敛.充分考虑天气、节假日、居民消费等因素的影响,提出一种改进的支持向量回归机预测模型并与粒子群算法的支持向量回归机模型进行对比分析.分析结果表明,该预测模型可将预测的均方根误差降低约40％,绝对值误差降低约42％,相对误差降低约46％,仿真结果验证了所提方法优化了支持向量回归机参数,改善了预测效果.

摘要： 针对标准粒子群算法优化多变量系统的解耦控制时存在陷入非全局最优值的问题,设计出一种基于自适应变异的粒子群算法优化多变量系统解耦控制器的方法.该方法以标准粒子群算法为基础,在种群进化过程中引入变异操作,对不同进化程度的粒子以不同的概率进行更新,其中没有达到个体最优的粒子以随机的大概率进行位置与速度的初始化,对已经早熟的粒子以一定的小概率更新进化路径,以此来提高种群搜索全局最小值的能力.种群寻到最优值的状态就是控制器效果最好的状态,利用新的网络模型即可解决上述问题.经过对比仿真,验证了该方法的可行性.

摘要： 风电规模化并网技术的大力发展,进一步增大了对电力系统规划与运行的影响.现今,风电机组出力面临着波动的随机性以及不确定性的技术性问题,为了提高短期风电功率预测的精度,文中提出了一种结合基于群体适应度方差自适应变异的蝙蝠优化算法(AMBA)与BP神经网络算法,就短期风电功率进行精准预测.该模型根据群体适应度方差以及当前最优解的数值来定位当前最优个体的变异概率,并对全局最优个体进行t分布变异,对变异后的蝙蝠个体进行二次寻优.利用AMBA优化BP神经网络中包含的网络参数,进而提高了BP神经网络的预测精度.通过对实例进行分析,将AMBA-BP模型预测效果与其他模型预测结果相对比.结果 表明,该模型能有效提高短期风电功率预测精度.

摘要： 针对传统多目标优化算法在求解Pareto解集时存在全局搜索能力与局部寻优能力无法得到有效平衡的问题,提出了一种基于多邻居结构的自适应元胞差分算法.该算法在保留传统元胞差分算法进化特点的基础上,使用更加丰富的多邻居结构替换原有的单一邻居结构,并且依据相应元胞个体的性能优劣来对其邻居结构进行选择分配.同时,面对进化过程中的复杂性能需求,算法定义了一种周期性变化的变异策略来实现不同进化阶段的自适应调节.最后,利用DTLZ系列测试函数对算法性能进行测试,并通过与四种经典的多目标优化算法相比较,证明了改进后的算法拥有更好的收敛性与分布性.

摘要： 输电线路覆冰严重危害电网安全运行,因此,有必要开展线路覆冰预测研究.随着人工智能技术的不断发展,其在电网覆冰监测中的优势逐渐凸显.现有的基于覆冰增长物理模型和统计回归模型覆冰预测方法,一定程度上实现了通过微气象等因素预测覆冰增长的效果,但大都针对短期覆冰周期,对数据采集频率有很高的要求,实际工程中实现较为困难.因此文章统计分析了重庆市送变电公司2015—2019年线路观冰数据,得到了西南地区高湿环境下输电线路覆冰特性及规律,并依据覆冰增长物理过程选取了工程可测量气象参数作为覆冰影响因素,提出了一种基于自适应变异粒子群算法(adaptive mutation particle swarm optimization algorithm,AMPSO)优化BP神经网络的人工智能覆冰厚度预测模型,优化了BP神经网络的权值阈值选取,优化后的模型在预测精度上要强于单一BP神经网络与已有研究中提出的小波神经网络,具有良好的工程适用性.

摘要： 花授粉算法是计算智能领域的一个新方法,但该算法也存在收敛精度较低、收敛速度较慢等问题.针对此类问题,提出了一种自适应变异的量子花授粉算法.该算法首先将量子搜索机制引入花授粉算法,利用量子的随机性,提升算法的全局搜索能力;然后给出基于前后两次群体平均位置标准差的群体多样性评判准则,并在此基础之上,对失活个体进行变异操作,改善群体多样性的同时,引导群体向最优解方向搜索;最后在10个标准测试函数上进行实验,结果表明,自适应变异的量子花授粉算法具有较快的收敛速度与良好的收敛精度,优于基本花授粉算法及其它群体智能算法,是解决复杂函数优化问题的有效方法.

