基于人工鱼群-遗传算法的多品种小批量零件数控加工工艺优化研究

基于多品种小批量零件加工成本高的问题,基于人工鱼群-遗传算法(AFSA-GA)构建了数控机床能耗模型,以实现零件加工能耗下降。首先,将数控机床功率划分为各工序功率模型,基于功率模型与工作时间关系得出机床运转能耗模型,结合产品表面粗糙度模型,对各工序能耗模型及整体粗糙度进行归一化处理,形成整体能耗模型;其次,以能耗及粗糙度为目标函数,建立AFSA-GA算法,通过对各工序能耗求解得出最适当的机床功率及其所对应的能耗和表面粗糙度;最后,针对所获得的最优功率,进行优化结果的验证,为五轴机床的实际加工提供解决方案。

基于人工鱼群算法的篮球跳投轨迹实时跟踪

篮球运动轨迹跟踪方法由于轨迹特征提取效果差,导致跟踪误差高,提出一种基于人工鱼群算法的篮球跳投轨迹实时跟踪方法。提取三维坐标系下图像中篮球边缘轮廓信息,通过滤波函数消除篮球跳投图像噪声,基于人工鱼群算法提取图像中篮球跳投轨迹特征,寻找篮球运动轨迹的最优解集,改进篮球实时跟踪匹配路径,形成轨迹跟踪函数。实验结果可知,该方法的平均轨迹跟踪误差为18.28mm,与常规方法相比降低了6.22mm以上。因此,该跟踪方法的篮球轨迹跟踪精度更高,并且实时跟踪轨迹与真实轨迹更吻合。

基于改进人工鱼群算法的无人机三维航迹规划

无人机航迹规划算法中,针对传统人工鱼群算法(Artificial Fish Swarm Algorithm,AFSA)存在易陷入局部最优、优化效率不佳等问题,引入了步长衰减函数,提出了一种自适应步长的人工鱼群算法(Adaptive Step Size Artificial Fish Swarm Algorithm,AS-AFSA),实现航迹规划中全局与局部收敛的自适应;进一步给出了人工鱼权重优化策略,提高人工鱼群算法的收敛速度与精度。仿真结果表明,改进人工鱼群算法在无人机航迹规划情景下表现优异,迭代次数相同条件下,航迹代价相较于狼群算法(Wolf Colony Algorithm,WCA)优化了4.5%,相较于传统人工鱼群算法优化了2.5%。

基于神经网络和人工鱼群算法的惯性延时微通道优化

为了保证中、小口径弹引信的炮口安全性控制要求,设计了具有肋板阻尼结构的惯性延时微通道,同时为了保证其具有稳定的延时性能,研究了该微通道在高离心转速下的延时响应性能。采用了神经网络模型和人工鱼群算法对蛇形微通道内肋板的结构位置进行优化设计。用两相流水平集模型以微通道的延迟时间为研究对象进行了模拟仿真,得到180组样本数据,分析发现肋板结构在微通道内的不同位置与延迟时间呈现出高度的非线性关系。根据样本数据建立神经网络模型用以拟合设计变量与优化目标之间的映射函数,并采用人工鱼群算法对神经网络模型拟合的映射函数的参数进行优化。结果表明,经过结构优化之后,在1 000 g离心环境下微通道中流体的延迟时间从最短的11.446 ms提升到了25.054 ms,延时效果得到了显著提升。最后研究了优化后的结构在中、小口径弹引信使用环境下的延时特性,验证了其满足大部分中、小口径弹引信的延时控制要求。

基于改进人工鱼群算法的蠕虫机器人路径规划

针对人工鱼群算法在机器人路径规划中存在路径长、精度不高、易陷入局部最优等问题,提出了一种改进的人工鱼群算法,旨在提高算法效率及精度。首先,在算法觅食行为中加入寻优循环,减少算法在路径规划中选取位置点的随机性,使机器人能够更快地走向目标点;其次,融合禁忌搜索算法,通过引入禁忌表来记录算法陷入局部最优的路径,使算法在选取新位置点时能够避开局部最优区域,避免算法在局部过度循环,同时对规划出的路径进行优化处理,删去重复栅格点之间的路径,保证路径中没有重复的栅格点;最后,将改进后的人工鱼群算法应用在一种新型的三维栅格地图中。实验结果表明:相较于其他对比算法,在地图1、2、3中改进人工鱼群算法所取得的平均路径长度分别减少了10%、15%、30%,在复杂地图中路径规划的成功率提高了75%。

