基于遗传算法和二进制蚁群算法的DV-Hop定位算法的优化

无线传感器网络(WSN)是一种由节点组成的无线自组织网络,在很多领域中有广泛的使用。节点定位是无线传感器网络中最重要的部分,使用无测距定位算法中传统的DV-Hop算法来定位误差较大。为了提高DV-Hop算法的精确度,提出了一种基于遗传算法和二进制蚁群算法来改进DVHop定位算法。遗传算法中利用了线性交叉和非均匀变异算子在种群中进行搜索,在此基础上,采用二进制蚁群算法进行进一步的搜索,而后比较适应度函数来保留较优的个体,从而产生了新一代种群。二进制蚁群算法中使得每只蚂蚁的智能化比较低,每条路径对应的存储空间相对较小,显著提高了计算效率。仿真的结果表明,提出的算法比传统的DV-Hop算法、基于遗传算法的DV-Hop算法有更快的收敛速度和更高的定位精度。

基于二进制蚁群模糊神经网络的光伏系统MPPT控制算法研究

最大功率点跟踪(MPPT)控制可以使光伏模块最大程度地输出功率,因此成为增强光伏发电系统输出功率的一个研究热点。本文提出一种基于二进制蚁群模糊神经网络的光伏系统最大功率点跟踪控制策略,利用模糊神经网络代替传统的BP神经网络对最大功率点进行预测,解决了恒压控制法误差较大的问题;利用二进制蚁群算法对模糊神经网络权值进行优化,克服了其捜索速度慢、易陷入局部极小值的缺点;将得到的最大功率点电压输入恒电压控制算法中,然后通过恒压法对最大功率点进行跟踪。在所构建的仿真模型中模拟了不同光照强度和环境温度的仿真环境,结果表明所提出的MPPT控制策略准确性高、适应性强。

采用二进制蚁群模糊神经网络的配电网故障分类方法

配电网故障后的准确分类可以增强故障维修的针对性,因此针对配电网故障分类的研究对快速恢复供电具有重要意义。提出一种基于二进制蚁群算法(BACA)与模糊神经网络(FNN)的故障分类系统,该系统适用于中性点非有效接地的中低压配电系统。利用经验模态分解(EMD)提取故障后2 ms暂态信号中的高频成分,基于数理统计方法构造了推理系统的特征向量,研究了不同故障工况下的特征向量变化规律。利用二进制蚁群算法对模糊神经网络权值进行优化,克服了其搜索速度慢、易陷入局部极小值的缺点。在ATP-EMTP中根据实际情况构造了计算模型,利用计算结果对推理系统进行训练。测试样本与现场实验结果表明,所提出的故障分类方法的准确度高、适应性强。

基于二进制群智能算法的输电网故障诊断方法

为保证电网故障诊断的准确性与实时性,将二进制粒子群算法(BPSO)和二进制蚁群算法(BACA)引入到电网故障诊断优化模型的求解中,并与遗传算法作了对比分析。对单一故障、多重故障、保护非逻辑性动作、信息丢失等不同故障信息条件下的故障案例进行了仿真。仿真结果表明二进制群智能算法在收敛速度和优化结果方面显著优于GA,同时验证了提出的电网故障诊断方法具有诊断准确和容错性好等优点。

基于二进制蚁群神经网络的边坡稳定分析

针对边坡稳定问题的高维非线性、非正态的特点,提出了采用二进制蚁群神经网络建立边坡稳定分析模型.将二进制蚁群算法引入到神经网络权值优化中,既克服了蚁群算法在连续域中对组合优化的缺陷,又能避免BP算法容易陷入局部最优的尴尬.因此二进制蚁群神经网络兼有神经网络广泛映射能力和二进制蚁群算法快速全局收敛能力.采用混合编程法建立了基于二进制蚁群神经网络的边坡稳定分析模型,该模型避开了边坡滑移面和岩体破坏机制等不确定因素,利用二进制蚁群神经网络对样本进行反复学习,得到较为精确的边坡稳定模型.该方法具有建模方便,程序实现方便,计算快捷等特点,应用于实际工程中,具有良好的效果.

基于二进制蚁群时变灰模型的汛期水库安全预警模型

针对汛期水库安全监测数据短序列、贫信息、多突变的特征,提出了采用二进制蚁群时变灰模型构建水库安全监测预警分析模型。将二进制蚁群算法引入时变灰模型的参数优化中,既克服了蚁群算法在对组合优化的缺陷,又能避免传统灰模型参数固定导致模型适应性不强的缺点;同时采用等维新信息处理,可以进一步提高模型对新信息的利用,增加模型中长期预测能力。实际工程应用表明,基于二进制蚁群的时变灰模型对水库安全预警的非线性拟合是可行的,为汛期水库的安全稳定分析评价提供了一种较为有效的新方法。

改进蚁群算法及其在高光谱影像分类中的研究

针对高光谱影像波段数目多,易造成维数灾难的问题,结合遗传算法提供的初始启发信息和蚁群算法寻优能力的优势,提出一种基于改进二进制蚁群算法的波段选择方法。该方法通过遗传算法寻优获取几组较优解,经过计算后作为二进制蚁群算法的初始启发式信息,利用二进制蚁群算法的全局搜索获取最优解;另一方面,为充分利用影像的光谱与空间信息,将波段组合的光谱特征与改进二进制蚁群算法选择的纹理特征融合进行分类,可以获得更高的分类精度。实验结果表明,改进二进制蚁群算法与遗传算法、蚁群算法、二进制蚁群算法相比全局搜索能力更强,且该方法分类精度达到95.63%。

基于蚁群相位抖动优化的高质量三维形貌测量

离焦抖动技术有效避免了商用投影仪引入的非线性效应,能够实现高速动态测量,但是离焦后的二值抖动条纹和标准正弦条纹并不完全贴近,测量过程中会有一定的偏差。针对这个测量误差问题,本文提出一种基于改进二进制蚁群算法的优化方法,从相位域对二值离焦抖动技术进行优化改进,较好地提高测量精度。通过对小尺寸二值块的优化替代整个优化过程,提高优化效率。仿真和实验结果证明:本方法在不同离焦情况下都能实现有效的三维测量。