莱维飞行

摘要： 针对海鸥算法(SOA)在求解最优化问题中的不足和算法性能依赖于参数的选取等缺点,提出一种基于惯性权重的海鸥优化算法(Inertia Seagull optimization algorithm, I-SOA),采用非线性递减的惯性权重计算附加变量A的值来调整的海鸥的位置,通过莱维飞行和随机指数值增加海鸥飞行的随机性,增强算法搜索寻优的全局能力,避免算法寻优搜索陷入局部优值;通过12个基准测试函数将I-SOA与标准PSO,SOA,GA算法进行测试比较.实验对比结果表明,所提出的I-SOA优化算法具有较快的收敛速度、较高的求解精度和全局收敛能力.

摘要： 针对目前生鲜食品冷链物流配送存在的效率低、成本高等问题,在满足需求点时间窗和需求量的前提下,以最小化总成本为目标构建冷链配送优化模型。利用莱维飞行和反向学习对粒子群算法进行优化用于模型求解。通过试验对比和分析,对方法的优越性进行验证。结果表明,生鲜食品冷链配送路径成本平均值较改进前有显著提高,不仅配送成本降低了678.97元,而且还最大限度地利用资源。为冷链配送路径优化方法的研究提供一定的参考。

摘要： 针对标准引力搜索算法存在收敛速度过快,容易陷入局部最小值等问题,提出一种改进的基于莱维飞行的引力搜索算法,在引力搜索算法框架下引入莱维飞行产生随机步长,进一步更新种群位置。莱维步长缩放因子动态调整,随迭代次数增加,莱维更新逐步发挥作用,使算法继续保持较好的全局搜索性能。莱维更新只选择适应度无退化粒子参与下次计算,且飞行步长更新以历史最优粒子的位置为指导,增强算法记忆性,促使粒子向更优适应度方向进化。对多个标准测试函数进行仿真,结果表明改进算法较标准引力搜索算法和布谷鸟算法具有更好的全局搜索能力和寻优精度。

摘要： 针对现有基于支持向量机(SVM)的煤与瓦斯突出预测方法存在准确率低与响应速度慢的问题,提出了一种基于改进灰狼算法(IGWO)优化SVM的煤与瓦斯突出危险性预测方法。采用灰色关联熵权法分析各个影响因素对煤与瓦斯突出的影响程度,根据关联度排序提取瓦斯压力、瓦斯含量、瓦斯放散初速度和开采深度作为煤与瓦斯突出主控因素,将其分为训练集和测试集,并进行归一化处理;为改善传统灰狼算法(GWO)种群易陷入局部最优和寻优速度慢的缺陷,引入越界处理机制和嵌入莱维飞行的随机差分变异策略对GWO算法进行改进(即IGWO),有效提升了GWO的收敛精度与速度;采用IGWO对SVM的核心参数和惩罚参数进行优化,将煤与瓦斯突出的主控因素输入到IGWO-SVM中进行分类,并将其与实际测试集分类结果进行对比,实现煤与瓦斯突出危险性预测。仿真结果表明:与基于鲸鱼算法-支持向量机(WOA-SVM)、灰狼算法-支持向量机(GWO-SVM)和粒子群-支持向量机(PSO-SVM)的预测方法相比,基于IGWO-SVM的预测方法具有更高的预测精度,在提高SVM运算效率的同时满足煤与瓦斯突出预测的精度和可靠性要求,准确率达到96.67%,预测速度为5.58 s。

摘要： 文章提出了一种基于改进蚁群算法的参数寻优方法。首先,针对蚁群算法搜索最优解的范围存在局限、容易陷入局部最优的问题,将莱维飞行的思想运用到信息素蒸发系数的寻优中,扩大了最优解的搜索范围,避免了陷入局部最优的局限性。其次,为了改善火电厂过热汽温系统的控制品质,将提出的改进蚁群算法运用到火电厂过热汽温系统的参数寻优中,先后完成了过热汽温系统的模型辨识和主副回路控制器的参数优化。最后,为了验证提出方法的有效性,采用国内某600MW火电厂机组的历史运行数据进行仿真试验,试验结果证明了该方法的可行性和有效性。

