含分布式发电的改进BFO算法配电网无功优化

在含分布式电源的电网无功优化研究中,为了更有效地提高配电网性能,提出了一种改进细菌觅食算法(CP-BFO)。以电网网损最小、负荷节点电压和发电机的无功出力约束作为综合目标函数,采用细菌觅食算法,在聚焦操作中引入粒子群变异算子,使算法具有良好的全局搜索能力,提高了算法的寻优效率。同时利用混沌原理对改进的细菌觅食算法的参数进行自适应调节,改善了算法的收敛性能。通过节点系统的仿真表明,CP-BFO算法在提高含分布式电源的智能电网电压质量与减少功率损耗的优化过程中具有可行性和有效性。

基于粒子群-细菌觅食混合优化算法的汽车碳纤维复合材料地板铺层设计

为提高白车身地板复合材料铺层优化设计的精度、效率及结构轻量化水平,提出了一种碳纤维复合材料地板铺层优化设计方法。首先建立了白车身有限元模型并验证了其有效性,然后通过力学性能测试获取了碳纤维复合材料的参数,并进行了地板铺层的概念设计和建模。接着,采用连续变量优化设计方法确定了地板的铺层厚度、铺块形状和铺层层数,并使用离散化圆整策略获得了各铺向角的离散铺层层数。优化结果表明,所提出的粒子群-细菌觅食混合优化(PSO-BFO)算法对地板质量、静态弯曲刚度和白车身轻量化系数的改善率分别为34.4%、6.0%和5.3%。

Voronoi-BFO水面移动基站路径规划算法

在水面无线传感器网络(surface wireless sensor networks,SWSNs)中,传感器节点布置稀疏,节点间距离大于节点通信距离,移动基站需有效收集节点数据信息。完整收集节点数据,使基站移动路径最短或近似最短是一个关键问题。文章在节点间距离大于节点通信距离的前提下,利用Voronoi图理论生成基站移动候选子路径,并使用细菌觅食优化(bacterial foraging optimization,BFO)算法求解,以使规划路径最短或近似最短,网络通信能耗降低。结果表明,该方法在不同网络规模情况下均具有最短或近似最短的路径长度,且网络通信能耗低。

基于细菌觅食优化算法的自适应阈值边缘检测

Sobel算子在阈值偏高或偏低的情况下会产生伪边缘或边缘丢失的问题。为此,将细菌觅食优化算法与最大类间方差相结合,利用细菌觅食优化算法的全局寻优能力,以最大类间方差为适应度函数搜索最佳边缘检测阈值,对图像进行自动边缘检测。实验结果证明,该方法能够取得较好的边缘分割效果,提高阈值检索速度。

基于智能优化算法的T-S模糊模型辨识

将智能算法应用在T-S模糊模型的辨识方面,是模糊系统辨识的一种新途径。文中对几种智能优化算法,如遗传算法(genetic algorithm,GA)、粒子群(particle swarm optimization,PSO)算法、菌群优化(bacterial foraging optimization,BFO)算法等的优化原理和在模糊辨识方面的应用现状进行了综述和分析,并给出了它们在T-S模糊模型辨识中对参数进行优化的过程。最后将这些优化方法用于一非线性动态系统的建模,并对仿真结果进行了对比和详细的分析,为进一步了解这几种优化方法在模糊模型辨识参数优化方面的作用提供了仿真实验依据。

变概率混合细菌觅食优化算法

针对细菌觅食优化算法寻优过程中精度差、易陷入早熟收敛等缺点,提出一种变概率混合细菌觅食优化算法。借鉴粒子群算法的信息共享机制,采用能综合反映细菌自身学习及群体合作的趋化方向,以提高算法的寻优精度和效率;基于群体适应度方差理论引入变概率迁徙策略,帮助细菌快速跳出局部极值,避免了早熟收敛和精英细菌逃逸;采用改进型佳点集方法构造初始种群及迁徙后的新个体,保证了种群多样性和解空间随机性。实验结果表明,本文提出的算法在全局收敛能力及优化精度和速度方面均表现更优。

多目标细菌觅食优化算法

传统的细菌觅食优化算法仅针对单目标优化问题寻优,为进一步发掘细菌群体智能在多目标优化问题中的寻优优势,提出了改进的多目标细菌觅食优化算法。在个体间互不支配时给出归一化的择优策略;引入差分思想完成复制操作,提高种群的多样性;采用栅格划分法进行迁徙操作,提高解集的分散性;同时使用外部集存放当前找到的非支配解,并不断对外部集进行优化。通过对多个标准函数进行测试并与其他几种算法的对比结果表明,所提出的多目标细菌觅食优化算法在解的收敛性和分散性指标上都有一定提升,能够有效解决多目标优化问题。