基于人工鱼群的自适应密度峰值聚类算法

针对密度峰值聚类算法中截断距离d c和聚类中心缺乏选取依据,以及对簇中存在多密度峰值的数据无法准确聚类问题,提出一种基于人工鱼群的自适应密度峰值聚类算法(AFSADPC)。选择簇中心权值γ大于幂律分布上分位数的样本点作为聚类中心,根据两个相邻簇的簇间边界区域密度与簇平均密度构造簇间合并规则,利用人工鱼群算法寻找使改进轮廓系数指标达到最大值时的最优截断距离d_(c)。在合成数据集和真实数据集上的实验结果表明,AFSADPC算法具有较好的聚类效果。

基于鸟群人工鱼群算法的区块链移动边缘计算卸载模型

计算密集型任务数量的增加导致智能移动设备(Smart Mobile Devices,SMD)计算任务过载,借助MEC(Mobile Edge Computing Servers)及利用网络中空闲边缘设备(Edge Devices,ED)可使计算能力受限的SMD将计算任务卸载到MEC和ED协作中,并基于委托信誉证明(Delegated Proof of Reputation,DPoR)共识机制增强系统的安全性。文中提出一种基于鸟群人工鱼群算法(Bird Swarm-Artificial Fish Swarm Algorithm,BS-AFSA)的区块链移动边缘计算卸载模型,将任务卸载问题转化为优化目标函数来降低计算开销。采用改进鸟群人工鱼群算法来优化任务时延和能量消耗,对算法中的行为参数进行针对性构造,并改进拥挤度因子来提高后期迭代中寻优的局部搜索精度。仿真结果表明,与其他基准算法相比,文中所提算法减少了陷入局部最优的可能性,并降低了联合卸载方案的系统总开销。

基于人工鱼群算法改进栖息地法的河流生态流量计算

广泛应用于生态流量计算的栖息地法,近年来理论基础受到许多国外学者的质疑。针对其存在的问题,通过采用人工鱼群算法中的视野、奖励权重、拥挤度参数对栖息地法进行了3个方面的改进,其中,视野、奖励权重、拥挤度参数分别代表鱼类搜寻适宜栖息地的能力、鱼类聚群后优选栖息地的倾向和鱼类实际选择栖息地时的逻辑。以淮河中游鲁台子~淮南段为研究区域,发现改进后的计算方法具有较好的稳定性,能够体现鱼类自我优化栖息地选择的过程,可以反映栖息地的利用情况,显著提高了栖息地法计算结果的可信度。

基于优化全局版人工鱼群算法的斜拉桥成桥索力优化

为解决斜拉桥索力优化办法中常见的计算效率低、调索过程盲目等问题,提出了一种优化的全局版人工鱼群算法(OP-GAFSA)。优化后的算法引入了粒子群算法(PSO)的速度和位置更新策略,可有效求解多个基本测试函数最优值。相较于斜拉桥传统设计方法,OP-GAFSA算法具有更高的索力优化效率,且所求斜拉桥成桥状态弯曲能更小、结构线型更平顺,主跨最大挠度减小了81.6%。与PSO算法、人工鱼群算法(AFSA)和GAFSA算法相比,OP-GAFSA算法寻优时间短、计算效率高、结果离散性小,在解决斜拉桥索力优化问题时更具优势。