摘要： 针对标准粒子群优化(SPSO)算法易陷入局部最优的缺点，引入了一种自适应变异的粒子群优化(AMPSO)算法用于电力系统输电网规划。该算法在迭代过程中加入变异操作，并根据种群适应度方差值自适应地调整变异概率的大小，以此来增强算法跳出局部最优的能力。在输电网规划算例中的应用结果表明，变异操作改善了算法的寻优性能，使得AMPSO算法的寻优效率远高于SPSO算法。

摘要： 粒子群优化(PSO)算法是一种基于群体智能的全局优化算法,而自适应变异的粒子群优化(AMPSO)算法是为了克服一般的粒子群优化算法的早熟收敛问题而提出的.采用基于熵极大的初始化方法,增强初始化粒子群的多样性,通过典型测试函数对其性能进行分析,说明了算法的有效性.将熵极大自适应变异粒子群优化算法应用于PID参数设计,通过与遗传(GA)算法、基本AMPSO算法设计的数值仿真结果进行比较,进一步说明了该算法的可行性、有效性和应用价值.

摘要： 本文研究了一类新型的全局优化的勘探与发掘算法─多父杂交-自适应变异演化算法。该算法的基本思想可追溯到多个根源：一是多岛并行搜索模型,分布式多父体杂交模型,全局搜索与局部爬山混合模型,以及多子空间搜索模型,新算法融合了多父体杂交模型和自适应变异的特点,采用分布式多群体协同勘探与发掘策略。本算法用于求解一套(6个)测试问题得到了满意的结果。数值实验表明：它是一种十分有效的通用全局优化算法,这种算法具有较粗的并行计算粒度,适合于大规模分布式并行处理，特别适合于并行求解复杂的高维非线性规划问题。

摘要： 本文介绍了一个基于虚拟可重构电路的演化平台．在该平台上，以自适应变异比率控制方法演化2位乘法器为实例，通过分别单独控制虚拟可重构电路中各个配置字串(cfg)的变异探讨了虚拟可重构电路矩阵结构对进化速度的影响．结果显示，矩阵结构对进化速度的影响逐列减弱，且该作用受自适应变异率范围大小影响，而不受自适应变异率变化的干扰．

摘要： 免疫优化算法是基于免疫系统仿生的一种启发式进化算法。物流配送中的车辆调度问题(VSP)是在基本的旅行商问题(TSP)上增加多约束条件的一种变化形式,是一个典型的NP难问题。针对车辆调度问题的特殊性,本文提出了一种改进的免疫优化算法来求解这一问题。将交叉算子改为适用本问题的部分映射交叉算子,同时引入基于次序的自适应变异方式。求解VSP的仿真结果显示了算法对VSP问题的有效性并显示出优良的性能。

摘要： 结合遗传算法与梯度下降法优点，提出了一种训练神经网络权值的混合优化算法。首先，利用全局搜索能力强的遗传算法，采用自适应变异概率，优化网络的权值，能够在进化结束时寻到全局最优点附近的点。然后，在遗传算法搜索结果的基础上，利用局部寻优能力较强的梯度下降法，从此点出发，进行局部搜索，最终达到网络的训练目标。研究说明：混合优化算法的收敛速度明显提高。

摘要： 带阀点效应的经济负荷分配问题是个不连续、非线性、含等式约束的优化问题,很难应用经典数学算法来解决.针对忽略网损的经济负荷分配问题,本文提出一种带可行引导的粒子群优化算法,针对问题的等式约束,提出一种简单可行的引导算法来修正不可行解;并采用概率性自适应变异,提高了算法的全局收敛性.对常用仿真算例进行了测试,并与其它改进智能算法进行了比较,结果表明了该算法的有效性。

摘要： 软测量技术是工业计算机优化控制的有利工具，本文针对一些与生产密切相关而又难以直接测量的过程变量，采用数据库、动态链接库、多线程、COM等技术结合虚拟仪器LabWindows/CVI为软件开发平台，运用RBF神经网络控制建立软测量模型。结果表明，该系统可以提高软测量模型精确度和鲁棒性并且可移植性强可以避免二次开发，是自动监测和过程优化的有利工具。