改进细菌觅食算法在高维优化问题中的应用

针对以往细菌觅食优化算法自适应步长公式经验性参数过多、无法真正实现自适应的缺点,提出了改进的步长公式,使步长仅与细菌个体当前的进化代数和所求解问题的寻优范围有关,真正实现步长的自适应;其次,将混沌思想和差分进化思想与细菌觅食算法结合,对算法初始化过程和寻优过程进行改进,增加群体多样性,避免算法因为早熟而陷入局部最优值;在高维问题的优化过程中,采用逐维更新细菌位置的方法,将整体问题分维处理,极大地提高了算法效率和精度。通过对多个标准测试函数在多维空间进行测试,表明改进算法在高维空间中寻优时速度快、精度高、求解过程简单可行,在寻得最优解的精度上比其他改进方案有显著提高。

细菌觅食优化算法的边界条件

细菌觅食优化算法在搜索全局最优的过程中,可能出现细菌超出搜索空间的情况。针对这种现象,提出了7种受限制的边界条件和4种不受限制的边界条件,对出界细菌进行处理。通过单峰值函数和多峰值函数分别对这11种边界条件进行对比测试。结果表明,就收敛速度来看,不受限制的边界条件总体性能优于受限制的边界条件,而置于边缘的受限制的边界条件又稍微优于随机放置的情况。就搜索效果来看,对于单峰值函数,无形/衰减这种边界条件在寻优效果方面优于其他的边界条件,而且比较稳定,仅次于无形/衰减这种边界条件的是随机/吸收边界条件;对于多峰值函数,衰减边界条件更具优势。

“1+4”铝热连轧轧制力自学习

在铝热连轧精轧生产过程中,轧制力的预报精度直接影响板厚和板凸度控制精度。针对河南某1+4铝热连轧机现场轧制力预报精度较低的问题,根据现场采集的大量轧制数据,建立了轧制力模型自学习算法,并用细菌觅食优化算法对自学习中的增益系数进行了优化,提高了轧制力预报精度。

基于改进细菌觅食算法的桥梁动载识别

桥梁在交通事业中的作用越来越重要,而对桥梁结构的健康监测是当今研究的热点问题,桥梁上移动荷载的识别作为桥梁结构健康监测的基础环节,是决策者进行结构安全评估和交通规划的重要依据.其中利用BP神经网络进行识别是重要的也是目前最热门的方法,而神经网络中参数的确定最为重要.提出一种全新的改进的细菌觅食算法以确定网络参数,数值模拟证明可取得相对较好的识别结果.

基于改进细菌觅食优化算法的输电网规划

针对大规模输电网规划中细菌觅食算法(BFO)容易陷入局部最优、搜索精度和后期收敛速度明显下降的问题,使用改进细菌觅食算法(IBFO)建立了基于线路建设费用、网损费用以及正常运行时的过负荷惩罚费用最低的输电网规划模型,通过对IEEE-18节点和巴西南部46节点系统的计算,验证了IBFO在求解大规模输电网规划问题时收敛更快,更易寻得全局最优解。

基于细菌觅食优化算法的城市轨道交通调度优化

为了合理高效地制定城市轨道交通调度方案,实现客流与车次的优化配置,提出了一种基于细菌觅食优化算法的城市轨道交通调度优化策略。兼顾乘客与运营企业双方利益,以发车间隔为决策变量,乘客平均候车时间最短和发车次数最少为优化目标,建立调度优化模型,并对细菌觅食优化算法求解该调度模型的过程进行分析。结合某城市轨道交通一号线实际运营数据进行仿真实验,并与其他算法的优化结果进行对比分析,实验表明该算法和模型能有效解决城市轨道交通调度优化问题。

一种基于细菌趋药行为的量子算法

菌群觅食优化算法具有算法简单、鲁棒性强和具备全局搜索能力的特点。但该算法收敛速度慢,对于多峰函数容易陷入局部最优。为提高菌群优化算法的搜索能力,避免其陷入早熟收敛,提出一种量子菌群算法,将二进制编码的量子进化算法融合到菌群算法中,用量子染色体表示细菌,用量子旋转门实现细菌状态更新。通过标准测试函数对其优化性能进行研究,实验结果表明,该算法无论是对于普通函数还是多峰函数,在收敛速度、收敛稳定性和寻找全局最优方面均优于菌群算法和量子遗传算法。

