基于离散萤火虫算法的轨道交通车站建筑内部空间设计优化

传统轨道交通车站建筑内部空间设计优化方法直接对客流量分布进行计算未对车站内部功能进行分区,造成传统方法客流通行延误时间较长。提出基于离散萤火虫算法的轨道交通车站建筑内部空间设计优化。对车站内部功能进行分区,根据轨道交通车站分区,基于离散萤火虫算法进行进一步的客流量分布,从而实现轨道交通车站建筑内部空间优化设计。设计对比实验,实验结果表明该方法具有更好的轨道交通车站建筑内部空间客流运输能力,值得推广。

基于离散萤火虫算法的自由曲面测量序列规划

为了解决接触式测量序列规划问题,建立了该问题的等效旅行商模型,并利用萤火虫算法对该模型进行求解。对萤火虫算法进行了离散化操作,提出一种新的萤火虫距离表征方法适用于测量序列规划问题,同时对离散萤火虫算法迭代规则和随机搜索方式进行改进,得到一种改进型离散萤火虫算法;建立了综合路径长度、路径光滑度和触头旋转距离三个评价指标的适应度函数,并以叶片型零件为例,进行了离散萤火虫算法和改进型离散萤火虫算法对比实验,验证了改进型离散萤火虫算法的有效性以及适应度函数的合理性;最后以另一自由曲面零件为例,将改进型离散萤火虫算法和遗传算法进行对比,结果表明了改进型离散萤火虫算法的优越性。

用于求解井下最短逃生路径问题的离散萤火虫算法

针对煤矿井下避灾路线最短路径求解问题,提出了一种新的离散萤火虫算法。该算法通过采用转移概率方法初始化萤火虫个体,并提出一种新的有效编码和解码方式,重新定义萤火虫的空间距离、最大荧光亮度和相对荧光亮度等,使得萤火虫个体的状态可表示为一条从起点到目标点的有效路径。为增加解的多样性及防止计算结果陷入局部最优解,以一定概率对萤火虫代表的路径执行扰动操作,经过多次迭代计算后,可得到所要求解的最短路径。实验结果表明,该算法在种群规模较小、迭代次数较少的情况下可以收敛到最优解,具有较强的收敛性和灵活性,可用于求解任何实际的最短路径问题。

求解零空闲置换流水车间调度问题的离散萤火虫算法

针对最小化最大完工时间的零空闲置换流水车间调度问题,提出了一种离散型萤火虫优化算法。基于萤火虫算法优化机理,采用基于工件序列的个体编码方式,重新定义了个体间距离的概念和位置更新公式,并结合交换、插入和逆序操作的局部搜索策略来提高算法性能。通过典型算例对算法进行了仿真测试和对比,结果表明了所提算法的可行性和有效性,扩展了传统萤火虫算法的求解范围,是解决流水线生产调度问题的一种有效方法。

基于离散萤火虫算法的近红外波长优选方法研究

近红外光谱数据量大,需要进行压缩,以降低建立光谱校正模型的计算复杂度,提高模型精度和稳健性。为此,提出了一种基于离散萤火虫算法(discrete firefly algorithm)的近红外光谱波长变量筛选方法。首先采用蒙特卡罗方法剔除异常值,并应用Kennard-Stone法进行校正样本的选择。对通用萤火虫算法进行离散化处理,改进了吸引度的自适应公式,在移动公式中增加了牵引权重,以适应离散化处理的影响和优化算法,并在离散萤火虫算法中加入精英保留策略,加快算法的收敛速度。实验中找到DFA算法中的各项参数中的最佳值。通过离散萤火虫算法优选波长变量,建立发酵液中丁二酸含量的近红外光谱偏最小二乘回归(partial least squares regression)校正模型。与标准遗传算法(genetic algorithm)优选波长方法进行了比较。结果显示,基于离散萤火虫算法的波长优选方法所建立的PLS校正模型,其校正集的相关系数(R_c^2)为0.986,RMSEC为0.409,预测集的相关系数(R_p^2)为0.969,RMSEP为0.458,模型稳健性和精度都要优于全光谱建模以及遗传算法波长优选方法。显示了DFA在近红外光谱数据筛选方面的优越性。

离散萤火虫算法在高速列车运行调整中的应用

列车运行调整是一类特殊的NP完全问题,由于约束众多,搜索空间庞大,可行解范围狭小,因此难以获得最优解。针对高速列车运行调整问题的特点,以智能算法中有代表性发展优势的萤火虫算法(FA)为基础,根据实际问题提出一种离散的萤火虫算法(DFA)进行求解。为了增加萤火虫群的多样性,避免算法陷入局部最优解,采用了基于变邻域搜索算法的扰动机制。将该算法用于高速列车运行调整问题,经过算例对比分析,基于离散萤火虫算法调整方案的计算结果优于普通启发式算法调整结果。