摘要： 如何利用移动节点实现覆盖的最大化并减少能量的使用是研究无线传感器网络的一个重要方向。基于Circle映射,改进了莱维飞行策略;结合能量位置融合机制,用优化后的灰狼算法对无线传感器网络覆盖问题进行求解。首先,引入的Circle映射大幅改善了狼群的多样性,从而能实现更加有力的搜索;其次,改进后的莱维飞行策略平衡了不同时期对全局搜索和局部寻优的需求,一定程度上加快了搜索进程,提高了收敛速度;最后考虑能量和位置的交融,每个个体不再单一考虑位置,而是结合一部分能量因素来进行移动。仿真结果表明,未考虑能量受限的改进后的灰狼算法较基本灰狼算法覆盖率有所提升,和其他文献中的算法相比,也具有更高的收敛速度和覆盖率。在考虑能量受限以后,不但保证了覆盖率,还延长了节点寿命。

摘要： 针对原始鲸鱼优化算法(WOA)收敛速度慢、全局搜索能力弱、求解精度低且易陷入局部最优等问题,提出一种混合策略来改进的鲸鱼优化算法(LGWOA)。首先将莱维飞行引入鲸鱼全局搜索的公式中,通过莱维飞行加大全局搜索步长,扩大搜索空间、提高全局搜索能力;其次,在鲸鱼螺旋上升阶段,加入一个自适应权重参数来提高算法的局部搜索能力和求解精度;最后结合遗传算法的交叉变异思想平衡算法的全局搜索和局部搜索能力,维持种群的多样性,规避陷入局部最优。通过对12个基准测试函数从2个角度进行实验对比分析,结果表明,基于混合策略改进的鲸鱼优化算法在收敛速度和求解精度上均有明显提升。

摘要： 为提高无线传感器网络(WSNs)的节点覆盖率,降低节点冗余和延长网络使用寿命,提出一种基于混沌鲸鱼优化算法(CWOA)的覆盖优化方法。首先,将混沌理论同鲸鱼算法结合,使用改进混沌Tent映射生成初始种群,充分增加种群多样性。然后,引入莱维飞行对位置更新扰动操作,避免算法出现早熟收敛现象。仿真结果表明:改进后的鲸鱼算法同传统覆盖优化算法相比,有更高的收敛效率和覆盖率,降低了网络损耗,有效延长了网络生命周期。

摘要： 针对蝗虫优化算法(Grasshopper Optimization Algorithm,GOA)存在求解精度低,收敛速度慢等问题,提出具有扰动机制和强化莱维飞行的蝗虫优化算法(DLGOA),位置参数部分使用非线性曲线函数去平衡算法局部开发和全局探索;扰动因子引入位置更新公式,提高算法寻优精度、收敛速度;将莱维飞行的步长改进以避免陷入局部最优,并利用高斯分布的随机性增加种群多样性.通过对7个基准函数进行仿真实验以及使用Wilcoxon秩和检验来评价算法性能,实验结果表明DLGOA算法具有较好的鲁棒性以及寻优精度,且明显提升了收敛速度.

摘要： 针对无人机(unmanned aerial vehicle,UAV)离线航迹规划对算法全局搜索能力和鲁棒性的要求,设计一种自适应郊狼算法,从最优化问题角度研究UAV离线航迹规划。建立UAV离线航迹规划的数学模型;在标准郊狼优化算法的基础上设计4种操作算子和一种自适应学习机制,使算法在搜索的过程中,智能选择合适的操作算子,并设计莱维飞行策略提高算法的全局寻优能力;最后对自适应郊狼算法进行函数测试和离线航迹规划仿真。函数测试表明自适应郊狼算法具有较强的全局搜索能力,离线航迹规划仿真表明自适应郊狼优化算法能适应不同维数的离线航迹规划问题。

摘要： 基于三维直方图的最大类间方差阈值法(三维Otsu)考虑了邻域均值和中值信息,抗噪性能较好,可以获得理想的分割结果,然而其计算复杂度非常高,效率低下.萤火虫算法(Firefly Algorithm,FA)是一种新型的启发式算法.本文在介绍萤火虫算法基本原理的基础上,提出一种基于莱维飞行的分簇萤火虫算法(CBLFA),并用于改进三维Otsu阈值法的效率.实验结果表明该方法可以快速获得适合的阈值,适应度函数值总体上优于基本萤火虫算法和基本粒子群算法,是一种鲁棒性更强的三维Otsu阈值分割法.

