高斯变异

摘要： 花朵授粉算法(Flower Pollination Algorithm,FPA)是一种新颖的智能优化算法,广泛应用于解决复杂工程优化和多目标优化问题.针对该算法收敛精度低、速度慢和维数敏感等问题,通过引入佳点集理论初始化种群,使用自适应转化概率调整自花授粉与异花授粉,提出一种自适应高斯变异花授粉算法.对11个测试函数进行仿真,结果表明:改进算法有较高的收敛精度和收敛速度,并改善了基本花授粉算法对维数敏感问题.

摘要： 传统K-means聚类算法容易受到初始聚类中心影响,从而导致聚类准确度较差的问题,本文利用剑鱼优化算法全局搜索能力强、收敛速度快的优势,提出一种基于改进剑鱼算法的K-means聚类算法。为增强剑鱼优化算法全局搜索能力,采用Tent混沌序列初始化种群,利用Tent混沌序列遍历性、随机性和规律性提高初始解的质量;为了提升算法搜索的精度,引入高斯变异,以此增强算法局部搜索能力;为了促使算法在跳出限制后继续搜索,在搜索停滞的解的基础上生成Tent混沌序列,用Tent混沌序列对部分陷入局部最优的个体进行扰动。最后,在9个标准测试函数上进行仿真实验,验证了所提算法的优越性;通过与传统K_means聚类算法在UCI数据集上聚类结果的对比,证明所提出的聚类算法具有更好的聚类性能,可以有效降低初始聚类中心对K-means算法的影响。

摘要： 针对蚁狮(ant lion optimizer,ALO)算法在寻优后期种群数量减少、精英蚁狮影响权重减小导致算法收敛速度较慢且易陷入局优的问题,提出基于高斯变异的蚁狮(Gaussian mutation based ALO,GALO)算法。首先引用Kent混沌对初始蚂蚁种群进行扰动,提高蚂蚁种群多样性作为蚁狮寻优的基础;其次在精英蚁狮的位置更新方式中引入上一代精英蚁狮,提高算法全局搜索的能力,并通过动态切换概率平衡算法局部和全局探索的能力;最后引入高斯变异的方法,加强后期算法跳出局部最优的能力。通过10个测试函数来评估算法的寻优能力,并将其应用到0-1背包问题、桁架尺寸和动力学优化问题中,验证了GALO算法应用于组合优化问题中收敛速度更快、精度更高,为结构优化提供了一种新的方法。

摘要： 文章针对海洋捕食者算法(Marine Predators Algorithm,MPA)求解精度不高和收敛速度慢等缺点,提出一种多子群改进的海洋捕食者算法(Multi-subpopulation Marine Predators Algorithm,MSMPA).根据不同适应度值将海洋捕食者种群分为领导者、追随者和衔尾者三个子群.领导者子群保持位置不变,追随者子群进行高斯变异,衔尾者子群由全局最优位置和平均位置矢量生成.使用不同维度的经典基准函数来评估改进海洋捕食者算法的效率.实验结果显示,经过改进的海洋捕食者算法拥有更高的寻优精度和稳定性.

摘要： 目的解决等离子喷涂工艺参数耦合导致的参数选取困难问题,提高AlCoCrNiFe高熵合金涂层力学性能。方法提出全局混沌高斯融合的海鸥算法(CGSOA),优化权值和阈值,使BP(Back Propagation,反向传递)神经网络训练输出理想控制参数。利用改进logistic混沌序列实现网络参数初始化种群的全局搜索,提高权值和阈值初始质量。引入改进logistic映射跳出局部最优,通过加强局部搜索能力,以提高算法收敛精度。引入高斯变异增加种群多样性,提高全局搜索能力。选取6个基准函数,对BAS、PSO、ACO、SOA及CGSOA算法进行测试,仿真结果表明,所提算法具有较快收敛速度、较高寻优精度和稳定性。结果CGSOA算法优化BP神经网络得出最佳控制量为:喷涂距离99.7 mm,喷涂电流649.6 A,喷涂电压56.3 V,送粉载气203.1 L/h,送粉电压5.1 V。以其进行喷涂试验,涂层结合强度和显微硬度分别为25.2 MPa和616.8HV,与模型预测值的相对误差分别为3.02%和2.91%,验证了CGSOA-BPNN应用到实际喷涂过程的可行性。结论CGSOA-BPNN对AlCoCrNiFe高熵合金涂层等离子喷涂工艺参数进行优化,进而提高涂层力学性能,具有一定的现实指导意义。