基于改进离散萤火虫算法的二维排样问题优化

将应用于连续空间优化的萤火虫算法扩展到离散二维排样领域,根据二维排样问题特点,设计了与问题相适应的改进萤火虫算法。由于优化的变量包含排样件的排列顺序和角度,采取整数与二进制编码相结合的双重编码方式,改进了离散萤火虫个体间的空间距离计算方法,与萤火虫算法中个体间相对荧光亮度、吸引度的计算方法相结合,设计了相应的编码更新方法。以二维排样问题中典型的矩形排样为例进行仿真实验,验证了该离散萤火虫算法的有效性与稳定性。

基于离散萤火虫算法的指控结构适应性调整

指挥控制组织结构的适应性调整是敏捷指控领域研究的热点问题。首先给出了指挥控制组织的基本组成要素,针对行动计划变化和战术决策实体失效两种战场突发事件,分析了这两种事件下的优化约束条件和优化目标,分别构建了指挥控制组织结构适应性调整问题的优化模型,设计了基于离散萤火虫算法的模型求解方法,给出了离散萤火虫算法的具体流程,最后通过具体算例对指控组织结构适应性调整模型和其求解算法进行了仿真验证和对比,仿真结果表明了求解方法的可行性和高效性。

求解无人机ISR任务分配问题的离散萤火虫算法

针对解决存在多个情报侦察监视ISR任务地点的无人机任务分配问题,提出了一种离散萤火虫算法。对每个任务地点进行编码并重新定义萤火虫移动机制,通过引入交换子将多目标函数的寻优转化为编码序列的交换过程。采用变步长移动和多邻域搜索的方法,提高了算法的收敛速度和全局寻优能力。仿真结果表明,对于多目标离散问题,文中算法在种群规模较小、迭代次数较少的情况下能够找到满意解。

改进萤火虫算法求解多目标柔性作业车间调度

针对多目标柔性作业车间调度问题,以最小化最大完工时间、最小化机器总负荷、最小化机器最大负荷为目标,提出一种改进邻域结构的离散萤火虫算法。首先,采用多种策略相结合的方式初始化种群,提高算法初始解质量以及种群多样性;其次,通过改进关键路径的邻域结构并设计离散萤火虫算法的位置更新公式,以增强算法全局搜索和局部搜索能力;最后,将该算法应用于标准数据集,并将求解结果与其他算法进行对比,验证了所提算法的有效性。

求解TSP问题的离散型萤火虫群优化算法

基于求解TSP问题,提出一种离散型萤火虫群优化(DGSO)算法,该算法结合TSP问题特点,给出一种有效编码和解码方法,并定义适合编码的个体间距离计算公式和编码更新公式.同时,为增强算法求解TSP问题的局部搜索能力,加快算法的收敛速度,算法使用了操作简单的2-Opt优化算子.最后,通过对10个TSP问题进行仿真实验,实验结果表明本文提出的算法是在种群规模较小,迭代次数较少的情况下就可以收敛到已知最优解.在大规模TSP算例中算法获得的最优值与理论最优值的误差也在1%以下.

基于MapReduce改进离散型萤火虫算法和多重分形的属性约简方法

针对大数据环境下属性约简问题,提出基于MapReduce改进离散型萤火虫算法(IDGSO)和多重分形(MFD)的属性约简方法.首先,通过对萤火虫个体的移动方式进行离散化改进,引入迁徙策略和高斯变异策略,避免陷入局部最优,并提出改进离散型萤火虫算法.然后,将IDGSO结合MFD应用于属性约简中.最后,针对大数据环境下属性约简问题,采用MapReduce编程模式,实现对IDGSO和MFD的并行化.在UCI数据集和实际气象数据集上的实验表明,文中算法约简性能较优,运行效率较快,具有较好的有效性和可行性.

基于MapReduce离散萤火虫群优化算法的服务选择方法

针对云计算环境下求解大规模的Web服务选择问题,提出基于MapReduce模式的并行离散萤火虫群优化算法。该算法重新定义个体的编码,计算个体间的距离,改进位置更新,提高高维空间中的搜索能力,并采用分群分治思想和理想点方法进行优化,以避免过早陷入局部最优,提高处理大规模问题的能力。实验结果表明,该算法在求解服务选择问题上具有可行性和有效性,且扩展性较好。

改进的离散型萤火虫优化算法求解柔性作业车间调度问题

针对传统的群智能优化算法在求解柔性作业车间调度问题(FJSP)时,存在寻优能力不足且易陷入局部最优等缺点,本文以最小化最大完工时间为目标,将萤火虫算法(FA)用于求解柔性作业车间调度问题,提出一种改进的离散型萤火虫算法(DFA)。首先,通过两段式编码建立FA连续优化问题与FJSP离散优化问题之间的联系;其次,设计一种群初始化方法,以确保初始解的质量以及多样性;然后,提出改进离散型萤火虫优化算法并引入局部搜索算法,加强算法的全局搜索能力和局部搜索能力;最后,对标准算例进行仿真,验证DFA算法求解FJSP的有效性。通过与遗传算法和粒子群优化算法进行仿真对比,表明了DFA求解FJSP的优越性。

