基于变步长天牛须搜索算法的空间直线度误差评定

为提高空间直线度评定精度,建立了空间直线度数学模型。采用变步长天牛须搜索算法对目标函数进行求解,主要包括天牛须搜索及变步长等步骤。针对原始天牛须搜索算法求解精度不高,易陷入局部最优等问题,设计变步长方法,增强算法多样性,从而充分提高计算精度。对其进行求解,并根据终止准则得到计算结果,将该寻优结果与其他方法的评定结果相比较,验证了该算法的可行性及优越性。

改进天牛须搜索算法在圆度误差评定中的研究

为了提高圆度误差的评定精度和计算收敛速度,提出了一种改进天牛须搜索算法的圆度误差评定方法。首先,通过圆度误差最小区域原则建立了数学模型和目标函数。其次,在标准天牛须算法的基础上,设计了变步长法,进一步提高算法的计算精度和收敛速度。最后通过三坐标测量的圆度测量数据进行求解验证,并将计算结果与常用的最小二乘法和粒子群算法等进行对比。实例表明,改进的天牛须搜索算法在圆度误差评定上的计算精度和收敛速度都优于传统算法,体现了该算法的优越性。

天牛须搜索算法研究综述

天牛须搜索算法(Beetle Antennae Search,BAS)是一种新型的智能优化算法,它是由天牛觅食所启发。自2017年提出以来,随着学者们对算法的研究不断深入,他们从多个方面对算法进行了改进,提出许多BAS的变体算法并将其广泛应用于各个领域。介绍BAS算法的搜索机制与寻优步骤,结合国内外文献对该算法的改进研究做出分析,从搜索步长、混沌概念、混合算法及其他改进策略等方面对改进算法进行分类阐述,同时,对算法在PID控制、电力调度、图像处理、神经网络、路径规划等领域进行了概述总结。结合算法存在的不足和挑战,从BAS算法的理论研究、改进研究和应用研究三方面对算法的未来研究内容与热点做出展望。

基于二次插值的天牛须搜索算法

针对天牛须搜索算法在高维空间中搜索精度低和易陷入局部最优的问题进行了研究,提出一种新的天牛须优化算法——基于二次插值的天牛须搜索算法(QIBAS)。算法在天牛进行移动后,将天牛当前位置左右两触须作为插值坐标点,利用二次插值生成一个新的解,再对比插值产生的解与当前最优解、全局最优解的适应度值,更新全局最优解。对多个单峰函数和多峰函数进行数值仿真测试,其维度分别取100、500、1000、5000、10000。仿真结果表明,引入二次插值有效提升了BAS算法跳出局部最优的能力。QIBAS在求解最优值时,其求解精度有极大的提升,收敛速度也有较明显提升,改进算法的有效性得以验证。

改进天牛须搜索算法的工控系统入侵检测

为解决工控系统计算资源有限,但对入侵检测时间敏感、检测精度要求高的问题,提出一种将模型训练与检测分离的迁移训练方法。将分类算法预测模型的训练任务迁移到工控系统之外的计算设备,工控系统通过高速网络实时获得预测模型的更新并将检测到的具有训练价值的样本上传。为使模型达到良好的检测效果,提出一种随机属性约束策略对天牛须搜索算法进行改进,利用改进后的天牛须算法对XGBoost分类算法进行参数寻优。实验结果表明,该方法检测率高、误报率低、检测速度快,适合工控系统入侵检测。

基于采用天牛须搜索算法优化神经网络的可见光室内定位方法

针对基于神经网络的可见光室内定位技术存在训练速度慢、泛化能力弱而导致定位精度不高的问题,提出采用天牛须搜索(BAS)算法优化神经网络的可见光定位方法,搭建了0.8 m×0.8 m×0.8 m的实测模型。该方法使用BAS算法优化神经网络的连接权重矩阵,拟合了室内无线信道参数,实现室内定位。仿真与实验结果表明:该方法仿真时的平均定位误差不超过3.42 cm,比神经网络训练速度提升40%;实验时,在高度h=0.25 m的平面测得平均定位误差不超过4.0 cm。