摘要： 旅行商问题(TSP)是经典的NP难问题,对该问题的研究从未停止,也得到了很多的近似求解算法,但每一种算法都各有特色,正因如此,对旅行商问题总有新的算法在提出.麻雀算法是新近提出的算法,本文对麻雀搜索算法(SSA)的原理、搜索策略以及算法的基本流程进行研究分析,针对SSA搜索接近全局最优时,种群的多样性减少,容易陷入局部最优等问题提出一种改进的麻雀搜索算法(ISSA).使用6个标准测试函数与基本SSA以及其他群体智能算法进行仿真实验,测试ISSA的性能.最后应用ISSA对旅行商问题进行求解.实验表明,改进的麻雀搜索算法的能够改善麻雀搜索算法的缺点,提升寻优能力,并且验证了其求解旅行商问题的可行性与优越性.

摘要： 针对传统樽海鞘群算法处理图像问题时收敛速度慢和精度低的问题,提出引入高斯变异、自适应惯性权重和早熟判别机制的樽海鞘群算法,并将其有效地运用在电力巡检图像增强中。改进的樽海鞘群算法(Improved Salp Swarm Aalgorith, ISSA)增强了种群多样性,扩大了种群搜索范围,克服了算法陷入局部最优解的缺陷,稳定快速地收敛于全局最优解。为了验证算法的有效性,在5个标准函数上进行测试,与其它元启发式算法进行比较,同时在电力巡检图像上进行实验。结果表明,算法寻优效率提高,对比于其它图像增强方法,上述算法使图像增强效果得到有效提升,具有较强的实用性。

摘要： 为了进一步改善花授粉算法的优化性能和灵活性,论文构建了一种自适应骨干花授粉算法,在FPA算法的局部优化部分引入骨干思想,通过自适应搜索中心的高斯变异进行位置更新,在此基础上利用指数变异进一步对位置进行优化;另外,增加信息共享的个体数量,以提高个体间的信息共享的高效性。改进算法增加了种群多样性和扩大搜索范围,提高算法跳出陷入局部极值点的概率,增强算法在多维空间中的勘探能力,提高了算法收敛速度和收敛精度。通过对四类典型测试函数的优化结果实验和采用非参数统计检验分析对比,证明了该算法的稳定性和有效性;并与知名的改进算法进行比较分析,结果显示论文算法的优化能力与对比算法相比优势较显著。

摘要： 针对多无人机网络辅助灾区用户通信的场景,构建了一种基于信干噪比(Signal-to-Interference plus Noise Ratio,SINR)检测的概率感知模型,旨在最大化无人机服务区域的覆盖率,同时降低无人机额外能耗,并提升网络吞吐量。在该模型下,提出了两种改进的麻雀搜索算法,分别为Logistic高斯麻雀搜索算法(Logistic Gaussian Sparrow Search Algorithm,LGSSA)和Logistic柯西麻雀搜索算法(Logistic Cauchy Sparrow Search Algorithm,LCSSA)。首先使用Logistic混沌序列产生初始种群,以丰富种群的多样性,提高算法的全局搜索能力;然后,在LGSSA和LCSSA中分别引入高斯变异和柯西变异因子,以改善局部最优解。仿真结果表明改进后的算法可以有效地优化无人机的空中部署,大幅度提升无人机网络的覆盖率。

摘要： 为改善群居蜘蛛优化算法中存在的收敛速度较慢和收敛精度低的问题,提出基于混沌映射与高斯变异的群居蜘蛛优化算法。首先,在种群初始化过程中采用混沌映射反向学习策略;其次,蜘蛛位置更新过程中引入自适应权重和动态概率因子;最后,在种群完成交配操作后,针对蜘蛛群中最优个体位置进行高斯变异扰动。通过实验证明:改进后的算法在测试函数上能够做到快速收敛,同时函数的最终收敛精度得到明显提高。通过30维与50维的实验结果可以看出,改进后的算法对于不同维度的函数都有着较好的收敛精度。

