基于人工鱼群-遗传算法的多品种小批量零件数控加工工艺优化研究

基于多品种小批量零件加工成本高的问题,基于人工鱼群-遗传算法(AFSA-GA)构建了数控机床能耗模型,以实现零件加工能耗下降。首先,将数控机床功率划分为各工序功率模型,基于功率模型与工作时间关系得出机床运转能耗模型,结合产品表面粗糙度模型,对各工序能耗模型及整体粗糙度进行归一化处理,形成整体能耗模型;其次,以能耗及粗糙度为目标函数,建立AFSA-GA算法,通过对各工序能耗求解得出最适当的机床功率及其所对应的能耗和表面粗糙度;最后,针对所获得的最优功率,进行优化结果的验证,为五轴机床的实际加工提供解决方案。

基于人工鱼群算法的篮球跳投轨迹实时跟踪

篮球运动轨迹跟踪方法由于轨迹特征提取效果差,导致跟踪误差高,提出一种基于人工鱼群算法的篮球跳投轨迹实时跟踪方法。提取三维坐标系下图像中篮球边缘轮廓信息,通过滤波函数消除篮球跳投图像噪声,基于人工鱼群算法提取图像中篮球跳投轨迹特征,寻找篮球运动轨迹的最优解集,改进篮球实时跟踪匹配路径,形成轨迹跟踪函数。实验结果可知,该方法的平均轨迹跟踪误差为18.28mm,与常规方法相比降低了6.22mm以上。因此,该跟踪方法的篮球轨迹跟踪精度更高,并且实时跟踪轨迹与真实轨迹更吻合。

基于改进人工鱼群算法的车辆可靠性估计技术

在零部件研发过程中,对零部件进行可靠性估计至关重要,而威布尔分布被广泛用于模拟失效分布,因此对威布尔分布的参数估计对零部件可靠性预测和分析非常关键。对此,文章提出了一种用于车辆零部件可靠性评估的基于改进人工鱼群算法的新型威布尔分布估计方法,首先从理论上构建了威布尔分布的最大似然估计模型,并对相关模型进行详细的介绍;然后基于人工鱼群算法求解效率低和质量不高的缺陷,通过引入Levy飞行策略和感知距离自适应调节策略对原始人工鱼群算法其进行改进;最后,运用改进人工鱼群算法进行蒙特卡洛模拟仿真试验,进而对威布尔分布参数拟合效果进行比较和分析。结果表明,对于威布尔分布的参数估计,文章所提出的改进人工鱼群算法比其他元启发式算法给出了更准确的参数估计,能够为汽车零部件开发与可靠性评估提供科学有效的指导。

融合黄金人工鱼群和三次样条插值的机器人路径规划研究

原始鱼群算法中,觅食行为具有随机性,步长、拥挤度为固定数值,算法寻优效率低下,寻优范围固定,收敛速度慢且可能出现局部最优等局限性。为解决此问题,采用黄金正弦算子改进觅食行为,提高单条鱼寻优效率与寻优范围,通过拥挤度和步长自适应提升算法的探索和开发能力以及最优解的精度与迭代速度。同时,改进食物浓度,保证路径的可行性。通过仿真验证,与传统鱼群算法、分段自适应鱼群算法比较,证明本算法在路径长度和规划时间都有优势,证实了算法的有效性和稳定性。

基于改进人工鱼群算法的无人机三维航迹规划

无人机航迹规划算法中,针对传统人工鱼群算法(Artificial Fish Swarm Algorithm,AFSA)存在易陷入局部最优、优化效率不佳等问题,引入了步长衰减函数,提出了一种自适应步长的人工鱼群算法(Adaptive Step Size Artificial Fish Swarm Algorithm,AS-AFSA),实现航迹规划中全局与局部收敛的自适应;进一步给出了人工鱼权重优化策略,提高人工鱼群算法的收敛速度与精度。仿真结果表明,改进人工鱼群算法在无人机航迹规划情景下表现优异,迭代次数相同条件下,航迹代价相较于狼群算法(Wolf Colony Algorithm,WCA)优化了4.5%,相较于传统人工鱼群算法优化了2.5%。

