新的仿生优化算法:食物车-蟑螂群优化算法

提出一种新的仿生优化算法——食物车-蟑螂群优化算法。该算法模拟蟑螂的觅食行为,通过食物车在解空间定义域内抛洒食物,吸引蟑螂向食物爬行,完成搜索。在求解过程中通过巢穴变迁、平等搜索和食物筛选等策略加强全局搜索和局部搜索能力,提高算法收敛速度。仿真实验结果表明,该算法寻优率高,收敛速度快。

仿生优化算法及其在变电站选址中的应用

本文对遗传算法,蚁群算法,粒子群算法,人工鱼群算法等具有代表性的仿生优化算法的特点进行比较,并对其在变电站选址中的应用进行了总结和综述。提出了对仿生优化算法的一些改进策略及其一些尚待研究的工作。

仿生优化算法在片上网络映射的应用研究

片上系统发展到片上网络阶段,能耗问题已经成为片上网络技术的重要约束。在片上网络映射中应用了生物仿生算法—蚁群优化算法使系统能耗达到优化,实验表明蚁群优化算法运用较好的局部搜索算法可以很快地收敛,针对不同的应用,可以减少15%-40%的通讯能耗。

基于仿生优化算法的聚类改进算法

为提升聚类算法的聚类效果,采用仿生优化算法与k均值聚类算法相结合(BFOA-K)实现数据聚类。在聚类过程中,为解决k均值对于初始质心敏感以及容易陷入局部最优的问题,使用果蝇优化算法确定k均值聚类算法的质心,再使用k均值聚类算法进行数据聚类。针对果蝇优化算法对于飞行步长的影响,采用F分布动态改变步长,提升算法全局搜索能力。同时采用精英保留策略,提升果蝇种群的多样性,扩大了搜索范围和提升了搜索效率。利用4个UCI标准数据集对算法进行仿真实验,结果表明,本文提出的BFOA-K算法在各项聚类评估指标中都优于其余对比算法,提升了算法的收敛性,证明了算法的有效性和可行性。

几种仿生优化算法综述

仿生优化算法是模拟自然中生物体的行为或状态的算法总称。由于该类算法的随机性和相对复杂性,故其应用范围较传统算法更广。介绍了人工神经网络、苍狼算法及鸽群智能算法的背景、基本原理及实现步骤,深入剖析了它们之间的异同,对该类算法的发展远景进行了展望。

基于仿生优化算法构建混凝土拱结构应力预测模型

为获得混凝土拱结构应力预测的标准模型,以实测应力数据为基础,分析得出了混凝土拱结构拱顶、拱脚处正应力和剪应力的变化规律,以BP神经网络模型为基础,基于鲸鱼算法(WOA)、灰狼算法(GWO)、布谷鸟算法(CSA)、蝙蝠算法(BA)和天牛须算法(BAS)5种仿生优化算法,构建了WOA-BP、GWO-BP、CSA-BP、BA-BP、BAS-BP共5种优化模型,并将模型结果与M5树模型(M5T)、随机森林模型(RF)、小波神经网络模型(WNN)计算结果进行了对比,引进积日数(DOY)为模型输入因子,分析得出了最优模型。结果表明,混凝土拱结构自生体积变形及应力变化呈现周期性变化趋势,不同模型对应力的预测精度有所差异,仿生优化算法可提高模型精度,其中WOA-BP模型与实测值的拟合方程斜率分别为0.996、0.998、0.958、0.997,拟合效果最优,同时在4种应力预测中,WOA-BP模型的R_(RMSE)分别为0.021、0.074、0.021、0.062 MPa,R^(2)分别为0.998、0.935、0.992、0.974,E_(NS)分别为0.998、0.930、0.971、0.973,M_(MAE)分别为0.015、0.061、0.018、0.049 MPa,WOA-BP模型在所有模型中精度最高,可作为混凝土拱结构应力预测的标准模型使用。

基于仿生理论的新型优化算法综述

仿生优化算法是通过模拟自然界生物进化或者社会行为的随机搜索方法而提出的一类算法。上述算法能够解决诸如背包问题、指派问题、旅行路径问题等许多传统方法难以解决的复杂问题,可被广泛地应用。介绍了混合蛙跳算法、萤火虫算法、杂草算法和蝙蝠算法四种目前比较新颖的新型仿生优化算法,分析比较了上述算法的特点及适用场景,通过仿真对比分析了四种算法的性能,最后分析了仿生优化算法的应用前景,并指出了算法今后的研究和发展的方向。

基于仿生优化算法的变电站选址定容优化方法的研究

本文分析了变电站选址定容优化方法的发展现状,总结了目前存在的主要问题,提出了一种改进的粒子群算法,并对其在变电站选址中的应用进行了实践。并提出了仿生优化算法在变电站选址应用中的一些尚待研究的工作。