摘要： 软测量技术是工业计算机优化控制的有利工具，本文针对一些与生产密切相关而又难以直接测量的过程变量，采用数据库、动态链接库、多线程、COM等技术结合虚拟仪器LabWindows/CVI为软件开发平台，运用RBF神经网络控制建立软测量模型。结果表明，该系统可以提高软测量模型精确度和鲁棒性并且可移植性强可以避免二次开发，是自动监测和过程优化的有利工具。

摘要： 本发明涉及一般建筑物构造领域，具体地说是一种用于能对高层或高耸建筑的振动进行控制的自适应变频调谐质量阻尼减振装置以及一种自适应变频方法。克服现有的调谐质量阻尼器无法同时满足对被控结构多个频率的振动进行较好控制、结构简单且不需要外部能量支持的缺陷。包括调谐质量阻尼器，该调谐质量阻尼器包括质量块、阻尼器和弹性构件，其中，所述的自适应变频质量阻尼减振装置还包括具有特定固有频率的小弹簧质量系统，该系统由弹性构件和小质量块组成，小弹簧质量系统通过变刚度驱动系统与调谐质量阻尼器连接，各变刚度驱动系统之间通过并联或串联方式连接。其实现了在多个频率对被控结构的振动进行较好地控制，结构简单，制作方便，工作时不需要外部能源，成本低。

摘要： 本发明属于减震耗能装置技术领域，特别涉及一种适应地震环境的自适应变摩擦阻尼装置及自适应变摩擦阻尼方法。所述摩擦阻尼装置用于抵抗地震中的地震载荷；所述摩擦阻尼装置包括第一滑动板、第二滑动板、第一固定板、第二固定板、第一主摩擦板、第二主摩擦板和芯板；所述第一固定板、第一滑动板、芯板、第二滑动板和第二固定板层叠设置；所述第一主摩擦板和第二主摩擦板对称镶嵌在所述芯板的上下两面。所述摩擦阻尼装置采用反向不连续斜坡面结构设计，通过三角位置斜坡面受力布局方式，使固定板和斜坡板在斜面相互作用时受力更均匀、稳定，可以容易实现拉、压双向运动时变阻尼力输出，可以依靠自身凹凸结构实现双行程限位功能，具有很好的工程实用性。

摘要： 本发明公开一种自适应变速器及具有自适应变速器的汽车，包括输入轴、主行星轮机构、副行星架太阳轮、副行星轮机构、单向离合器、壳体和输出轴，壳体的两端各设置有一个工位孔，通过工位孔安装输入轴和输出轴，输入轴的输出轴端设置有输出轴端齿，输入轴的中部套设有轴肩轮齿，输出轴的输入端设置有输入轴端齿。当驱动输入轴转动，使得输出轴端齿和轴肩轮齿转动，带动副行星轮机构、主行星轮机构和副行星架太阳轮转动，带动输出轴旋转输出动力。当输出轴的阻力增大时，使得主行星架趋于空转的加速转动，进而驱动副行星架脱离单向离合器的作用反向转动，继而使得主行星轮机构不间断受副行星架机构的传动，达到变速的目的。

摘要： 本发明涉及一般建筑物构造领域，具体地说是一种用于能对高层或高耸建筑的振动进行控制的自适应变频调谐质量阻尼减振装置以及一种自适应变频方法。克服现有的调谐质量阻尼器无法同时满足对被控结构多个频率的振动进行较好控制、结构简单且不需要外部能量支持的缺陷。包括调谐质量阻尼器，该调谐质量阻尼器包括质量块、阻尼器和弹性构件，其中，所述的自适应变频质量阻尼减振装置还包括具有特定固有频率的小弹簧质量系统，该系统由弹性构件和小质量块组成，小弹簧质量系统通过变刚度驱动系统与调谐质量阻尼器连接，各变刚度驱动系统之间通过并联或串联方式连接。其实现了在多个频率对被控结构的振动进行较好地控制，结构简单，制作方便，工作时不需要外部能源，成本低。