基于神经网络和人工鱼群算法的惯性延时微通道优化

为了保证中、小口径弹引信的炮口安全性控制要求,设计了具有肋板阻尼结构的惯性延时微通道,同时为了保证其具有稳定的延时性能,研究了该微通道在高离心转速下的延时响应性能。采用了神经网络模型和人工鱼群算法对蛇形微通道内肋板的结构位置进行优化设计。用两相流水平集模型以微通道的延迟时间为研究对象进行了模拟仿真,得到180组样本数据,分析发现肋板结构在微通道内的不同位置与延迟时间呈现出高度的非线性关系。根据样本数据建立神经网络模型用以拟合设计变量与优化目标之间的映射函数,并采用人工鱼群算法对神经网络模型拟合的映射函数的参数进行优化。结果表明,经过结构优化之后,在1 000 g离心环境下微通道中流体的延迟时间从最短的11.446 ms提升到了25.054 ms,延时效果得到了显著提升。最后研究了优化后的结构在中、小口径弹引信使用环境下的延时特性,验证了其满足大部分中、小口径弹引信的延时控制要求。

一种基于改进人工鱼群的云计算任务调度算法

为提高云计算任务调度的效率,减少系统执行任务的最大完工时间以及成本,本文提出一种改进的人工鱼群任务调度算法(improved artificial fish swarm algorithm,IAFSA).首先,将反向学习策略应用于种群初始化和鱼群的行为选择中,以提高改进人工鱼群算法在迭代中的收敛速度和种群多样性.其次,将自适应全局-局部记忆机制引入到标准AFSA算法的觅食行为中,以进一步提高勘探能力.最后,增加了基于平均适应度的行为选择机制,以提供更合理的行为选择,减少算法的复杂性.通过使用CloudSim平台进行实验验证,分别测试在不同任务规模下IAFSA的算法效能.实验结果表明,改进人工鱼群算法在降低系统任务最大完工时间和成本上均表现出了显著的优势.

基于改进人工鱼群算法的蠕虫机器人路径规划

针对人工鱼群算法在机器人路径规划中存在路径长、精度不高、易陷入局部最优等问题,提出了一种改进的人工鱼群算法,旨在提高算法效率及精度。首先,在算法觅食行为中加入寻优循环,减少算法在路径规划中选取位置点的随机性,使机器人能够更快地走向目标点;其次,融合禁忌搜索算法,通过引入禁忌表来记录算法陷入局部最优的路径,使算法在选取新位置点时能够避开局部最优区域,避免算法在局部过度循环,同时对规划出的路径进行优化处理,删去重复栅格点之间的路径,保证路径中没有重复的栅格点;最后,将改进后的人工鱼群算法应用在一种新型的三维栅格地图中。实验结果表明:相较于其他对比算法,在地图1、2、3中改进人工鱼群算法所取得的平均路径长度分别减少了10%、15%、30%,在复杂地图中路径规划的成功率提高了75%。

基于人工鱼群的自适应密度峰值聚类算法

针对密度峰值聚类算法中截断距离d c和聚类中心缺乏选取依据,以及对簇中存在多密度峰值的数据无法准确聚类问题,提出一种基于人工鱼群的自适应密度峰值聚类算法(AFSADPC)。选择簇中心权值γ大于幂律分布上分位数的样本点作为聚类中心,根据两个相邻簇的簇间边界区域密度与簇平均密度构造簇间合并规则,利用人工鱼群算法寻找使改进轮廓系数指标达到最大值时的最优截断距离d_(c)。在合成数据集和真实数据集上的实验结果表明,AFSADPC算法具有较好的聚类效果。