仿生智能优化算法及其在盲源分离中的应用

传统盲源分离(Blind Source Separation,BSS)采用梯度方法对目标函数进行优化来确定最优解,但梯度算法无法解决收敛速度和稳态精度两者之间的矛盾,而且可能落入局部最优。为了解决上述问题,仿生智能优化算法逐渐被引入到BSS中,取得了传统优化算法无法比拟的优良特性,为BSS问题优化求解提供了一条全新的途径。介绍了几种仿生智能优化算法,描述了BSS的基本概念和数学模型,最后对几种仿生智能优化算法在BSS的应用情况进行了总结。

基于细胞膜演化规则的仿生算法

蚁群算法、遗传算法和粒子群算法等从生物系统中得到启发,借鉴生物规则而形成的智能方法在生产实践中被广发应用,获得良好效果。细胞膜层次上的生物规则已被抽象并应用到形式化计算模型的设计中。该文的工作有别于膜计算中的形式化研究,模拟细胞膜演化规则,建立求解带约束最优化问题的细胞膜仿生算法。利用国际通用标准测试函数,验证了该方法的有效性。

基于鲸鱼群优化算法的图像精准处理技术

提出了一个算法,利用这种鲸鱼群算法对其中一种图像处理技术进行了优化,实现了图像的精准处理,在执行速度和图像质量方面取得了很好的效果。

应用混合遗传蚁群算法求解柔性车间调度问题

将遗传算法和蚁群算法结合用于作业车间调度。该方法利用了遗传算法快速随机的全局搜索能力和蚁群算法并行分布式正反馈机制,同时避免了蚁群算法因初始信息素缺乏收敛速度慢及遗传算法因缺少反馈机制容易陷入局部最优的缺陷。仿真计算结果验证了该方法的有效性。

基于SSA-VMD-MCKD的强背景噪声环境下滚动轴承故障诊断

为在强背景噪声环境下有效提取滚动轴承微弱故障特征并准确诊断故障,提出奇异谱分析(singular spectrum analysis, SSA)、变分模态分解(variational mode decomposition, VMD)和最大相关峭度解卷积(maximum correlated kurtosis deconvolution, MCKD)结合的滚动轴承故障诊断方法。首先,利用SSA算法将故障信号分解,根据时域互相关准则对分解信号筛选重构;其次,利用鲸鱼优化算法(whale optimization algorithm, WOA)分别优化VMD的参数alpha,K以及MCKD的参数L和M,利用参数优化的VMD对重构信号进行分解,根据峭度指标从分解所得的本征模态函数(intrinsic mode function, IMF)中提取故障特征信号;再次,利用参数优化的MCKD算法增强故障特征;最后,通过频谱包络进行故障诊断。仿真和试验表明,所提方法能在强噪声干扰下有效提取并诊断轴承故障。

基于反向学习策略的深度搜索布谷鸟算法

布谷鸟搜索算法(CS)是一种简单有效的仿生学优化算法,但在处理高维复杂问题时不能快速收敛得到最优解,针对此问题,本文引入反向学习策略和逐维深度搜索策略改进基本的CS。在布谷鸟算法的搜索阶段,通过对Levy飞行后的解进行反向学习,从而有效提升最优解的搜索效率;另外,在每一代结束后,对当前的全局最优解进行逐维深度搜索,捕捉潜在最优解,弥补搜索步骤可能出现的问题。实验结果表明,本文对算法提出的改进,提高了算法的全局搜索能力,收敛速度以及收敛精度。

优化算法在农作物高光谱检测模型中的应用

1粒子群优化算法在作物病害诊断中的应用为探究水稻纹枯病检测方法,指导水稻变量施药并提升水稻品质,研究学者利用极限学习机(ELM)建立无人机高光谱水稻纹枯病诊断模型,并利用粒子群优化算法(Particle Swarm Optimization,PSO)对模型进行优化。PSO是一种仿生优化算法,该算法的核心思想是通过模拟鸟类群体的觅食行为形成的,采用PSO算法寻找ELM中权重和阈值的全局最优值,优化选择ELM的隐含层偏差和输入层权重,从而计算出输出权重矩阵。

混合语音信号的盲源分离技术研究

本文主要研究了常见的三种混合模型(线性瞬时混合、线性卷积混合和非线性混合)的盲源分离问题,阐述了它们各自的原理和方法,并讨论了算法好坏的衡量方法和优化方法。本文对众多学者提出的改进的仿生智能优化算法进行了整理与总结。最后,对待解决的语音信号盲源分离问题进行了归纳总结,为进一步研究提供了明确的方向。

一种分级淘汰遗传算法及其应用

针对遗传算法在处理对目标值具有多方面要求时适应度求值问题 ,依照自然选择过程的机理 ,提出了一种多次选择、分级淘汰的思想。通过对无源低通滤波器的优化设计 ,证明了此算法具有更好的收敛特性。

两种萤火虫算法的研究

萤火虫算法作为先进的仿生群智能优化算法,近些年来先后有两位学者针对萤火虫的这种特殊群体行为提出了两种萤火虫算法.本文通过人工萤火虫群优化（GSO）算法和萤火虫算法（FA）的数学描述,分析二者的异同,并且总结现阶段对这种算法的改进和展望今后的研究方向.