摘要： 本发明公开了一种基于改进levy飞行蚁狮优化算法的无人机航迹规划方法。其方法步骤主要包括：步骤1.建立无人机航迹规划空间数学模型，初始化航迹规划环境参数；步骤2.构建航迹评价函数；步骤3.初始化蚂蚁和蚁狮种群，计算蚁狮位置的目标适应函数，保存最优蚁狮的位置，将levy飞行策略引入到蚁狮算法的蚂蚁随机游走中；步骤4.针对蚂蚁游走形式，应用自适应游走边界策略；步骤5.针对蚁狮向精英蚁狮靠近形式，应用自适应最优引导方程策略；步骤6.对蚁狮进行主动高斯变异策略；步骤7.按照航迹优劣顺序对蚁狮位置进行排序，重新调整最佳蚁狮的位置，当达到算法的输出条件时，得到即为规划出代价最小的航迹。

摘要： 本申请公开了一种短距垂直起降飞行器三维飞行包线计算方法及装置，其中，短距垂直起降飞行器三维飞行包线计算方法，包括获取短距垂直起降飞行器的三维飞行包线变量变化范围，并根据升阻特性确定短距垂直起降飞行器的迎角范围；根据三维飞行包线变量变化范围和迎角范围确定输入变量生成目标输入变量；根据目标输入变量计算与其对应的飞行状态量；根据飞行状态量计算与其对应的飞行性能量；筛选飞行性能量满足短距垂直起降飞行器的性能约束条件的目标飞行状态量，并根据目标飞行状态量建立短距垂直起降飞行器三维飞行包线。该方法实现了对短距垂直起降飞行器全飞行模式性能的完整刻画。

摘要： 本发明公开了一种虚拟力嵌入莱维飞行的灰狼搜索的无线传感器网络覆盖优化算法，包括：步骤一、随机确定无线传感器网络覆盖节点中N个节点位置为真实节点的初始位置；步骤二、通过修改的嵌入莱维飞行的灰狼搜索算法初始化初始位置的解为虚拟节点位置步骤三、通过修改的嵌入莱维飞行的灰狼搜索算法进行搜索和更新的位置；步骤四、通过改进虚拟力算法计算虚拟力；通过计算调整每组解节点的位置；步骤五、通过优胜劣汰选择规则式，保留由改进虚拟力算法求得的更优解通过第t代的更优解判断是否更新最优解α狼、最优解β狼，并且直到达到规定的更新次数。步骤六、输出最优解α狼作为最优节点位置；步骤七、通过节点匹配算法完成无线传感器节点部署。

摘要： 本发明属于无线传感器网络领域，提供了一种基于莱维飞行的无线传感器网络节点分簇方法，将基于莱维飞行的粒子群优化算法融入簇头节点的选举过程，粒子群按照基于莱维飞行的粒子群优化算法描述的运动轨迹对目标区域进行搜索，基于局部最优解和全局最优解的粒子的初始位置，结合适应度函数不断更新下一轮每个粒子的速度和位置，并计算下一轮每个粒子的适应度，得到每一轮的局部最优解和全部最优解的粒子的位置；对无线传感器网络的节点进行分簇，从而达到节省节点耗电量，延长节点存活时间和网络生存周期的目的。

摘要： 一种航天器深度强化学习莱维飞行控制系统，包括：自主规划模块，根据航天器的状态信息获取特征，利用该特征进行预测，并获得莱维飞行参数；莱维飞行模块，利用莱维飞行参数，确定下一时刻的飞行轨迹；航天器姿轨控模块，用于控制飞行器跟踪下一时刻的飞行轨迹。本发明在莱维飞行的基础上，采用深度强化学习以综合考虑各种因素，选择最佳的飞行轨迹，以保证在最优的飞行性能。

