基于蜜蜂进化型遗传算法在轨模块更换的卫星舱布局优化设计

为了解决卫星舱布局优化问题,提出一种加入启发式规则的蜜蜂进化型遗传算法(BEGA),进而改善在采用遗传算法求解卫星舱布局优化时的性能。BEGA算法对交叉操作的改进可以增强种群最优个体所包含信息的开采能力,随机个体的加入又能提高算法的勘探能力,从而避免算法过早地收敛。同时为了实现在轨模块更换,通过计算更换模块和待布物之间干涉量,来求出在轨可更换模块的合理拆装路径,此方法可以有效满足模块更换的各项性能指标。最终实现在轨可更换模块的卫星舱布局优化。仿真试验表明:BEGA算法可以有效求出安装路径,而且与标准遗传算法(SGA)相比较,BEGA具有较好的包络圆半径、转动惯量、成功率。

点焊机器人轨迹能耗模型及其优化算法研究

提出一种点焊机器人最优能耗轨迹优化方法,将机器人关节空间中的关键点用五次多项式曲线连接,并基于机器人动力学建立了永磁交流伺服电机驱动的点焊机器人轨迹能耗模型。在考虑运动学、动力学及生产周期约束的情况下,采用蜜蜂进化型遗传算法求解了点焊机器人最优能耗轨迹。为保证算法全局寻优和收敛速度,构建了一种非线性适应度函数。仿真结果表明,与之前算法相比,求解效率更高,且最优能耗轨迹较最短时间轨迹能耗明显减少。

基于改进蜜蜂进化型遗传算法的含分布式电源的配电网重构

为改善分布式电源(Distributed Generation,DG)并入电网后配电网重构算法的性能,提出一种基于佳点集的蜜蜂进化型遗传算法(Bee Evolutionary Genetic Algorithm Based on Good Point Set,GBEGA)。该算法的关键有三点:1.提出一种基于佳点集的种群初始化方法,该方法比随机方法产生的种群在搜索空间更为均匀;2.引进佳点集交叉算子,该算子能在父代附近进行更加精细的搜索;3.采用自适应的交叉变异概率,有利于算法开采与勘探的平衡。将DG处理为PQ、PV两种模型,并将GBEGA与相关文献中的算法关于IEEE33和IEEE69节点系统进行了对比测试。仿真结果表明,GBEGA适合于含DG的配电网重构,在全局寻优能力和收敛速度上表现出色。

配电网重构的蜜蜂进化型遗传算法

针对普通遗传算法在解决配电网重构问题时容易出现过早收敛和产生无效解现象,提出一种配电网重构的蜜蜂进化型遗传算法。该算法利用种群的蜂王与雄蜂个体分别进行交叉操作,并在每代进化过程中引入一个随机种群防止过早收敛。在编码方法上,提出一种简化配电网络的染色体两阶段编码解码策略,以prim算法寻找简化网络的连支作为要断开的支路组,再选择其中具体断开支路,算法的整个计算过程中没有无效解产生。对IEEE 16节点和69节点两个标准算例进行了仿真计算,并与其他方法进行比较,结果表明所提算不仅有较高的搜索效率,而且具有良好的稳定性。

蜜蜂进化型遗传算法在水库优化调度中的应用

提出了一种基于蜜蜂进化型遗传算法的水库优化调度问题的求解方法,并通过实例对蜜蜂进化型遗传算法和标准遗传算法的性能做了比较。结果表明,在进化代数相同的条件下,由于蜜蜂进化型遗传算法在配种选择算子上使用种群的最优个体作为蜂王,提高了种群收敛速度;再者,在代进化过程中引入一个随机种群,保持了群体的多样性,提高了算法的勘测能力。

基于蜜蜂双种群进化型云自适应遗传算法的电力系统多目标无功优化

针对遗传算法在求解多目标无功优化方面存在的缺陷,文章提出了基于蜜蜂双种群进化型云自适应遗传算法(double bee population evolutionary cloud adaptive genetic algorithm,BEPE-CAGA)。该算法根据蜜蜂双种群进化思想,引入了雄峰通过竞争参与交叉及雄峰与决定双峰群优秀遗传基因的蜂后交叉的策略,并结合正态云模型云滴的随机性和稳定倾向性特点对其进行改进,改善了算法陷入早熟的问题,提高了算法的收敛速度。建立了以有功网损最小、电压偏差最小及电压稳定裕度最大为目标的无功优化数学模型,并以BEPE-CAGA算法求解该模型。最后通过对IEEE14和IEEE30节点系统进行算例仿真,仿真结果验证了文章所提算法的有效性,同时也证明了该算法在收敛速度和优化效果上具有比基本GA算法和CAGA算法更佳的性能。

改进的基于蜜蜂进化型遗传算法和蚁群系统混合的元件贴装优化

针对PCB板的表面贴装技术(Surface Mount Technology,SMT)优化问题,提出一种基于蜜蜂进化型遗传算法和蚁群系统的混合智能算法(the Hybrid Intelligent Algorithm based on Bee Evolutionary Genetic Algorithm and Ant Colony System,BAHA).该算法的关键有4点:①通过两个种群的融合实现信息共享,提高算法的收敛速度;②采用改进的OX的交叉算子,合理保留优秀个体基因的排列顺序;③加入局部搜索算子,在当代最优解附近进行更加精细的搜索;④信息素重置防止陷入局部最优解.用TSP30问题、eil51问题与相关文献进行对比测试,仿真结果表明BAHA收敛速度快,寻优能力强.通过对5种不同PCB板的元件贴装顺序进行优化计算,结果表明,BAHA能有效的提高贴装效率.