基于模拟退火改进人工鱼群算法的交通信号配时优化

针对传统的信号配时算法无法适用于过饱和流量的交叉口的限制,结合模拟退火算法初值鲁棒性和局部收敛精度高的特点改进人工鱼群算法以提升其全局搜索能力,然后综合考虑周期时长、绿灯时间和饱和度等作为约束条件,以交叉口车均延误最小为目标函数构建信号配时优化模型,分别利用单一智能算法(模拟退火算法,人工鱼群算法)及其组合改进算法(模拟退火改进人工鱼群算法)对模型进行求解,并对现状方案和3种智能算法求解方案情况下的交叉口整体车均延误进行对比。结果表明,模拟退火改进人工鱼群算法的效果明显优于现状和单一算法,在迭代的初期便能非常接近最优解和稳定下降趋势,表现出快速寻优能力,验证了模拟退火改进人工鱼群算法的可行性与适用性。

基于佳点集人工鱼群的点云配准算法

针对点云配准迭代最近点(iterative closest point,ICP)算法对点云的初始位置姿态有较高的要求且易陷入局部最优的问题,文章提出一种基于佳点集人工鱼群的点云配准算法。首先采用佳点集方法对人工鱼群初始化,解决人工鱼群因初始种群分布不均而陷入局部最优的问题,并通过下采样与三维尺度不变特征变换(3D scale invariant feature transform,3D SIFT)特征点提取简化点云;然后采用快速点特征直方图(fast point feature histogram,FPFH)特征描述解求点云间的对应点对并剔除错误对应点对,通过佳点集人工鱼群算法寻优刚性变换的6个参数完成粗配准;最后使用ICP算法完成精配准。实验选取斯坦福大学提供的Bunny、Dragon和Happy Buddha 3组测试数据集进行配准;结果表明,该文算法收敛速度快,能为ICP算法提供良好的初始位姿避免其陷入局部最优。

基于改进人工鱼群算法的复杂地貌无人机三维路径规划

针对无人机在复杂海域地貌中的三维路径规划,在人工鱼群算法的基础上提出了一种改进的适应性人工鱼群算法。首先,利用数学模型建立地貌的三维模型,选取路径最短为性能评价函数,保证路径规划的合理性;其次,考虑到传统的人工鱼群算法前期收敛速度慢,后期需要精确搜索提高算法精度,提出自适应步长和自适应视野范围来更新个体的位置。为了避免算法陷入局部最优,在追尾行为中引入鱼群中的社会经验位置进行更新;最后,利用MATLAB对在3个复杂程度不同的地图中与传统的人工鱼群算法与粒子群算法对比,仿真结果表明改进后的人工鱼群算法在三维路径规划问题求解中具有更好的收敛速度和精度。

基于响应面模型与人工鱼群算法的汽车车门内饰柱注塑成型优化设计

汽车车门内饰柱一般为板型注塑件,在注塑加工过程中不同的注塑工艺参数对整个注塑件的质量和性能有非常大的影响。针对丙烯腈-丁二烯-苯乙烯塑料汽车车门内饰柱的翘曲变形的问题,首先利用响应面模型方法对注塑过程中对翘曲变形影响最大的4个参数:熔体温度、模具温度、保压压力、保压时间进行分析,并拟合得到4个工艺参数与翘曲变形量之间的回归方程。其次在分析所得的回归方程基础上结合人工鱼群算法对工艺参数组合及翘曲变形量进行寻优,最后将寻得的工艺参数组合通过软件仿真验证。结果表明,采用此优化方法后内饰柱翘曲变形下降14.2%,并且算法寻优结果与Moldflow仿真结果仅相差1.6%,证明优化方法在车门内饰柱注塑工艺优化过程中有较好的效果。

人工智能时代个性化定价算法的反垄断法规制

个性化定价算法对消费者支付意愿的精准评估和预测可以在特定的市场环境中产生强化竞争和扩大产出等一系列积极效果,但也可能产生大数据杀熟等导致竞争扭曲的垄断行为。对个性化定价算法的规制应结合传统价格歧视理论,从歧视对象、歧视行为以及实施效果等方面加以分析。对于不同类型的个性化定价算法应做区分处理,而对个性化定价实施效果需从发生场域、判断标准以及证明程度等方面加以评估。虽然囿于算法运算能力、算法函数设计等客观的技术瓶颈,个性化定价算法带来的系统性风险目前还未真正涌现,但个性化定价算法对消费者的剥削是潜在且可确定的。鉴于此,中国反垄断法律实践还需从法律适用的角度探究规制个性化定价算法的合理框架。

