基于蜜蜂交配优化算法的含分布式发电配电网交互式规划模型

分布式发电(DG)在配电网中的接入比例逐年增加,对配电网的运行控制产生影响的同时,亦提出构建新型配电网规划的要求。先根据模糊多属性决策的基本原理建立模糊适应度函数,对多目标决策问题进行模糊集处理;据此再以总成本和碳排放成本最小化为目标函数,以经济安全运行的各种限制条件为约束,构建了含DG的模糊多目标配电网规划模型,并利用混沌搜索和改进蜜蜂交配优化算法进行求解;最终得到将DG作为响应负荷波动措施的配电网动态规划方案。结果表明,该模型可满足配电网投资运营者偏好性的规划需求,适应新形势下的含分布式电源的配电网规划模式。

融合信任机制和蜜蜂交配优化算法的无线传感器网络能耗均衡分簇方法

针对无线传感器网络(WSN)中的能耗和安全问题,提出一种融合蜜蜂交配优化(HBMO)算法和轻量级信任机制的WSN分簇方法(LWT-HBM)。首先,将WSN分成若干个小区,通过HBMO算法选择各自最优的簇头;然后,构建分簇结构,根据簇头和基站的距离设置簇的大小。在簇头能量消耗殆尽前,会利用HBMO选择替代簇头,以此均衡网络能源。在选择簇头的同时,融入轻量级信任机制,根据直接信任和间接信任值来评估节点的可信任度,避免恶意节点被选择为簇头。同时给出了一种精确能耗模型用来计算系统的整体能耗。通过实验将此方法与LEACH和TBCMA方法进行比较,结果表明LWT-HBM方法具有更低的能耗,有效的延长了网络寿命。

蜜蜂交配优化算法在车间作业调度中的应用

为了解决车间作业调度问题,在对其进行分析描述的基础上,提出了采用蜜蜂交配优化算法的求解方法。该方法把由多个作业调度方案组成的集合作为蜂群,以最小化加工时间作为算法的优化目标,通过模拟蜂群交配繁衍培养蜂王的优化过程来获得最优作业调度方案。采用车间作业调度测试案例在Matlab平台上进行实验,实验结果表明,该方法不仅能够有效地求解车间作业调度问题,而且能够取得了比传统优化方法更好的优化结果。

基于蜜蜂交配优化算法的MIMO-OFDM系统上行多用户检测

针对上行MIMO-OFDM系统多用户检测(multi-user detection,MUD)问题,提出了一种基于蜜蜂交配优化(honeybees mating optimization,HBMO)算法的新方法。该方法通过模拟蜂群的交配过程和蜂王的不断进化来实现全局寻优;同时,该方法为了避免陷入局部最优解,在工蜂哺育阶段,采取邻域搜索。仿真结果表明,该方法在取得较优检测性能的同时,其计算复杂度却远远低于最大似然(maximum likelihood,ML)检测算法。

基于蜜蜂交配优化算法的含DG配电网交互式规划模型

分布式发电在配电网中的接入比例逐年增加,对配电网的运行控制产生影响的同时,也提出构建新型配电网规划的要求。介绍了根据模糊多属性决策的基本原理建立模糊适应度函数,对多目标决策问题进行模糊集处理;在此基础上,以总成本和碳排放成本最小化为目标函数,以经济安全运行的各种限制条件为约束,构建了含DG的模糊多目标配电网规划模型;利用混沌搜索和改进蜜蜂交配优化算法进行求解,最终得出DG作为响应负荷波动措施的配电网动态规划方案。旨在满足配电网投资运营者偏好性的规划需求,适应新形势下的含分布式电源的配电网规划模式。

电力市场下含风电的电网多目标无功优化

从电力市场角度出发,根据双馈风电机组(DFIG)的输出功率运行分区进行无功定价。建立以系统经济指标、电压偏移和电压稳定L指标为目标函数的多目标无功优化模型。提出了一种交互式蜜蜂交配优化算法对其进行求解。在算法的寻优机制中嵌入非劣排序和拥挤距离排序进行选择操作,使其收敛到Pareto前沿,并保证了非劣解的均匀分布。利用IEEE 30节点系统进行算例分析,并与其他算法进行对比,结果验证了所提算法的可行性、有效性及优越性。

蜂群算法研究综述

蜂群算法是一种模仿蜜蜂繁殖、采蜜等行为的新兴的群智能优化技术,近几年备受研究者关注。初步探讨了蜂群算法的理论基础,详细论述了基于蜜蜂繁殖行为和采蜜行为的两类蜂群算法的生物学机理及其最常见算法的应用研究情况,并分析比较了遗传算法、蚁群算法、粒子群算法和蜂群算法的优缺点、适用范围及性能。最后,总结了现有蜂群算法存在的问题,并指出其未来的研究方向。

两阶段混合算法求解集成工艺规划与调度问题

提出了求解集成式工艺规划与车间调度问题的两阶段混合算法。在工艺规划阶段,使用遗传算法为每个工件生成可选的近优工艺路线集,动态地为车间调度阶段输入已确定的工艺路线;在车间调度阶段,使用蜜蜂交配优化算法快速寻优,设计了蜂王婚飞的流程以保证算法的全局搜索能力,构建了基于不同邻域结构的工蜂培育幼蜂局部搜索策略。使用基准测试集对提出的方法进行验证,并与现有算法进行对比,计算结果证明了提出方法的有效性。

基于IHBMO-RF的眼底硬性渗出物检测

随着社会经济的发展,糖尿病视网膜病变患者越来越多,为了减少患者的致盲率,早期诊断至关重要.其中眼底硬性渗出物的检测是诊断的重要环节,传统的检测方法受到主观因素的影响,准确度不高且效率较低,为了辅助医生进行检测,本文提出了一种基于IHBMO-RF算法的眼底硬性渗出物的检测算法,通过引入佳点集原理对蜂群进行初始化,不但能保持蜂群的多样性,而且还能加快蜂群的收敛速度,解决了机器学习中面临的局部最优的困境.在公开的眼底数据库DiaretDB1下进行实验显示,本文使用的算法准确率达到了95.4%,与现有研究对比,取得了较好的效果,对辅助检测眼底硬性渗出物具有一定的意义.