包装物回收物流中的车辆路径优化问题

目的提高遗传算法(GA)求解包装物回收车辆路径优化问题的性能。方法通过对传统GA算法的改进,提出混合蜂群遗传算法(HBGA)。首先改进传统GA算法的初始种群生成方式,设计初始种群混合生成算子;其次,提出最大保留交叉算子,对优秀子路径进行保护;然后,在上述改进的基础上引入蜜蜂进化机制,用以保证种群多样性和优秀个体特征信息的利用程度;最后,对标准算例集进行仿真测试。结果与传统GA算法相比,HBGA算法在全局寻优能力、算法稳定性和运行速度方面均有所改善。HBGA算法的全局寻优能力和算法稳定性均优于粒子群算法(PSO)、蚁群算法(ACO)和禁忌搜索算法(TS),但运行速度稍慢于TS算法。结论对传统GA算法的改进是合理的,且HBGA算法整体求解性能优于PSO算法、ACO算法和TS算法。

基于蜜蜂进化型遗传算法的四杆机构优化设计

在平面四杆机构设计中,为了避免传统的图解法或分析法的低精度、低效率的缺陷,采用蜜蜂进化型遗传算法,使多目标优化的寻优过程简化,更快地接近全局最优解,同时防止过早收敛,使机构的传动性能得到了改善,优化效果显著。

基于改进蜜蜂进化型遗传算法的电力系统无功优化

文章采用改进蜜蜂进化型遗传算法求解电力系统无功优化问题,该算法引入了自适应调整选择算子的策略,使算法能及时开辟新的解空间,提高其搜索效率;引入了驱逐算子,增加了蜂群的生物多样性,提高了杂交效率,避免了算法过早收敛的问题。通过以IEEE-6节点和IEEE-30节点测试系统为例进行无功优化计算,并与其他优化算法进行了比较,结果表明了文章算法在求解电力系统无功优化问题的有效性,同时证明了该算法在收敛速度和优化效果上具有比其他优化算法更佳的性能。

基于蜜蜂进化型遗传算法的电力系统无功优化

采用蜜蜂进化机制与遗传算法相结合的蜜蜂进化型遗传算法(bee evolutionary genetic algo-rithm,BEGA)对电力系统进行无功优化计算.该算法以一定概率将蜂王(最优个体)与雄蜂(被选的个体)2部分进行交叉,因此对最优个体包含信息的开采能力得以增强.随机种群的引入,降低了算法出现过早收敛的可能性,保持了种群多样性.应用BEGA对IEEE6节点系统进行无功优化计算的结果表明:较其他算法,BEGA具有更强的全局寻优能力和更快的收敛速度.

改进的蜜蜂进化型遗传算法

图像匹配是图像处理中的一项重要技术,在许多领域都有广泛的应用。简单地说,它就是找到两幅不同图像之间的空间位置关系。对一种衡量图像之间相似性的推土机距离EMD度量做了介绍,提出了一种基于EMD度量的图像匹配方法。实验结果表明,运用此种技术进行图像匹配相对一些其它的图像匹配方法有更好的效果。

多蜂群进化遗传算法

提出一种多蜂群进化型遗传算法。在该算法中,种群的最优个体作为蜂王与被选的每个个体(雄蜂),以概率进行交叉操作,增强了对种群最优个体所包含信息的开采能力。为避免算法早熟,被选雄蜂部分来自于其他蜂群,同时引入蜂王对其他蜜蜂的抑制机制,以提高蜂群的生物多样性。实验结果表明,多蜂群进化遗传算法是一种提高遗传算法性能的有效改进算法。

基于蜜蜂进化算法的JPEG隐写方法

为提高嵌入效率,缩短算法运行时间,提出了一种基于蜜蜂进化算法的变换域隐写方法。该方法首先利用由蜜蜂进化算法搜索到的最优置换矩阵将秘密信息进行置换;接着修改了JPEG标准量化表以便能够嵌入较多的信息;将置换结果嵌入到量化后DCT系数的DC和中低频AC区域中;最后利用JPEG熵编码得到隐藏了信息的JPEG格式文件。实验结果表明,与直接嵌入方法相比较,该方法提高了含密图像的质量和安全性,与基于遗传算法的信息隐藏方法相比,该算法所花费时间更少。

基于蜜蜂进化型遗传算法的Wang tiles纹理合成

在基于Wang Tiles的纹理合成中引入蜜蜂进化型遗传算法,用它来实现样本纹理块选择的全局优化,解决纹理合成出现的菱形接缝问题,提高了Wang Tile集的质量,加快了合成速度。通过实验得到了理想的合成效果。

基于蜜蜂进化遗传算法优化SVM的超短期风电功率预测

提出了基于蜜蜂进化型遗传算法优化支持向量机(SVM)的超短期风电功率预测方法。针对遗传算法在优化支持向量机参数存在的早熟问题,提出了将蜜蜂进化型遗传算法应用于优化支持向量机参数,提高了搜索效率。通过某风电场预测数据进行对比实验,验证了该方法可以有效提高预测准确率和精度。

基于蜜蜂进化型遗传算法的中央空调系统能耗优化研究

如何在满足用户冷量需求的基础上,最大程度地减小中央空调系统的运行能耗是建筑节能领域亟待解决的问题。目前,标准遗传算法(SGA)是中央空调系统节能优化采用较多的方法之一,但若需要较高的计算精度,其计算时间较长,而蜜蜂进化型遗传算法(BEGA)具有精度高、收敛速度快的优点。本文采用此方法对中央空调系统的运行能耗进行了研究,得出了系统在不同负荷下的最优运行参数,发现中央空调系统存在的节能潜力跟系统实际运行负荷的大小有关,实际负荷越小,系统的节能空间越大。在通常的空调负荷分布情况下,节能率可达25.1%。