基于多目标VRP的离散型萤火虫算法研究

以车辆路径问题为准,对萤火虫算法进行研究。建立了以最小化车辆数量和行驶路程为目标的多目标规划数学模型,提出一种结合变邻域搜索算法的离散型萤火虫算法。该离散型萤火虫算法的特色之处在于:重新定义了个体的生成方式和距离移动方式;采用变邻域搜索技术以增强算法的邻域搜索能力;在搜索过程中采用随机个体替代种群中的重复个体以维持种群的多样性;采取精英策略记录迭代过程中的最优解。通过不同规模的Solomon算例进行仿真实验,结果表明所提算法无论是在车辆数量还是行驶路程的求解质量都取得了很好的效果。

基于离散萤火虫压缩感知重构的无线传感器网络多目标定位

研究了压缩感知(CS)理论在无线传感器网络(WSNs)多目标定位中的应用。提出一种基于离散萤火虫算法的压缩感知重构方法,并设计了具体算法实现流程,该算法摆脱了传统压缩感知重构算法对稀疏度K的依赖且能够准确地重构出原始信号。基于此,将新的压缩感知重构算法应用于WSNs目标定位,建立了WSNs系统模型,构造了合理的测量矩阵和稀疏矩阵,并分析了测量矩阵与重构结果之间的关系,最终实现了WSNs多目标定位。仿真结果表明该方法在稀疏信号重构性能及多目标定位精度方面具有较好效果,定位精度优于贪婪匹配跟踪(GMP)算法、正交匹配追踪(OMP)算法和最大似然估计(MLE)算法,且用于WSNs定位的传感器节点数目减少了20%,抗噪性达到了20dB。

基于精英个体划分的变步长萤火虫算法的特征选择方法

针对标准萤火虫算法(firefly algorithm,FA)收敛速度慢及其在解空间内的搜索易陷入局部最优的缺陷,充分考虑萤火虫算法在寻优过程中其种群内个体的差异性,提出一种基于精英萤火虫个体划分的变步长策略,改进后的FA在算法迭代中对每代目标值较好的精英萤火虫个体随机增大其移动步长,而对每代目标值较差的非精英个体则线性减小其步长。为适用于特征选择问题,又对FA中萤火虫的编码和位置移动进行了离散化定义,给出了基于所提改进型离散FA(binary firefly algorithm,BFA)的包装式特征选择方法流程。在UCI分类数据集上对比测试了所提改进型BFA与其他算法在优化特征选择方面的性能。测试结果表明,基于所提改进型BFA优化特征选择的效果较好,验证了所提改进策略可有效提升FA的优化能力。

基于萤火虫算法带时间窗的双向配送调度

针对带时间窗的双向配送调度问题,重新建立新的带多目标的数学模型,提出一种离散型萤火虫算法和编码策略,并重新定义了个体交叉变异移动公式。同时,根据萤火虫编码个体之间的逻辑距离,构建邻域集合,提高局部搜索能力。并引进个体历史最优记忆功能,加快收敛速度。最后利用随机数和求余函数对编码个体进行扰动,防止过早陷入局部极值。通过仿真案例实验验证了算法的有效性。

考虑空间众包工作者服务质量的任务分配策略及其萤火虫群优化算法求解

针对空间众包中的任务分配问题,考虑空间众包工作者的服务质量对分配结果的影响,从而提出了一种加入了工作者服务质量评价的任务分配策略。首先,在每个时空环境下,加入工作者的评价要素以建立充分考虑工作者服务质量和距离成本的多目标模型;其次,通过改进离散型萤火虫群优化算法的初始化及编码策略、位置移动策略、邻域搜索策略使算法收敛速度加快、全局寻优能力提高;最后,利用改进后的算法来求解模型。在模拟和真实数据集上的实验结果表明,该算法在不同规模数据集上较其他群智能算法可提高2%~25%的任务分配总得分。该算法考虑了工作者的服务质量后,可有效提高任务分配效率和最终总得分。

分布式软件定义网络中多域流量工程的路由优化方法

针对分布式软件定义网络(software-defined networking,SDN)中流量管理调度不均衡的流量工程问题,提出一种基于负载均衡的多控制域流量路由优化的解决方案。首先分析控制消息流量的组成、域内通信及域间通信规则;然后基于4种控制消息定义控制链路流量的构成,明确链路承载流量分为控制消息流量和业务流量,建立平衡控制器负载和最小化最大链路利用率的优化模型;最后基于域内通信和域间通信提出两层路由算法。为提高模型求解精度,进一步提出改进离散萤火虫算法求解最优路由。结合ABILENE网络和GEANT网络,分析控制消息流量、控制器负载和链路负载等评价指标。实验结果表明,优化模型能有效实现控制器和链路负载均衡,控制消息流量是流量工程重要组成部分。相比集中控制模式,扁平分布式控制模式的平均控制器负载降低47.3%,最大链路利用率相差不超过15%。