融合黄金人工鱼群和三次样条插值的机器人路径规划研究

原始鱼群算法中,觅食行为具有随机性,步长、拥挤度为固定数值,算法寻优效率低下,寻优范围固定,收敛速度慢且可能出现局部最优等局限性。为解决此问题,采用黄金正弦算子改进觅食行为,提高单条鱼寻优效率与寻优范围,通过拥挤度和步长自适应提升算法的探索和开发能力以及最优解的精度与迭代速度。同时,改进食物浓度,保证路径的可行性。通过仿真验证,与传统鱼群算法、分段自适应鱼群算法比较,证明本算法在路径长度和规划时间都有优势,证实了算法的有效性和稳定性。

适用于配电网无功优化的混合鱼群算法

人工鱼群算法同传统群智能算法一样,由于基础种群的随机性以及寻优路线的不确定性等原因可能导致算法寻不到最优解。为解决以上问题,利用混沌变换序列生成遍布更加均匀的初始值;采用自适应的视野与步长动态改变搜索范围;引入改进的生物“进化”机制,利用当代和精英个体的基因来对鱼群进行淘汰,加快收敛速度。将该混合算法用于IEEE33节点系统配电网的无功优化中,结果表明改进的算法更易跳出局部最优,且收敛速度较快,收敛性能较好,提高了寻优效率。

基于改进人工鱼群优化算法的配网故障定位研究

配网作为直接面向用户的最前端,其稳定安全运行直接关系到用户的用电安全性与可靠性。然而10 kV配网通常分支较多,线路环境复杂,线路发生故障时难以确定具体位置,影响供电可靠性。针对这一问题,利用粒子群(PSO)算法改进人工鱼群算法(AFSA),形成改进人工鱼群优化算法(AFSA-PSO),通过算例验证AFSA-PSO算法的可行性,最后应用于标准配网模型,验证其实用性与优越性。结果表明:AFSA-PSO算法能够准确反应配网中的单点故障和多重故障,且相较于AFSA和PSO算法,该算法寻优的平均迭代次数更短,具有更快的收敛速度。

基于人工鱼群优化Apriori算法的配电网故障诊断

在解决电网配网运行过程产生的故障诊断问题时,需要考虑到当前大电网运行过程中产生数据库的规模大、维度高、模态多样及类型复杂等特点,而故障诊断中应用传统关联规则挖掘算法已无法适应处理大数据库数据量的实际需求。与此同时,以人工鱼群算法为代表的新兴智能算法在实际社会生产中得到了广泛的应用,因而提出一种基于人工鱼群算法改进Apriori数据挖掘算法的配电网故障诊断方法,构建出一种新型的改进Apriori算法模型。结合某一实际配网运行产生的数据,通过矩阵实验室(matrix laboratory,MATLAB)仿真软件进行仿真验证所提到的新型算法,并与传统数据挖掘算法进行比较。实验结果表明,改进后算法的准确率较高,响应速度快,更适用于对大规模数据库的处理。

基于人工鱼群算法的电动汽车优化充电策略

为了缓解电动汽车大规模未经引导的充电行为对电网造成的压力,维持电网的安全稳定运行,文中提出了一种电动汽车的优化充电策略,通过分时电价制定充电计划,将电动汽车移动至平时段和谷时段进行充电。该算法以用户充电费用最少和电网峰谷差最小为目标函数,建立多目标优化的数学模型。针对现场调度规模大、实时性要求高的问题,采用人工鱼群算法对模型进行优化求解。此外,算法优化了充电的连续性,可以有效地防止负荷曲线突变,并保护充电设施。通过MATLAB仿真验证了算法的有效性和稳定性。

基于Apriori算法的关联规则挖掘在人工智能+个性化学习系统中的实践与研究

从当前个性化学习系统中学生任务点学习管理的需求出发,根据当前个性化学习和关联规则的现状和研究趋势,分析经典Apriori算法的原理和优缺点,改进算法,并通过模拟系统实验验证该算法的可行性及实际效果,对今后开展关联规则相关研究有一定的帮助。