基于新颖二进制人工蜂群算法求解带权集合覆盖问题

带权集合覆盖问题(WSCP)是一个著名的NP-hard问题。为了利用人工蜂群算法(ABC)高效求解带权集合覆盖问题,提出了一个新颖二进制ABC(记作nBABC)。在nBABC中,首先提出了随机学习和继承性相结合的全局进化算子,以提高算法的全局勘探能力。其次,基于动态调整策略提出了自适应随机取反算子,以维持勘探与开发的平衡。在借鉴近似算法的思想提出处理WSCP不可行解的修复算法WSCP-GRA和优化算法WSCP-GOA的基础上,利用nBABC给出了求解WSCP的一个新方法。为了验证nBABC求解WSCP的高效性,利用它求解OR-Library中45个WSCP实例,与多个算法的比较表明:nBABC能够求得所有实例的最优值,比已有求解WSCP的算法更具竞争力。

基于差分演化二进制人工蜂群算法的多用户检测

最优多用户检测属于NP组合优化问题,人工蜂群算法作为一种简单有效的新兴启发式算法可以有效求解此类问题。针对基本二进制人工蜂群算法收敛速度慢、易陷入局部最优等缺陷,提出了一种基于差分演化的二进制人工蜂群算法,并应用于最优多用户检测中。算法采用多维邻域搜索策略,避免了连续域到离散域的转换,降低了算法复杂度,适合于实时处理。仿真结果表明,所提算法在抗多址干扰能力、抗"远近"效应能力和收敛性能方面均优于基本二进制人工蜂群算法。

游戏中寻找路径的改进算法

通过分析A*算法,设计并实现用索引数组和二叉堆表示开放列表的A*改进算法。该算法与用索引数组表示的开放列表相比,可以节省约11%的运行时间。

全局最优引导的差分演化二进制人工蜂群算法

针对基本二进制人工蜂群算法开采能力弱、收敛速度慢的缺点,提出一种全局最优引导的差分二进制人工蜂群算法。算法仿照粒子群优化,将全局最优参数引入二进制人工蜂群算法中以提高开采能力;同时受差分演化算法中"交叉"操作的启发,提出多维邻域搜索方式,加快收敛速度。采用0-1背包问题进行仿真,实验结果表明与传统算法相比,提出算法不仅寻优能力增强且收敛速度明显提高。对于10维背包问题,提出算法的收敛速度比基本二进制人工蜂群算法提高近10倍。

基于人工鱼群算法的配电网故障定位

配电网故障定位根据故障指示器上报信息来判断故障区段,主站需高效处理上报的大量故障信息来判断故障位置,因此需要算法来迅速准确地处理故障信息。鉴于人工鱼群算法具备较好的全局寻优能力,能迅速跳出局部最优点。基于人工鱼群算法,依据安装在配网线路上的故障指示器上报线路故障与否,提出二进制编码规则,结合大理供电局某10 kV线路故障线路的实际情况,运用MATLAB软件进行模拟仿真。通过分析仿真结果表明,人工鱼群算法在配电网线路故障定位方面依据故障指示器的上报信息,可以准确地缩小故障位置的范围,准确率达到90%左右,具有较好的工程实用性。

基于改进引力搜索算法的优化特征选择算法

针对引力搜索算法早熟收敛和局部收敛能力慢的不足,提出一种改进的引力搜索算法(BGSA-PS),并用于特征选择处理,从原始特征集合中寻找合适且数量较小的特征子集。加入多样性因子更新粒子的速度,扩展全局搜索空间,防止早熟收敛,结合模式搜索法增强并加速局部搜索能力。在UCI分类数据集上的实验结果表明,该方法同原始离散型引力搜索算法及相似算法相比,选取的特征数量较少、分类精度较高,是一种有效的特征选择方法,可广泛用于特征选择领域。

基于二进制人工蜂群算法的认知无线电决策引擎

为实现认知无线电系统参数的自适应调整功能,提出了一种基于二进制人工蜂群算法的认知无线电决策引擎。将认知无线电决策问题转化为多目标函数优化问题,并采用加权和方法将复杂的多目标函数优化问题归一化为简单的单目标函数优化问题。采用二进制人工蜂群算法对此优化问题进行求解,实现对无线电系统参数的优化调整。最后,通过一种多载波系统对算法性能进行仿真分析,仿真结果验证了该算法的有效性和实用性。

基于分布估计的二进制人工蜂群算法

为了充分利用种群的全局统计信息,将分布估计算法引入二进制人工蜂群算法,提出一种基于分布估计的二进制人工蜂群算法。该算法利用分布估计算法获得的全局统计信息引导候选解的产生,提高了全局探索能力;采用直接针对离散域的多维邻域更新策略,加快了收敛速度,降低了计算复杂度。仿真结果表明,与传统二进制人工蜂群算法相比,改进算法在优化精度、收敛速度和鲁棒性方面均有明显改善。

