牛海帆
- 作品数：3 被引量：19H指数：3
- 供职机构：太原科技大学电子信息工程学院更多>>
- 发文基金：博士科研启动基金更多>>
- 相关领域：自动化与计算机技术更多>>
- 莱维飞行与粒子群的混合搜索算法被引量：10
- 2016年
- 粒子群算法在解决多维的复杂优化问题时,存在收敛精度不高和易陷入局部收敛等不足,针对这些问题,将莱维飞行与偏好随机游动引入粒子群算法中,提出莱维飞行与粒子群的混合搜索算法。在该算法的解更新过程中,采用莱维飞行、偏好随机游动与粒子群算法的更新方程以串行方式对得到的解进行更新寻优。实验结果表明,改进后的混合算法与粒子群算法相比较,加快了收敛速度,提高了搜索精度。
- 牛海帆宋卫平宁爱平
- 关键词：粒子群优化算法函数优化
- 混沌云模型多目标布谷鸟搜索算法被引量：4
- 2017年
- 针对多目标布谷鸟搜索算法(MOCS)迭代后期寻优速度慢,并且容易造成局部最优等缺点,提出一种混沌云模型多目标布谷鸟搜索算法(CCMMOCS)。首先在进化过程中通过混沌理论对一般的布谷鸟巢位置在全局中寻求优化,以防落入局部最优;然后利用云模型对较好的布谷鸟巢位置局部优化来提高精度;最后将两种方法对比得到相对更好的解作为最优值以完成优化。对比误差估计值及多样性指标,由5个常用多目标测试函数仿真结果可知,CCMMOCS比传统多目标布谷鸟搜索算法、多目标粒子群算法(MOPSO)及多目标遗传(NSGA-Ⅱ)算法性能更好,Pareto前沿更接近理想曲线,分布也更均匀。
- 马艺元宋卫平宁爱平牛海帆
- 关键词：云模型PARETO前沿函数优化
- 混沌布谷鸟搜索算法在谐波估计中的应用被引量：5
- 2017年
- 针对布谷鸟搜索(CS)算法存在后期收敛速度慢、计算精度不高和陷入局部最优等缺点,提出了混沌布谷鸟(CCS)算法。首先,通过混沌理论初始化种群来增加种群多样性;然后,对局部最优值引入混沌扰动算子来跳出早熟收敛,提高计算精度,进而完成全局优化。对4个单目标基准函数进行仿真测试,对比最优值、最差值、平均值、中位数值及标准差值,结果表明,基于CCS算法比CS算法有更快的收敛速度和更高的收敛精度。在电力系统中谐波问题成分引起电流波形畸变,电网不稳定。精确分析谐波成分是解决谐波污染的重要前提。将性能更好的CCS算法应用于谐波估计,通过比较估计均值及标准偏差,结果显示在分析谐波电流时CCS算法相比粒子群优化(PSO)算法具有更好的性能。
- 牛海帆宋卫平宁爱平马艺元
- 关键词：粒子群优化算法函数优化
