基于PSO-BF优化算法的关系数据库水印算法

借鉴群体智能优化算法,提出了一种基于粒子群优化的细菌觅食算法(PSO-BF)的关系数据库水印算法。运用混沌映射对水印序列加密生成水印信号,采用单向hash函数加密关系数据库中元组的次序,利用PSOBF优化算法解决将水印信号的嵌入过程抽象为约束条件下的优化问题,阈值解码和择多表决法用于提取水印信号,并通过混沌映射解密为表征版权的水印序列。实验表明,该算法对元组删除、修改和添加等攻击具有较强的鲁棒性和良好的不可见性。

基于粒子群优化的细菌觅食优化算法

细菌觅食优化算法(BFOA)具有全局搜索能力强的优点,但存在收敛速度慢的缺陷。为了解决以上问题,结合收敛速度快的粒子群优化算法,提出一种基于粒子群优化的细菌觅食优化算法(BF-PSO),该改进的优化算法具有可操作性和优越性。选用测试函数和对PID控制参数整定的实例进行Matlab仿真,结果进一步显示了BF-PSO的优化能力优于BFOA,收敛速度快,且具有较好的鲁棒性。

安全可靠性约束下的微电网电能最优调度模型设计研究

微电网本质上是一个主动配电网,是分布式电源(DG)系统和不同负荷在配电网电压水平上的联合体。通过分析微电网中安全可靠性以及节能环保等因素,在符合安全可靠性约束的前提下,设计综合分析微电网运行成本、电压偏差的微电网多目标经济调度模型,实现微电网电能的最优化调度。通过在模型内设置符合系统安全性以及可靠性的电压安全裕度以及失负荷率的安全约束指标,采用粒子群—细菌觅食(PSOBF)算法求解微电网多目标经济调度模型,在应用过程中考虑系统发电成本、燃料成本、设备运行维护成本、同大电网运行交互成本以及污染气体排放罚款成本,实现微电网电能优化调度问题的求解。实验结果表明,安全可靠性约束下的PSO-BF模型相比于PSO等传统模型进行微电网电能调度收敛效率高,节能效果显著。

基于改进人工势场法的移动机器人导航控制

传统人工势场法在移动机器人导航过程中存在局部极小值,障碍物周围震荡等问题。针对采用传统人工势场法实现移动机器人导航过程中存在的问题,本文引入旋转力改进人工势场法,同时运用细菌觅食混合粒子群算法(BF-PSO)对移动机器人导航过程中的控制器参数及势场函数增益系数进行离线优化。运用优化参数进行基于改进人工势场法的移动机器人导航的仿真,仿真结果表明BF-PSO算法对移动机器人导航具有较好的优化效果。