引入混沌干扰机制的变异天牛群搜索算法

针对天牛须搜索(Beetle Antennae Search,BAS)算法收敛慢、精度低且容易陷入局部最优等缺陷,提出了一种引入混沌干扰机制的变异天牛群搜索算法(Chaotic Interference Mechanism of Mutation Beetle Swarm Optimization Algorithm,CMBSOA)。首先,应用粒子群(Particle Swarm Optimization,PSO)策略将天牛须搜索算法中的天牛个体扩展为天牛群,扩大算法的搜索范围,提高算法的全局搜索能力;其次,引入Logistic混沌映射机制对天牛群进行混沌扰动,使初始化的种群以随机方式均匀分布,以加快算法的收敛速度;最后,提出变异因子策略进行位置更新,使该算法更易跳出局部最优,增强算法的稳定性与精度。为了验证CMBSOA算法的有效性,将其与天牛群算法(Beetle Swarm Antennae Search,BSAS)及PSO通过2组单峰和3组多峰测试函数进行测试和对比,结果表明,CMBSOA算法具有较强的稳定性,此外还具有更优的精度和较快的收敛速度,且能最大限度地避免产生局部最优解问题。

基于天牛须搜索算法的短期风电功率组合预测

为了提高风电功率预测精度,提出了一种完全集成经验模态分解(complete ensemble empirical mode decomposition adaptive noise,CEEMDAN)、极限学习机(extreme learning machine,ELM)和改进天牛须搜索算法(improved beetle antennae search algorithm,IBAS)的组合预测模型来预测风电功率。引入动态惯性权重改进天牛的位置更新方式,提高天牛须搜索算法的寻优能力。在预测过程中,首先通过CEEMDAN对原始风电功率数据进行预处理,将非平稳信号分解为一组按照频率和振幅大小排列的序列分量,减少数据波动带来的预测误差。然后利用IBAS优化ELM构建预测模型,分别预测每个序列分量,最后叠加每个序列分量的预测值得到最终预测值。仿真结果表明,与其他预测模型相比,本预测模型预测精度最高,评价指标平均绝对误差(mean absolute error,MAE)、均方根误差(root mean square error,RMSE)、平均绝对百分比误差(mean absolute percentage error,MAPE)均为最小,具有广阔的实际应用前景。

基于改进天牛须搜索算法优化LSSVM短期电力负荷预测方法研究

为提高短期电力负荷预测精度,提出了一种天牛须搜索算法优化的LSSVM短期电力负荷预测模型。引入模拟退火算法的蒙特卡洛法则对优化算法进行改进,提高了该算法的稳定性。将改进BAS算法优化后的LSSVM模型用于短期电力负荷预测问题。使用小波阈值去噪处理电力负荷数据,减少一些不确定性因素对负荷预测的影响,提高了预测精度。选择四川某地区电网实际历史负荷数据进行分析和预测,并与PSO-LSSVM、LSSVM预测模型进行对比分析。算例结果表明,所提出的IBAS-LSSVM预测模型与LSSVM相比预测精度提升了1.5%左右,与PSO-LSSVM相比算法运行时间缩短了70%,且算法稳定性更高,证明了该方法的实用性与有效性。

基于改进天牛须搜索算法的分布式电源选址定容

针对分布式电源接入配电网的选址定容问题,在考虑到网损、静态电压稳定和线路热稳定3个指标的基础上,采用层次分析法建立了分布式电源在配电网中选址定容的多目标优化模型。引入模拟退火算法中的蒙特卡洛法则对一种新的智能优化算法-天牛须搜索算法(Beetle Antennae Search,BAS)进行改进,提高算法的稳定性,并应用于分布式电源选址定容问题求解。算例仿真实验验证了改进天牛须搜索算法(Improved Antennae Search,IBAS)在分布式电源选址定容问题求解中的高效性和稳定性。