基于细菌觅食优化算法的WSNs节点部署策略

为了提高传感器节点的有效覆盖率,提出了一种基于细菌觅食优化(BFO)算法的节点部署策略。以网络覆盖率为目标函数,在细菌觅食算法的趋向操作过程中,引入碰壁策略,对细菌初始位置进行优化,从而提高算法的收敛速度。算法中的每个细菌都代表一只传感器,多个细菌组成的一个菌落代表一种传感器的部署方案。算法以菌落为单位做复制操作和迁徙操作,按照菌落适应度值大小选出较为优越的部署方案。通过仿真实验,分析了参数对算法性能的影响,并与其他方法的优化结果进行比较,结果表明:该算法有效地提高了传感器节点覆盖率。

基于改进PSO算法的移动机器人路径规划

针对粒子群优化(PSO)算法收敛速度快但容易陷入局部极值和细菌觅食优化(BFO)算法全局搜索能力强但效率低的问题,提出了一种将BFO算法的趋化、迁徙和复制操作引入到粒子群搜索过程的具有全局搜索能力和快速收敛的混合算法。在BFO算法和PSO算法的原理、操作步骤基础上,分别使用了PSO算法、BFO法和混合算法对移动机器人进行全局路径规划仿真试验,并分别给出了各算法的迭代次数、适应值曲线。仿真结果表明:与PSO算法和BFO算法相比,所提出的混合算法具有搜索时间短、迭代次数少的优点,较好验证了混合算法在移动机器人路径规划方面的可行性和有效性。

改进细菌觅食算法解决零空闲流水线调度问题

针对零空闲流水线调度问题,建立以最大完成时间为目标的数学模型,并提出了解决问题的改进细菌觅食优化算法。在标准细菌觅食优化算法的基础上,引入了交叉优化算子、混合复制策略以及一种基于健康度和适应度共同控制的自适应迁徙概率,以加速算法的收敛过程,并有效抑制精英个体的逃逸,防止解发生退化。采用路径编码方式,通过MATLAB算例试验,表明了改进细菌觅食优化算法在求解零空闲流水线调度问题上的可行性和有效性;同时,运用两种方式产生初始解:随机方式和NEH方法,进一步验证算法的鲁棒性。

基于改进细菌觅食优化算法的电动转向系统功率优化

为了降低新能源纯电动汽车中电动助力转向系统的电能消耗,提出一种基于改进细菌觅食优化(IBFO)算法的功率优化控制策略。建立电动助力转向系统动态模型和车辆模型,通过改进细菌觅食算法的趋化操作和迁徙操作,提高了算法的收敛速度和精度。采用时间误差绝对积分函数评价细菌觅食算法的收敛性。分别进行MATLAB/SIMULINK仿真和硬件在环试验,测试结果表明:改进后的细菌觅食算法控制器能够更加有效地降低助力电机的功率,减少了转向过程中助力电机功耗。

基于改进细菌觅食算法的无功优化

为改善BFO算法的寻优能力,提出一种改进的MBFO算法。首先在趋化操作中采用步长缩进的控制策略,同时位置较差的细菌能获得相对较长的步长,使算法能更好的在解空间进行搜索,并提升了最优点附近的挖掘能力;然后在聚群操作中引入近朱者赤近墨者黑的思想,让最佳者发挥吸引的作用,让最差者发挥排斥的作用,简化了群体效应影响值的计算;最后在趋化循环中引入赌轮盘选择,降低精英个体被选中的概率,防止解的劣化。将MBFO用于求解电力系统无功优化问题,通过IEEE-30节点的算例分析表明,MBFO比其他几种优化方法具有更快地收敛速度和更好地优化效果,故该算法在解决无功优化问题上可行且有效。

基于遗传-细菌觅食混合算法的三相不平衡治理装置的设计

低压配电网中采用的负荷补偿装置并不能从根本上解决负载分配不均的问题,故设计了一种三相不平衡自动换相装置,并提出了遗传-细菌觅食混合算法(GA-BFO)来进行换相控制策略的计算。该设计基于MQTT协议,通过LoRa+4G的通信方式实现了装置与监控平台的远程连接。监控平台对接收到的用户用电数据进行整理分析,当达到三相不平衡的条件时,计算出能使三相平衡的用户连接状态,并遥控换相器实现负载的相别交换。通过仿真对方案进行验证分析,结果证明了该方案的有效性。