基于改进二进制人工蜂群算法的多用户检测器

最优多用户检测(OMD)技术可以达到理论上的最小错误概率,但已经证明它是一个非确定多项式(NP)问题。作为一种新型的群智能算法,人工蜂群(ABC)算法已被广泛用于各种优化问题,但传统二进制人工蜂群算法具有收敛速度过慢、易陷入局部最优等缺点。针对这一缺点,提出了一种改进二进制人工蜂群算法并将其用于求解最优多用户检测问题。算法简化了初始化的过程,采用单维求反的邻域搜索策略,计算量与最优多用户检测相比明显降低。仿真结果表明,提出的多用户检测方案在抗多址干扰和抗"远近"效应能力方面与传统检测方案相比,都有显著提高。

基于分布估计蜂群算法的多用户检测器

为了提高二进制人工蜂群算法的全局探索能力,提出一种基于分布估计算法的二进制人工蜂群算法,并应用到最优多用户检测技术中,设计出基于分布估计二进制人工蜂群算法的多用户检测方案。该方案采用直接针对离散域的多维邻域搜索策略,加快了收敛速度,避免了连续域到离散域的转换,同时利用分布估计算法获得的全局统计信息产生候选解,提高了算法性能。仿真结果表明,与传统检测器相比,所设计检测器的收敛速度明显加快,误码率性能和抗远近效应能力显著提高。

改进的二进制人工蜂群动态图像聚类算法

文中提出一种改进的二进制人工蜂群算法用于图像的动态聚类。该算法用了变化更多的候选解产生方式,以提高算法的全局搜索能力;增加了一个局部搜索阶段,以提高算法的局部寻优能力。在4个测试图像上的数值实验表明,与原始的二进制人工蜂群算法相比,文中算法在聚类有效性指标值、动态聚类数目以及聚类结果上均有明显改进。

基于IBED和仿生算法的LT码度分布设计

度分布是影响Luby变换(Luby transform,LT)码性能优劣的关键因素,为了得到更优的度分布,提出一种基于改进的二进制指数分布(improved binary exponential distribution,IBED)和仿生算法的LT码度分布设计方案.采用IBED度分布进行LT编码,初始译码成功率可高达90%以上,但随着译码开销增大,译码成功率上升速度减缓,而此时鲁棒孤子分布(robust soliton distribution,RSD)的译码性能表现更佳.为了将IBED和RSD的优点有机结合,利用人工鱼群算法(artificial fish swarm algorithm,AFSA)在两种度分布间寻优,基于期望可译集构建该算法的目标函数,通过最大化目标值得到更优的度分布.仿真结果表明,与类似方法及传统的RSD相比,采用新度分布进行LT编码可明显降低译码开销,并节约编译码耗时.

电网故障诊断的二进制人工鱼群算法

电网故障诊断的基本思想是根据保护动作原理将故障诊断问题表示为0-1规划问题。为了保证电网故障诊断的准确性和实时性,提出了一种改进的人工鱼群算法——二进制人工鱼群算法。分析了人工鱼群群聚行为和追尾行为最优方向的前进速度。并在此基础上与遗传算法、粒子群算法和量子免疫算法作了对比分析。结果表明:追尾行为最优方向的前进速度优于群聚行为,二进制人工鱼群算法综合性能优于遗传算法、粒子群算法和量子免疫算法。研究表明二进制人工鱼群算法具有收敛速度快、种群规模小和搜索能力强的特点。

基于binAD算法的边缘计算卸载决策

针对物联网边缘计算中计算卸载的高能耗、高时延以及移动智能设备自身条件不足等问题,提出一种基于binAD算法的边缘计算任务卸载决策。以最大化移动终端设备系统效用为目标,将任务执行计算能耗和时延加权和定义为系统效用的优化函数。将二进制人工蜂群算法和二进制差分进化算法相结合得到binAD算法,其中为扩大可行解范围、提高全局搜索能力,将最个体引入变异操作中,将交叉概率因子修改为适应性交叉概率因子。使用binAD算法解决优化问题。仿真结果表明,binAD算法在能耗、时延、系统效用方面均具有优越性。

基于电力大数据的变电设备故障诊断方法研究

针对变电设备故障具有随机性、诊断过程复杂等问题,基于人工蜂群算法、二叉树和支持向量机模型,提出一种基于电力大数据的变电设备故障诊断方法。首先通过人工蜂群算法对支持向量机的参数进行优化,然后针对变电设备故障类型多的特点构造了基于二叉树的多分类支持向量机,最后通过实例验证和分析该方法的有效性和分类性能。结果表明,所提出的故障诊断方法能够准确地实现变电设备故障分类。

基于DRASTIC-LU参数和数据驱动模型的地下水硝酸盐脆弱性分区

从开采、管理和控制不同地区的污染的角度,评估地下水脆弱性以确定这些资源的优先次序是重要的.研究的目的是基于DRASTIC-LU参数以及空间和非空间数据驱动的方法来估算Birjand平原含水层的地下水(硝酸盐质量浓度)脆弱性.研究提出新的组合方法来确定(Birjand平原含水层)地下水脆弱性分区中合适的DRASTICLU参数,即将具有指数和双平方核的地理加权回归(geographically weighted regression,GWR)和人工神经网络(artificial neural network,ANN)与二进制粒子群优化算法(binary particle swarm optimization,BPSO)相结合.计算结果为:对于ANN、指数核GWR和双平方核GWR的适应度函数(1-R^(2))的最佳值分别为0.1060、0.0745和0.0065,这表明双平方核的兼容性比其他方法更高.研究表明DRASTIC-LU参数对研究区域的硝酸盐质量浓度估计的地下水脆弱性有显著影响.