融合模拟退火和自适应的天牛须搜索算法

天牛须搜索算法是一种新型单体智能优化算法,该算法在低维函数优化中收敛速度快并且具有全局寻优能力,但在多维函数中收敛速度慢,寻优精度较低。针对以上缺点,提出了一种融入模拟退火过程以及自适应因子的改进天牛须搜索算法。该算法在寻优阶段采用自适应因子加快收敛,再通过模拟退火过程概率性跳出局部最优。采用6个标准测试函数进行测试,并与天牛须搜索算法、天牛群算法和模拟退火算法进行对比。仿真结果表明,该算法在多维函数优化问题中有更好的寻优能力。

基于天牛须搜索算法的渠系优化配水初步研究

灌区渠系优化配水研究对灌区从用水管理向需水管理转变具有重要意义。目前,天牛须搜索算法已被广泛应用于生产实际,而在渠系优化配水方面的应用较少。为探究天牛须搜索算法在渠系优化配水领域的可行性与合理性,以大功灌区西一干渠干支2级渠系输水过程中渗漏量为优化目标,渠道运行时间及输水流量为决策变量,构建渠系配水模型,并采用天牛须搜索算法进行模型优化求解。结果表明,天牛须搜索算法求解结果中配水时间较传统配水时间缩短7 d,配水效率提高35%。渠系渗漏量为34.99万m3,占总配水量6.69%,干支2级渠系水利用系数提高为0.704。天牛须搜索算法在解决高维渠系优化配水问题上表现良好,能够贴近渠系实际运行情况并合理进行水资源配置。

基于增强天牛须搜索算法的专色配方预测方法

专色的准确预测是包装印刷领域的重要技术之一。为了得到更加准确的专色配方,提高专色配色精度,提出了一种结合最小二乘法和增强天牛须搜索算法的专色配方预测方法,并利用吸光度来解决专色配方的预测问题。研究了高透光特性PET薄膜的光谱模型,并构建了吸收光谱机理模型;提出了增强天牛须搜索算法,在传统天牛须搜索算法的基础上,引入突变概率项和方向修正项,提升算法的搜索能力和收敛速度;利用最小二乘法优化配色色域空间,降低基色搜索维度,提高寻优效率。应用所提出的增强天牛须搜索算法求解各基色比例,预测专色配方,并与传统天牛须算法、粒子群算法和蚁群算法进行比较,验证所提方法在专色预测方面的有效性和优越性。研究结果表明,所提方法与现有的3种方法相比,具有更高的精度,原有专色和预测专色之间色差均小于3,且90%的色差小于1,40%的色差小于0.1,所提方法对于提高专色油墨的配色精度具有显著效果,可准确地预测专色配方。

基于天牛须搜索算法的电池模型参数辨识

为实现高精度的动力电池SOC估计,需要建立准确的电池模型。针对磷酸铁锂电池平台特性,采用二阶RC等效电路建立电池的等效电路模型;用双指数函数拟合OCV与SOC的函数关系;采用双线性变换法将电池的数学模型离散化,得到可辨识的电池数学模型。为保证电池模型的精度,要对电池模型的参数进行辨识。首次提出一种基于天牛须搜索算法的电池模型参数辨识方法。用该方法对建立的电池模型进行辨识后,用Simulink对模型进行了脉冲放电与恒流放电仿真测试,并与离线测量数据进行对比,结果表明模型的最大动态误差不超过30 mV,说明该辨识方法有较高的辨识精度,建立的模型能够准确模拟磷酸铁锂电池的动静态特性。

基于改进天牛须搜索算法的抽水蓄能机组调节系统优化控制

针对抽水蓄能机组调节系统PID控制器参数整定困难问题,提出了一种基于改进天牛须搜索算法的抽水蓄能机组PID控制策略。首先,构建了小波动情况下带有时滞的抽水蓄能机组调节系统的数学模型。其次,提出了一种融合自适应分数阶微积分与自适应更新步长的改进天牛须搜索算法。然后,采用改进天牛须搜索算法、天牛须搜索算法与粒子群算法,分别设计调节系统在空载与负荷情况下的PID控制器。最后,使用各个算法优化的PID控制器进行调节系统的空载频率扰动与负荷波动工况仿真实验。结果表明:所提出算法可以整定出最为合适的PID控制器参数,在不同时滞作用下调节系统均取得更好的控制效果。该研究为抽水蓄能机组调节系统PID控制器的设计提供了新思路。