摘要： 一种基于维度学习策略和莱维飞行的灰狼优化方法，属于系统辨识技术领域。本发明的目的是在三匹首领狼中使用维度学习的策略构建模范狼，结合莱维飞行解决狼群都向模范狼学习导致的全局探索能力减弱和可能产生早熟收敛问题的基于维度学习策略和莱维飞行的灰狼优化方法。本发明的步骤是：在灰狼优化方法的领导层中使用维度学习策略构建模范狼；将步骤1中的模范狼应用到狼群的更新中，并结合莱维飞行设计基于维度学习策略的灰狼优化方法。本发明极大提升了标准灰狼优化算法的性能，提高了灰狼优化算法的收敛速度和收敛精度。

摘要： 本发明属于辐射源信号分离领域，目的在于提供一种基于莱维飞行细菌觅食进化的盲源分离方法：首先，对群智能交互机制参数和种群进行初始化，然后开始迭代和趋向循环，判断是否达到最大趋向次数，若未达到继续进行趋向操作，否则开始复制操作，完成复制操作后开始种群迁徙，完成迁徙后，对种群实施差分进化并进行多样性评估，若子代平均个体间距大于父代，则将子代种群替换父代；最后，判定是否达到最大迭代次数，若未达到则继续迭代，否则将最优参数组合输出至VMD中得到本征模态分量，相关运算后选取相关系数最大且与源信号具有相同数量的分量作为最终源信号。本发明提高了盲源分离的收敛速度及可靠性，增强了盲源分离的实时性及准确性。

摘要： 本发明公开了一种基于偏好网格和莱维飞行的多目标粒子群算法的肿瘤关键基因识别方法，包括利用分类信息指数对原始基因表达谱数据集进行过滤，得到初级基因池；计算初始基因池中每个基因的基因类别灵敏度信息GCS值，然后通过GCS值对粒子进行编码；以基因子集在极限学习机ELM上的分类准确率和基因子集的规模为目标，构建多目标优化模型；通过建立好的多目标模型搜索出最终的基因子集，识别出肿瘤的关键基因。在多目标优化模型方面，本发明能通过多目标模型在初级基因池里快速高效地识别出数目较少且分类性能较好的关键基因子集。

摘要： 本发明涉及数据挖掘算法和随机搜索算法的结合问题，提出基于改进莱维飞行粒子群算法的SVM参数优化算法。随着大数据时代的到来，如何提高数据挖掘算法的性能成为研究热点。传统PSO算法优化SVM参数时，存在易陷入局部极值、后期震荡严重问题。莱维飞行具有短距离的搜索兼偶尔长距离的行走相结合的特性，可以从根本上克服PSO算法易陷入局部极值的问题；考虑到算法后期震荡严重，改进粒子位置更新公式，引入动量项，可以减缓算法震荡；同时考虑到惯性权重的取值权衡着局部搜索和全局搜索，本发明基于粒子间距离的自适应惯性权重，可以提高算法收敛速度，从而提高PSO算法寻优能力，进而找到最优SVM分类模型。

摘要： 本发明公开了一种虚拟力嵌入莱维飞行的灰狼搜索的无线传感器网络覆盖优化算法，包括：步骤一、随机确定无线传感器网络覆盖节点中N个节点位置为真实节点的初始位置；步骤二、通过修改的嵌入莱维飞行的灰狼搜索算法初始化初始位置的解为虚拟节点位置步骤三、通过修改的嵌入莱维飞行的灰狼搜索算法进行搜索和更新的位置；步骤四、通过改进虚拟力算法计算虚拟力；通过计算调整每组解节点的位置；步骤五、通过优胜劣汰选择规则式，保留由改进虚拟力算法求得的更优解通过第t代的更优解判断是否更新最优解α狼、最优解β狼，并且直到达到规定的更新次数。步骤六、输出最优解α狼作为最优节点位置；步骤七、通过节点匹配算法完成无线传感器节点部署。