改进人工鱼群算法在认知无线电决策引擎中的应用

针对遗传算法、粒子群算法等应用于认知无线电决策引擎时存在收敛速度慢,容易陷入局部最优解的缺陷,提出了一种基于改进人工鱼群算法的认知无线电决策引擎.利用改进人工鱼群算法全局收敛性强、鲁棒性能好、初值敏感度低等特点,更快速、高效地优化调整传输参数,从而寻找特定条件下的最优配置方案.仿真结果表明,在多载波通信系统下,该认知决策引擎具有收敛精度高、平均适应度值高、稳定性强等特点,性能优于二进制量子粒子群认知引擎.

对线性规划单纯形法的注记

为了更有效地应用单纯形算法求解线性规划问题,本文提出了以下几点注记。(1)人工变量列不必参与数值计算,也不占存储空间,从而可大量节省计算量和存储量;(2)使用基变量指标集来判断人工变量是否离基,可避免舍人误差的影响;(3)虚设人工变量的最终非零值对于修改存在矛盾的数学模型将起着关键性作用;(4)可将大M法与两阶段法统一处理,且M可不取具体的数值,也不参与数值计算;(5)实际计算中宜将Dantzig算法与Bland算法结合起来使用,既可对一般问题达到快速收敛的目的,又可避免退化问题可能产生的循环现象,而且在软件设计与实现上要比字典序方法等简单容易;(6)对于大型稀疏矩阵的计算机数据录入,建议采用二元数组的数据结构逐行录入,则可节省三分之一的录入工作量。

基于二进制人工蜂群算法的通信抗干扰决策方法

为实现通信抗干扰决策引擎自主调整系统参数的功能,借鉴了一种群体智能优化算法——二进制人工蜂群(binary artificial bee colony,BABC)算法,提出了基于二进制人工蜂群算法的通信抗干扰决策方法。该算法通过模拟蜜蜂采蜜的行为在搜索域中进行寻优,来实现对通信参数的自主选择。针对现有决策算法的不足,该算法对抗干扰决策过程中的目标函数进行合理的设置,使其更加符合实际的通信场景。仿真表明,该算法能够实现通信参数的最优选择,同时能够较好的防止局部最优;与已有的基本遗传算法(genetic algorithm,GA)和粒子群算法(particle swarm optimization,PSO)相比,该算法具有较好的收敛性能。

基于化学元素的部分中药药性量化方法的比较研究

目的基于中药的化学元素含量,通过不同分析方法获得中药药性的分类准确率,并对不同方法的分类准确率进行比较。方法从《中药理论量化与应用研究》中获得目标中药,采用Excel对目标中药的化学元素数据进行提取,基于IBM SPSS Statistics 26软件对单个中药药性和化学元素进行2个独立样本非参数检验,将具有统计学意义的关联元素作为自变量,通过二元Logistic回归分析、决策树算法、人工神经网络等方法对因变量(药性)进行分类预测。运用此类算法得到中药药性的相关变量、分类准确率及模型函数系数,并比较不同方法的分类效果。结果建立了含有105味中药、42种化学元素的初步元素数据库,对中药药性进行统计,获得四气、五味、归经的药性变量。通过非参数检验得到药性的相关因素,寒性的相关因素有Be、Sr、Ca、La;苦味的相关因素是Mn、Ni、K、Ca、V、Si、Co、Zn;脾经的相关因素有Ni、Bi、Co、Be、Eu、Ce、Nd、V、Pr、Sm、La、Dy。几种算法对寒性、苦味、脾经的分类预测准确率:二元Logistic回归分析分别是87.6%、91.4%、81.4%;决策树模型训练集分别为77.8%、87.7%、78.1%,检验集分别为69.7%、65.0%、62.5%;人工神经网络模型训练集分别为74.1%、73.7%、74.0%,检验集分别为54.5%、72.4%、67.9%。结论基于单因素分析获得药性的相关因素,通过二元Logistic回归、决策树、人工神经网络分析,揭示了中药药性与化学元素间存在一定联系。从分类准确率来看,决策树与神经网络训练集的准确率均高于检验集。决策树训练集、检验集平均分类准确率均高于神经网络。二元Logistic回归分类的准确率虽高于神经网络和决策树,但二元Logistic回归没有区分训练集和检验集。