2024年群智能SCI1区TOP:混沌可行性恢复粒子群算法CEPSO,深度解析+性能实测
目录
- 1.摘要
- 2.改进策略
- 3.结果展示
- 4.参考文献
- 5.代码获取
1.摘要
本文研究了解决二阶段非线性固定费用运输问题(Two-stage NFCTP),该问题的特点是每条运输弧线都与固定费用和与运输量的平方成正比的变量费用相关联。由于涉及固定费用和非线性组件,问题被归类为NP-hard问题,因此本文提出了混沌可行性恢复粒子群算法(CEPSO),该算法引入非线性自适应惯性权重和加速度系数,以改善搜索过程中的探索和开发能力;集成十种混沌映射到加速度系数,进一步提升优化性能;采用可行性恢复机制,包括约束遵循调整和比例调整程序,确保生成的解始终满足可行性要求。
2.改进策略
位置更新
在PSO算法中,速度更新方程中的惯性权重 w w w和加速度系数 c 1 , c 2 c_1,c_2 c1,c2是引导搜索向最优解靠近的关键因素。本研究对这两个关键参数进行了改进:
{ c 1 ( t ) = c m a x − ( c m a x − c m i n ) ∗ ( t / t m a x ) ϕ 1 , c 2 ( t ) = c m i n + ( c m a x − c m i n ) ∗ ( t / t m a x ) ϕ 1 , ω ( t ) = ω m a x − ( ω m a x − ω m i n ) ∗ ( t / t m a x ) ϕ 2 , \begin{cases} c_1(t)=c_{max}-(c_{max}-c_{min})*(t/t_{max})^{\phi_1}, \\ c_2(t)=c_{min}+(c_{max}-c_{min})*(t/t_{max})^{\phi_1}, \\ \omega(t)=\omega_{max}-(\omega_{max}-\omega_{min})*(t/t_{max})^{\phi_2}, & \end{cases} ⎩ ⎨ ⎧c1(t)=cmax−(cmax−cmin)∗(t/tmax)ϕ1,c2(t)=cmin+(cmax−cmin)∗(t/tmax)ϕ1,ω(t)=ωmax−(ωmax−ωmin)∗(t/tmax)ϕ2,
为了进一步增强所提算法的优化能力,论文将混沌映射引入了第一步中定义的加速度系数。混沌映射的引入为算法增加了锯齿形的特性,从而提升了搜索过程的多样性和跳跃性,归一化:
n o r m c h m ( t ) = ( c h m ( t ) − a ) × ( c h V a l u e ( t ) − 0 ) b − a + 0 , = ( c h m ( t ) − a ) × c h V a l u e ( t ) b − a , \begin{gathered} norm_{ch_{m}}(t)=\frac{(ch_{m}(t)-a)\times(chValue(t)-0)}{b-a}+0, \\ =\frac{(ch_{m}(t)-a)\times chValue(t)}{b-a}, \end{gathered} normchm(t)=b−a(chm(t)−a)×(chValue(t)−0)+0,=b−a(chm(t)−a)×chValue(t),
m m m表示混沌映射的索引, c h V a l u e ( t ) chV alue(t) chValue(t)表示归一化范围且随着每次迭代按比例减小:
c h V a l u e ( t ) = c h M a x − ( c h M a x − c h M i n ) ∗ ( t / t m a x ) chValue(t)=chMax-(chMax-chMin)*(t/t_{max}) chValue(t)=chMax−(chMax−chMin)∗(t/tmax)
因此,混沌加速系数:
{ c 1 ′ ( t ) = n o r m c h m ( t ) + c 1 ( t ) , c 2 ′ ( t ) = n o r m c h m ( t ) + c 2 ( t ) . \begin{cases} c_{1}^{\prime}(t)=norm_{ch_{m}}(t)+c_{1}(t), \\ c_{2}^{\prime}(t)=norm_{ch_{m}}(t)+c_{2}(t). & \end{cases} {c1′(t)=normchm(t)+c1(t),c2′(t)=normchm(t)+c2(t).
将混沌映射积分到加速度系数后,CEPSO中每个粒子更新后的速度和位置更新:
{ v i , k ( t + 1 ) = ω ( t ) ⋅ v i , k ( t ) + c 1 ′ ( t ) r 1 ⋅ ( x p b e s t l ( t ) − x i , k ( t ) ) + c 2 ′ ( t ) r 2 ⋅ ( x g b e s t ( t ) − x i , k ( t ) ) , x i , k ( t + 1 ) = x i , k ( t ) + v i , k ( t + 1 ) , \begin{cases} v_{i,k}(t+1) \\ =\omega(t)\cdot v_{i,k}(t)+c_1^{\prime}(t)r_1\cdot(x_{pbest_l}(t)-x_{i,k}(t))+c_2^{\prime}(t)r_2\cdot(x_{gbest}(t)-x_{i,k}(t)), \\ x_{i,k}(t+1)=x_{i,k}(t)+v_{i,k}(t+1), & \end{cases} ⎩ ⎨ ⎧vi,k(t+1)=ω(t)⋅vi,k(t)+c1′(t)r1⋅(xpbestl(t)−xi,k(t))+c2′(t)r2⋅(xgbest(t)−xi,k(t)),xi,k(t+1)=xi,k(t)+vi,k(t+1),
伪代码
3.结果展示
4.参考文献
[1] Chauhan D, Rani D. A feasibility restoration particle swarm optimizer with chaotic maps for two-stage fixed-charge transportation problems[J]. Swarm and Evolutionary Computation, 2024, 91: 101776.
5.代码获取
相关文章:

2024年群智能SCI1区TOP:混沌可行性恢复粒子群算法CEPSO,深度解析+性能实测
目录 1.摘要2.改进策略3.结果展示4.参考文献5.代码获取 1.摘要 本文研究了解决二阶段非线性固定费用运输问题(Two-stage NFCTP),该问题的特点是每条运输弧线都与固定费用和与运输量的平方成正比的变量费用相关联。由于涉及固定费用和非线性组…...
ORACLE EBS数据库RELINK方式搭建克隆环境
ORACLE EBS系统的数据库,一般都安装了很多特定功能的小补丁来解决特定的BUG;因此对于已经安装好的系统,想要克隆一套测试环境、搭建一个新的备机做测试等,如果按照生产环境标准,则需要安装大量补丁,带来很大…...

第十五届蓝桥杯省赛电子类单片机学习过程记录(客观题)
客观试题: 01.典型的BUCK电源电路包含哪些关键器件(ABCD) A. 电容 B. 二极管 C. 电感 D. MOSFET 解析: 典型的 BUCK 电源电路是一种降压型的直流-直流转换电路,它包含以下关键器件: A.电容:电容在电路中起到滤波的作用。输入电容用于平滑输入电压的波动,减少电源噪声对…...

使用 invideo ai 实现文生视频
https://ai.invideo.io 然后选ai生成视频 输入描述,点击生成 就可以得到视频了,可以下载...
5G技术与物联网融合:未来智慧城市的基石
一、智慧城市演进:从概念到落地的技术革命 1.1 全球智慧城市发展现状 2023年全球智慧城市市场规模突破$1.2万亿美元,中国以35%的占比领跑市场(数据来源:IDC)。典型应用成效: 交通效率:新加坡…...
蓝桥杯备赛-差分-重新排序
问题描述 给定一个数组 AA 和一些查询 Li,RiLi,Ri, 求数组中第 LiLi 至第 RiRi 个元素之和。 小蓝觉得这个问题很无聊, 于是他想重新排列一下数组, 使得最终每个查 询结果的和尽可能地大。小蓝想知道相比原数组, 所有查询结果的总和最多可 以增加多少? 输入格式 输…...

使用DeepSeek+蓝耘快速设计网页简易版《我的世界》小游戏
前言:如今,借助先进的人工智能模型与便捷的云平台,即便是新手开发者,也能开启创意游戏的设计之旅。DeepSeek 作为前沿的人工智能模型,具备强大的功能与潜力,而蓝耘智算云平台则为其提供了稳定高效的运行环境…...