摘要： 本文应用粒子群算法来解决配网电容器优化配置问题，建立了相应的数学模型，目标函数包括了系统有功损耗费用和补偿电容器投资费用。在标准粒子群算法的基础上对算法进行了改进，引入高斯变异，增强了算法跳出局部最优的能力。利用基于专家先验知识的模糊推理系统选择补偿候选节点，缩小了算法的搜索空间，提高了效率。对一个69节点测试系统的优化配置结果验证了算法的可行性。

摘要： 本发明涉及基因工程技术领域，具体涉及一种基于高通量测序和高斯混合模型的拷贝数变异检测方法，包括以下步骤：数据的生产与预处理，利用最大期望算法估计高斯混合模型的参数，窗口的拷贝数估计，合并拷贝数一致率高的相邻窗口，确定最终的拷贝数和过滤。本发明方法通过高通量测序和按窗口的检测方法，提高了分辨率，即可以检测到长度更短的CNV；通过GMM的方法，不引入参考样本，可以检测常见的拷贝数变异；通过GMM的概率过滤，提高了准确率；通过确定拷贝数变异区域后再最终确定每个实验样本的拷贝数，使群体样本的结果保持一致性。

摘要： 本发明公开一种空间变异的非平稳非高斯地震动时程模拟方法，该方法通过对非平稳高斯功率谱矩阵的迭代求解，而非简单地将其假定为与目标非平稳非高斯功率谱矩阵，从而使得所模拟的空间变异的非平稳非高斯地震动时程的非平稳功率谱矩阵与目标非平稳功率谱一致，保证了模拟的准确性。通过迭代求解得到的潜在非平稳高斯功率谱矩阵后，可以使用谱表示法模拟空间变异的非平稳高斯地震动时程，然后再通过目标概率分布函数与高斯分布之间的非线性转换，将每个点的非平稳高斯地震动时程转化为非平稳非高斯地震动时程。该方法模拟的非平稳非高斯地震动时程精度高、迭代收敛性强，且可以与FFT联合使用，从而保证了模拟效率，适于推广应用。

摘要： 本发明公开了序贯高斯模拟岩土参数空间变异结构的有限元分析方法，基于参数的空间变异结构，进行条件随机场的模拟，在模拟具有定向性的各向异性的参数随机场时具有明显优势，方法简便；采用的参数随机场模拟方法以有限的空间观测数据为已知硬数据，在此条件下依据参数的二阶统计特征进行随机场模拟，提高了随机场的赋值精度，在一定程度上限制了随机场的随意性；将依据正交栅格生成的随机场数据依据具体计算模型的形状轮廓进行判定，去除轮廓外的单元数据，进而将计算模型随机场数据导入有限元软件进行确定性分析，可应用于具体工程滑坡算例进行多次确定性分析，统计足够多次计算结果的特征参量用于评价具体滑坡实例的稳定性。

摘要： 本发明涉及基因工程技术领域，具体涉及一种基于高通量测序和高斯混合模型的拷贝数变异检测方法，包括以下步骤：数据的生产与预处理，利用最大期望算法估计高斯混合模型的参数，窗口的拷贝数估计，合并拷贝数一致率高的相邻窗口，确定最终的拷贝数和过滤。本发明方法通过高通量测序和按窗口的检测方法，提高了分辨率，即可以检测到长度更短的CNV；通过GMM的方法，不引入参考样本，可以检测常见的拷贝数变异；通过GMM的概率过滤，提高了准确率；通过确定拷贝数变异区域后再最终确定每个实验样本的拷贝数，使群体样本的结果保持一致性。