摘要： 本发明公开了一种基于强化学习的模糊测试用例自适应变异方法和装置，该方法选择与待变异测试用例类型对应的变异操作组进行自适应变异的学习，从而能够有针对性地选择变异策略，进而实现更为细粒度的变异操作；本发明进一步采用类型信息和变异操作组成上下文信息输入单步强化学习模型，单步强化学习模型将不同变异操作的选择问题转化为多臂赌博机问题中不同摇臂的选择，使用上下文相关的置信区间上界算法LinUCB进行自适应变异操作的学习，以实现不同类型场景下的变异操作自适应学习，从而采用能够获得更高路径覆盖率的变异操作进行测试用例变异，提高模糊测试自适应变异的效率和质量。

摘要： 本发明主要属于带钢板形控制技术领域，具体涉及一种引入自适应变异的PSO‑BP神经网络带钢凸度预测方法。该预测方法通过实际数据对板形预测模型进行实时修正，满足轧机板形模型不断变化的实际情况；不需要建立轧制过程的一个准确模型，只需要确定输入、输出即可，通过修改预测算法以及控制参数，将自适应变异用于PSO‑BP算法，既可避免陷入局部最小值，又可实现带钢凸度的准确预测，满足轧制现场要求，更加精确地进行板形预测以提高板形的控制精度。

摘要： 本发明是一种基于多目标自适应变异鸽群优化的无人机集群避障方法，其实现步骤为：步骤一：初始化；步骤二：根据集群权重确定无人机期望集群速度变化；步骤三：根据避障权重确定无人机期望避障速度；步骤四：多目标自适应变异鸽群优化初始化；步骤五：通过多目标自适应变异鸽群优化计算集群和避障权重；步骤六：运行无人机模型；步骤七：判断是否结束仿真；该方法旨在提供一种分布式的无人机自主集群避障控制方法，在提高无人机集群在避障过程中的鲁棒性、适应性和简单性，从而有效提高复杂环境中的集群任务执行能力水平。

摘要： 本发明涉及语音识别技术领域，一种融合数据归一化的自适应变异鸟群语音识别系统，通过采用自适应变异的方法对鸟群个体更新方法进行改进，在鸟群算法在迭代更新初期，引入一种变异操作，对参数自适应过程进行优化，并结合数据归一化方法，简化了数据结构和算法复杂度，有效提高了算法的种群多样性，增强了模型的泛化能力，解决了算法早熟收敛以及搜索能力随代数增加而逐渐下降的问题，改善了易陷入局部最优的缺陷。本发明识别准确率更高，收敛速度更快，鲁棒性更强，寻优效果更好。

摘要： 本申请公开了一种基于自适应变异差分进化的云计算负载均衡方法及系统，首先根据所设置的初始迭代参数随机产生初始种群；计算当前迭代轮次的种群中每个个体的适应值，并找出当前种群最优解，得到当前种群的群体相似度系数，并确定对应的变异操作模式；然后进行交叉操作得到交叉操作结果；根据适应度函数采用误差性能指标ITAE产生更新后的种群；最后判断当前迭代轮次为最大迭代次数时，则调用蚁群算法计算全局最优路径。可以看出，本发明通过自适应变异差分进化算法对ACO算法的信息素等随机初始化的参数进行优化，实现前期提高全局搜索能力后期提高局部搜索能力，有效的降低了这一问题传统方法对搜索所需时间长，提高了负载均衡的工作效率。

摘要： 一种具有自适应变异能力的多微网低频减载控制方法，包括以下步骤：获得多微网内各分布式电源出力与频率信息并计算孤岛多微网内功率缺额；基于模糊数学中隶属度函数确定负荷评价影响因素的隶属度；根据最大隶属度原则确定负荷评价影响因素的评价等级；基于CLS‑SVM得到负荷切除决定因子，以完成敏感负荷的综合评价，确定减载策略中相应的减载位置；构建低频减载模型，并基于一种具有自适应变异能力的低频减载模型求解方法确定各减载位置最优减载量，得到最优减载策略。该方法在多微网非计划孤岛时能够提供有效的减载策略，弥补了孤岛多微网内较大的功率缺额，减小频率波动范围与频率恢复稳定时间，提高了孤岛多微网的运行稳定性并且兼顾了减载经济性。