基于Matlab设计GUI图像处理交互界面
Image-Processing-GUI 项目说明 本博文提供了完整的代码和使用教程,适合新入门的朋友参考,完整代码资源文件请转至文末的下载链接。 本项目是《Matlab实践》中图像处理软件题目,本项目实现的具体内容如下 基于Matlab设计GUI交互界面图像的…...
javase集合框架List篇
一、Vector和ArrayList、LinkedList联系和区别,分别的使用场景 ArrayList:底层是数组实现,线程不安全,查询和修改非常快,但是增加和删除慢 LinkedList: 底层是双向链表,线程不安全,查询和修改…...

浙江大学:DeepSeek行业应用案例集(153页)(文末可下载PDF)
浙江大学:DeepSeek行业应用案例集(153页)(文末可下载PDF) 全文链接:浙江大学:DeepSeek行业应用案例集(153页)(文末可下载PDF) | AI探金 全文链接&…...

【 IEEE出版 | 快速稳定EI检索 | 往届已EI检索】2025年储能及能源转换国际学术会议(ESEC 2025)
重要信息 主会官网:www.net-lc.net 【论文【】投稿】 会议时间:2025年5月9-11日 会议地点:中国-杭州 截稿时间:见官网 提交检索:IEEE Xplore, EI Compendex, Scopus 主会NET-LC 2025已进入IEEE 会议官方列表!&am…...

电路原理(电容 集成电路NE555)
电容 1.特性:充放电,隔直流,通交流 2.电容是通过聚集正负电荷来存储电能的 3.电容充放电过程可等效为导通回路 4.多电容并联可以把容量叠加,但是多电容串联就不会,只会叠加电容的耐压值。 6.电容充放电时相当于通路&a…...

记录小白使用 Cursor 开发第一个微信小程序(一):注册账号及下载工具(250308)
文章目录 记录小白使用 Cursor 开发第一个微信小程序(一):注册账号及下载工具(250308)一、微信小程序注册摘要1.1 注册流程要点 二、小程序发布流程三、下载工具 记录小白使用 Cursor 开发第一个微信小程序(…...
哪些业务场景更适合用MongoDB?何时比MySQL/PostgreSQL好用?
哪些业务场景更适合用MongoDB?何时比MySQL/PostgreSQL好用? 就像淘宝的个性化推荐需要灵活调整商品标签,MongoDB这种"变形金刚"式的数据库,在处理以下三类中国特色业务场景时更具优势: 一、动态数据就像&q…...
【从零开始学习计算机科学】计算机组成原理(二)信息表示与编码
【从零开始学习计算机科学】计算机组成原理(二)信息表示与编码 信息表示与编码进位计数制十进制(Decimal)二进制(Binary)十六进制(Hexadecimal)进位计数制之间的转换常用的信息分类与表示定点表示无符号数的编码正整数的表示原码表示法定点小数的原码表示定点整数的原码…...
【从零开始学习计算机科学】操作系统(五)处理器调度
【从零开始学习计算机科学】操作系统(五)处理器调度 处理器调度一些简单的短程调度算法的思路先来先服务(First-Come-First-Served,FCFS)优先级调度及其变种最短作业优先调度算法(SJF)--非抢占式最短作业优先调度算法(SJF)--抢占式最高响应比优先调度算法轮转调度算法…...
Flink之水印(watermark)的补充理解
水印(Watermark):用于事件时间处理,标记数据流的进度,解决乱序和延迟问题,触发窗口计算 一、Flink 水印的作用 处理乱序事件 水印(Watermark)是 Flink 用于处理事件时间&…...
数据结构全解析:从线性到非线性,优缺点与应用场景深度剖析
1. 线性数据结构 (1)数组(Array)(适合静态数据) 优点: 随机访问高效:通过索引可以直接访问元素,时间复杂度为 O(1)。 内存连续:数组在内存中是连续存储的&…...
《使用 Python Flask + MySQL + ECharts 构建销售数据看板》实战案例笔记
《使用 Python Flask + MySQL + ECharts 构建销售数据看板》实战案例笔记 技术栈说明 后端:Python 3.10 + Flask 框架数据库:MySQL前端:ECharts 5.4 + HTML/CSS数据可视化:柱状图 / 折线图 / 饼图 / 雷达图项目结构 project/ ├── server.py # 后端服务 └──…...
StringBuilder和StringJoiner的运用
package test12; import java.util.Scanner; import java.util.StringJoiner;public class Test { public static void main(String[] args) {/* String str "你玩的真好,下次别玩了,TMD,CNM";String[] arr {"TMD", &…...
web vue 项目 Docker化部署
Web 项目 Docker 化部署详细教程 目录 Web 项目 Docker 化部署概述Dockerfile 详解 构建阶段生产阶段 构建和运行 Docker 镜像 1. Web 项目 Docker 化部署概述 Docker 化部署的主要步骤分为以下几个阶段: 构建阶段(Build Stage):…...
CVPR 2025 MIMO: 支持视觉指代和像素grounding 的医学视觉语言模型
CVPR 2025 | MIMO:支持视觉指代和像素对齐的医学视觉语言模型 论文信息 标题:MIMO: A medical vision language model with visual referring multimodal input and pixel grounding multimodal output作者:Yanyuan Chen, Dexuan Xu, Yu Hu…...