基于鸟群人工鱼群算法的区块链移动边缘计算卸载模型

计算密集型任务数量的增加导致智能移动设备(Smart Mobile Devices,SMD)计算任务过载,借助MEC(Mobile Edge Computing Servers)及利用网络中空闲边缘设备(Edge Devices,ED)可使计算能力受限的SMD将计算任务卸载到MEC和ED协作中,并基于委托信誉证明(Delegated Proof of Reputation,DPoR)共识机制增强系统的安全性。文中提出一种基于鸟群人工鱼群算法(Bird Swarm-Artificial Fish Swarm Algorithm,BS-AFSA)的区块链移动边缘计算卸载模型,将任务卸载问题转化为优化目标函数来降低计算开销。采用改进鸟群人工鱼群算法来优化任务时延和能量消耗,对算法中的行为参数进行针对性构造,并改进拥挤度因子来提高后期迭代中寻优的局部搜索精度。仿真结果表明,与其他基准算法相比,文中所提算法减少了陷入局部最优的可能性,并降低了联合卸载方案的系统总开销。

基于人工鱼群算法改进栖息地法的河流生态流量计算

广泛应用于生态流量计算的栖息地法,近年来理论基础受到许多国外学者的质疑。针对其存在的问题,通过采用人工鱼群算法中的视野、奖励权重、拥挤度参数对栖息地法进行了3个方面的改进,其中,视野、奖励权重、拥挤度参数分别代表鱼类搜寻适宜栖息地的能力、鱼类聚群后优选栖息地的倾向和鱼类实际选择栖息地时的逻辑。以淮河中游鲁台子~淮南段为研究区域,发现改进后的计算方法具有较好的稳定性,能够体现鱼类自我优化栖息地选择的过程,可以反映栖息地的利用情况,显著提高了栖息地法计算结果的可信度。

人工鱼群优化算法的移动机器人路径规划研究

针对传统人工鱼群算法在移动机器人全局路径规划中存在搜索效率比较低且路径冗余点比较多的问题,提出了基于双向搜索策略的人工鱼群算法。该算法通过正反两个方向交替检索路径的方式来进行全局路径规划,提高了算法在路径规划时的效率以及收敛速度。另外对于规划出的路径冗余节点以及不必要拐点较多的问题,通过对规划好的路径集引入路径平滑处理策略进行路径优化。仿真结果表明,改进后的人工鱼群算法与传统人工鱼群算法相比在收敛速度以及路径搜寻效率上均有较大的提高。最终将改进算法应用到实际的移动机器人中,实验结果证明,改进的算法可以有效解决移动机器人的路径规划问题。

基于改进人工鱼群算法求解旅行商问题及多点路径规划

为了解决传统人工鱼群算法在求解旅行商问题时遇到寻优精度低、算法收敛慢、易于落入局部最优解等问题,提出了一种融合交叉变异的改进人工鱼群算法。首先,通过在鱼群迭代求解过程中加入交叉变异操作,增强种群的多样性方式,提高算法在全局搜索中寻找更优解的能力;其次,引入自适应的人工鱼群策略,动态调整视野距离与拥挤度因子,从而改善算法的局部探索能力与收敛速度;最后,在MATLAB环境下使用TSPLIB数据集进行仿真验证。结果表明,改进后的人工鱼群算法在收敛速度和寻优精度方面较传统方法有显著提升,跳出局部最优解的能力得到增强,路径规划结果更接近最优解;最后,进一步对经典旅行商问题模型的地图维度和路径进行改进,最终实现本文改进算法在三维多点覆盖路径规划上的应用。

基于人工鱼群算法的水风光联合调峰优化模型

本文提出基于多Agent人工鱼群算法(MAAFAS)的,以剩余负荷均方差最小为目标函数的梯级水风光短期调峰优化调度模型。该模型充分结合了Agent算法的自主性和人工鱼群算法的全局寻优性,降低了约束的复杂性,易于获得复杂问题求解下的最优解。并以我国南方地区某流域的6座水电站,11座风电场,4座光伏电站组成的风光水电源互补系统为研究对象,从不同来水场景下(汛期、枯期)进行实例分析。结果表明:该模型可以有效地利用水电能源的调峰能力,平均提高负荷峰谷差降幅率到44.65%,缩小原始负荷峰谷差3300 MW,剩余负荷趋于平稳,便于风光能源的更好消纳,是一种实用性较强的水风光短期调峰优化方法。