基于电力系统经济调度问题的量子天牛须搜索算法

传统天牛须搜索算法(beetle antennae search algorithm),BAS演化过程中收敛速度过慢,为了快速高效地解决电力系统经济调度问题,提出了一种量子天牛须搜索算法(quantum beetle antennae search algorithm,QBAS)。算法将量子行为的搜索机制引入到BAS算法中,在天牛须位置周围建立量子Delta势阱,利用量子理论的概率性和不确定性,有效加快收敛速度,并克服容易陷入局部最优的缺点。实验采用一组标准测试函数对QBAS算法进行性能测试,从而验证算法在收敛速度及鲁棒性上的优越性。最后将算法应用电力系统经济调度问题,选用IEEE118总线测试系统进行测试,结果表明QBAS算法在降低发电成本和减少污染物排放都优于粒子群算法和天牛须搜索算法。

一种基于混沌天牛须搜索算法的摄像机标定方法

为了较好地解决传统智能优化方法在摄像机标定中存在标定精度低、效率和鲁棒性差的问题,提出一种基于混沌天牛须搜索算法的摄像机标定方法。该方法使用MATLAB标定工具箱对摄像机非线性成像模型进行预标定,预标定结果作为混沌天牛须搜索算法的初始值;构造平均重投影误差适应度函数,建立混沌天牛须搜索算法优化模型对标定参数进行优化;与基于传统智能优化方法的摄像机标定方法进行实验对比。实验结果表明,该方法得到的平均重投影误差为0.00572像素,算法总的运行时间为46.15 s,可以有效提高摄像机标定的精度、鲁棒性与效率。

基于天牛须搜索算法的单目相机标定方法

针对传统单目相机标定方法精度较低的问题,提出一种基于天牛须搜索算法的单目相机标定方法;首先使用MATLAB软件的标定工具箱快速计算单目相机内外参数,然后利用天牛须搜索算法,以平均重投影误差为目标建立目标函数,对相机参数进一步优化。结果表明,基于天牛须搜索算法的相机标定方法稳定、可靠,收敛快,优于张正友平面标定法的优化最终平均误差。

天牛须搜索算法实现小波滤波器直接频域逼近

针对频域法构造小波滤波器方法较少、稳定性无法保证、逼近精度不高等问题,基于天牛须搜索算法提出了一种小波滤波器直接频域逼近方法。首先根据小波滤波器电路的基本要求设计逼近有理式,然后加入电路实现所需的稳定性、正实性和初值为零的约束条件,建立小波滤波器逼近的频域优化模型。再以高斯小波和Marr小波为例,使用天牛须搜索算法求解频域逼近的数学模型得到滤波器有理式参数。在时域和频域上分别将该方法和其他频域方法进行对比,仿真和计算结果表明在相同条件下,频域逼近法具有更优的效果,五阶高斯小波和七阶Marr小波的逼近均方误差仅为3.446 8×10^(-4)和7.346 2×10^(-4)。

基于天牛须搜索算法的时钟同步控制方法

为提高IEEE 1588协议的时间同步系统的同步精度与收敛速度,采用比例积分微分(PID)控制器模型对该同步过程进行建模,并提出了基于天牛须搜索的PID控制方法(BAS-PID)。BAS算法通过少量“天牛”寻优,运算量小、迭代速度快,获得具有较强全局性的解,从而优化PID以控制从时钟速率,自适应调节补偿钟差。仿真结果表明,与传统的基于反向传播神经网络、标准粒子群优化PID控制器参数优化方法相比,提出的BAS-PID方法具有略高的同步精度,且收敛速度略快,使节点间主从时钟高度同步。