Qt/C++开发监控GB28181系统/取流协议/同时支持udp/tcp被动/tcp主动
一、前言说明 在2011版本的gb28181协议中,拉取视频流只要求udp方式,从2016开始要求新增支持tcp被动和tcp主动两种方式,udp理论上会丢包的,所以实际使用过程可能会出现画面花屏的情况,而tcp肯定不丢包,起码…...

Python:操作 Excel 折叠
💖亲爱的技术爱好者们,热烈欢迎来到 Kant2048 的博客!我是 Thomas Kant,很开心能在CSDN上与你们相遇~💖 本博客的精华专栏: 【自动化测试】 【测试经验】 【人工智能】 【Python】 Python 操作 Excel 系列 读取单元格数据按行写入设置行高和列宽自动调整行高和列宽水平…...

大型活动交通拥堵治理的视觉算法应用
大型活动下智慧交通的视觉分析应用 一、背景与挑战 大型活动(如演唱会、马拉松赛事、高考中考等)期间,城市交通面临瞬时人流车流激增、传统摄像头模糊、交通拥堵识别滞后等问题。以演唱会为例,暖城商圈曾因观众集中离场导致周边…...

解决Ubuntu22.04 VMware失败的问题 ubuntu入门之二十八
现象1 打开VMware失败 Ubuntu升级之后打开VMware上报需要安装vmmon和vmnet,点击确认后如下提示 最终上报fail 解决方法 内核升级导致,需要在新内核下重新下载编译安装 查看版本 $ vmware -v VMware Workstation 17.5.1 build-23298084$ lsb_release…...
Matlab | matlab常用命令总结
常用命令 一、 基础操作与环境二、 矩阵与数组操作(核心)三、 绘图与可视化四、 编程与控制流五、 符号计算 (Symbolic Math Toolbox)六、 文件与数据 I/O七、 常用函数类别重要提示这是一份 MATLAB 常用命令和功能的总结,涵盖了基础操作、矩阵运算、绘图、编程和文件处理等…...

优选算法第十二讲:队列 + 宽搜 优先级队列
优选算法第十二讲:队列 宽搜 && 优先级队列 1.N叉树的层序遍历2.二叉树的锯齿型层序遍历3.二叉树最大宽度4.在每个树行中找最大值5.优先级队列 -- 最后一块石头的重量6.数据流中的第K大元素7.前K个高频单词8.数据流的中位数 1.N叉树的层序遍历 2.二叉树的锯…...

视频行为标注工具BehaviLabel(源码+使用介绍+Windows.Exe版本)
前言: 最近在做行为检测相关的模型,用的是时空图卷积网络(STGCN),但原有kinetic-400数据集数据质量较低,需要进行细粒度的标注,同时粗略搜了下已有开源工具基本都集中于图像分割这块,…...
智能AI电话机器人系统的识别能力现状与发展水平
一、引言 随着人工智能技术的飞速发展,AI电话机器人系统已经从简单的自动应答工具演变为具备复杂交互能力的智能助手。这类系统结合了语音识别、自然语言处理、情感计算和机器学习等多项前沿技术,在客户服务、营销推广、信息查询等领域发挥着越来越重要…...