自适应差分变异的人工鱼群算法

针对人工鱼群算法存在的全局搜索能力欠缺,鲁棒性差及易陷入局部极值等不足,提出一种自适应差分变异的人工鱼群算法(ADMAFSA).首先,该算法采用自适应视野和步长策略,改善种群个体在较优区域的精细搜索能力,提升算法的寻优精度.其次,在人工鱼群的随机行为中引入反向学习机制,通过发掘潜在的寻优空间,提高算法的全局搜索性能,避免算法早熟收敛.最后,借鉴差分进化算法对质量较差的人工鱼进行变异操作,从而增加鱼群的多样性,降低算法陷入局部极值的可能性.为验证改进算法的性能,本文对6个基准测试函数和8个CEC2019函数进行仿真,与其他AFSA变体、新型智能算法进行对比,实验结果表明,ADMAFSA在寻优精度和鲁棒性方面均有所提高.最后,在齿轮系设计问题上,进一步证明了改进算法具有较好的优化效果.

改进的人工鱼群算法

通过对人工鱼群算法的研究,给出了改进的人工鱼群算法。采用最优个体保留策略对觅食行为进行改进,防止群体中最优个体的退化;给出加速个体局部搜索方法,改进算法中的聚群行为和追尾行为,使全局最优值更快地突现出来;根据双射的定义和性质,在不影响最终寻优结果的情况下对问题的搜索域进行"缩小",从而加速了全局搜索。仿真结果表明改进的人工鱼群算法具有求解精度高、寻优成功率高、收敛速度快、算法稳定等优点。

基于多群协同人工鱼群算法的分类规则提取算法

在对基本人工鱼群算法原理分析的基础上,提出了一种多群协同人工鱼群算法用于实现对连续空间变量的分类规则提取问题。定义了基于规则支持度与置信度的规则评价函数,构造了人工鱼在规则提取应用中的特定编码及相关概念的计算公式,给出了该算法的具体实现步骤,并用VC++软件编程实现。最后对Iris和Wine数据集进行测试实验,并与单群体鱼群算法及多种群微粒群算法进行比较。仿真结果表明,该算法能够快速提取分类精度较高的分类规则,因此利用该算法解决连续变量分类规则提取的相关问题是可行且有效的。

人工鱼群——粒子群混合算法优化进港航班排序

针对空中交通管理中的进港航班排序问题,提出了人工鱼群—粒子群混合算法(AFPSO)这一航班排序算法来优化进港航班排序,使时段内进港航班队列总延误时间最少。算法结合了基本人工鱼群算法(AFSA)和基本粒子群算法(PSO)各自的优点,先以AFSA在全局寻找满意的解域,再以PSO算法在这些解域中进行快速的局部搜索获得精确解,最终使算法提高收敛速度和搜索精度。仿真结果表明,在单跑道和双跑道情况下,AFPSO算法使得航班队列总延误时间比FCFS调度方法减少了20.9%和34.4%,比基本AFSA减少了3.2%和3.5%。算法得到的满意解能够为自动化空中交通管理提供实时支持。

云人工鱼群算法

借鉴人工鱼群算法的思想,利用云模型云滴的随机性和稳定倾向性的特点,提出了一种新的人工鱼群算法——云人工鱼群算法,并用于求解具有变量边界约束的非线性的复杂函数最优化问题。计算机仿真结果表明,云人工鱼群算法具有计算精度较高,搜索速度较快等特点,具有一定的参考和应用价值。

混沌人工鱼群算法及其在灌区优化配水中的应用

对人工鱼群算法进行了改进,结合灌区优化配水问题,建立了灌区优化配水的混沌人工鱼群算法模型。通过对山东省威海市节水灌溉示范区进行优化计算,算法能有效地搜索到灌区净效益最高点,优化后与现状种植结构相比,粮食作物面积减少,经济效益较高的果树面积增大,灌区净效益提高56%。优化结果表明,混沌人工鱼群算法应用于灌区优化配水计算切实可行,为复杂的灌区优化配水问题提供了新的思路和方法。