摘要： 本发明公开一种空间变异的非平稳非高斯地震动时程模拟方法，该方法通过对非平稳高斯功率谱矩阵的迭代求解，而非简单地将其假定为与目标非平稳非高斯功率谱矩阵，从而使得所模拟的空间变异的非平稳非高斯地震动时程的非平稳功率谱矩阵与目标非平稳功率谱一致，保证了模拟的准确性。通过迭代求解得到的潜在非平稳高斯功率谱矩阵后，可以使用谱表示法模拟空间变异的非平稳高斯地震动时程，然后再通过目标概率分布函数与高斯分布之间的非线性转换，将每个点的非平稳高斯地震动时程转化为非平稳非高斯地震动时程。该方法模拟的非平稳非高斯地震动时程精度高、迭代收敛性强，且可以与FFT联合使用，从而保证了模拟效率，适于推广应用。

摘要： 本发明涉及一种变分推理的高斯非高斯成分协同的混杂过程故障检测方法，该方法基于学生t‑分布高斯/非高斯成分提取框架，并用于混杂过程故障检测；使用变分推理自动确定模型参数和模型选择，保证模型性能的提高；克服现有两阶段高斯/非高斯信息抽取算法存在的计算量大、忽略了两类信息的关联性等缺点，能够同时提取并灵活表示混杂分布中的高斯/非高斯信息,克服现有方法假设噪声水平单一的问题，提高了混杂过程信息提取能力。本发明给出独立成分的混合矩阵以及高斯成分的负荷矩阵初始化方法，加快算法的收敛速度。本发明的方法能够准确建立高斯分成、非高斯成分以及残差的监测统计量，更好地观测过程运行特点，有利于提高工业过程的认识水平。

摘要： 本发明涉及一种基于高斯变异遗传算法优化神经网络的小车自动寻路方法。该方法在遗传算法基础上，改用基于以标准正态分布的方式快速搜索，可行解区域，确定最优小车神经网络，使小车快速搜索全局过程解域中所匹配的最佳权值和阈值组合。本发明通过遗传算法的迭代进化思想和神经网络的结合，与所研究的优化对象及参数进行一一对应。算法使用的是python编程，在OpenGL模块下上实现该小车的二维动画可视化，从而找到该研究问题的较好的实现方法，也就是找到小车的最佳行驶路线，完成预定赛道的自动寻路过程。

摘要： 本发明属于DNA计算中编码设计领域，涉及群体智能优化算法和DNA编码，具体是基于混沌和混合高斯变异改进引力搜索算法的DNA序列优化方法。所述方法首先在D维搜索空间生成全部的DNA序列作为初始种群，再用基于混沌和混合高斯变异的引力搜索算法对初始种群进行寻优，通过不断的循环迭代最终可得优化问题的最优解；引力搜索算法需要计算每个个体不同方向上的总合力，然后根据总合力计算个体的加速度，根据加速度来更新每个个体的速度以及位置，如此循环，当算法达到最大迭代次数，算法搜索停止，最终构造出质量较优的DNA序列编码。本发明方法可以搜索出满足多个约束条件的最优DNA编码序列。

摘要： 本发明涉及一种基于高斯变异遗传算法优化神经网络的小车自动寻路方法。该方法在遗传算法基础上，改用基于以标准正态分布的方式快速搜索，可行解区域，确定最优小车神经网络，使小车快速搜索全局过程解域中所匹配的最佳权值和阈值组合。本发明通过遗传算法的迭代进化思想和神经网络的结合，与所研究的优化对象及参数进行一一对应。算法使用的是python编程，在OpenGL模块下上实现该小车的二维动画可视化，从而找到该研究问题的较好的实现方法，也就是找到小车的最佳行驶路线，完成预定赛道的自动寻路过程。

摘要： 本发明公开了一种基于自适应高斯变异的花朵授粉算法的优化方法，首先将种群按照适应度值进行排序并分组，然后更新各分组中最差个体的位置，不仅增强了算法的局部深度搜索能力而且增加种群多样性；其次，通过公示牌动态监测算法是否陷入局部最优，当陷入时，将自动引入高斯变异操作算子，对全局最优个体执行变异操作，不仅提高个体跳出局部最优的能力，而且增强种群多样性、加快收敛速度。本发明方法具有更好的稳定性和可靠性、更快的收敛速度及更高的寻优精度。