基于改进全局人工鱼群算法的VRPSPDTW研究

研究带时间窗的同时送取货车辆路径规划问题(VRPSPDTW),并建立0-1混合整数规划模型。为进一步提高人工鱼群算法的寻优能力和收敛速度,提出一种改进的全局人工鱼群算法,并通过实验确定算法参数。算法将模型中的时间窗和车载量两个强约束纳入适应度函数进行处理,降低算法计算复杂度。以最小化发车数(NV)和路由距离(TD)为优化目标,通过王与陈提供的VRPSPDTW算例与基本人工鱼群算法(AFSA)和并行模拟退火算法(P-SA)进行比较,验证了改进全局人工鱼群算法的有效性。实验结果显示:IGAFSA获得的NV和TD目标值均优于AFSA,TD目标值优于P-SA。

基于全局人工鱼群算法的非下采样Contourlet变换阈值去噪研究

变换域阈值去噪是一种广泛使用的简单有效的图像去噪方法.采用具有平移不变性的非下采样Contourlet变换来实现图像的时域到Contourlet域的转换,将全局人工鱼群算法应用到各层系数的阈值选取过程中,提出了基于全局人工鱼群算法的非下采样Contourlet变换阈值去噪,通过对该算法与遗传算法、基本人工鱼群算法的收敛速度、去噪阈值及去噪效果的对比仿真表明,该算法能准确地找到全局最优阈值,且收敛速度更快,去噪效果更好.

全局人工鱼群算法在类间方差图像分割中的应用与实现

针对传统类间方差算法中阈值选取效率低、鲁棒性差、分割精度低的问题,根据全局人工鱼群算法可以快速有效地捕捉到图像分割最优阈值,提出了一种基于全局人工鱼群算法的类间方差图像分割算法。该算法将全局人工鱼群算法用于类间方差的寻优过程中,对算法的收敛速度及其分割效果进行了仿真,并与遗传算法、基本人工鱼群算法进行比较,结果表明,该算法提高了收敛速度,改善了纹理信息的准确性,分割精度高、效果理想。

基于全局人工鱼群算法优化的DV-Hop定位算法

无线传感器网络具有大规模、自组织、可靠性、以数据为中心、集成化等特点,被广泛应用于军事、医疗、矿山监测、安全生产等领域。然而现有的无线传感器网络非测距定位算法存在定位误差较大的问题。针对该问题,本文提出一种基于全局人工鱼群算法优化的DV-Hop(distance vector-hop)定位算法,即DEWF-D定位算法。该算法对非测距定位算法中的DV-Hop算法出现误差的步骤进行优化处理,通过减小算法过程中出现的误差,最终得到较为精准的定位坐标。首先,使信标节点以两种不同的通信半径传递消息,将跳数进行精确化处理,以减少跳数带来的误差;然后,用最小均方误差准则和误差加权方式计算平均每跳距离;最后,利用全局人工鱼群算法替换三边测量法进行坐标计算。仿真验证表明,在不同信标节点密度下,本文提出的DEWF-D算法与DV-Hop算法及其他算法相比定位精度分别提升28.3%、6.9%、12.5%;而在不同通信半径下,定位精度分别提升了24.4%、7.6%、14.8%。证明DEWF-D算法能有效提升定位精度,解决了定位算法中出现的定位误差较大问题。

全局人工鱼群算法求解水果运输调度问题

分析4种不同的水果运输调度问题(Fruits in Vehicle Routing Problem,FVRP):带硬时间窗的具有需求关联的模型、带容量约束的车辆运输调度问题模型、车辆运输调度问题模型和旅行商问题模型,并构建了相应的数学模型,采用基本人工鱼群算法和全局人工鱼群算法对所建立的4种模型求解,实验证明,全局人工鱼群算法克服了精度低、后期收敛慢、复杂度较高等缺点,能有效地求解此类问题,进一步证明了问题模型的复杂程度影响算法寻优能力,问题模型越复杂,收敛更慢.同时,也体现出当问题模型较复杂时,全局人工鱼群算法的寻优质量和速度优于人工鱼群算法.

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。

全局人工鱼群优化的动量常模盲均衡算法

针对常模盲均衡算法(CMA)存在局部收敛和慢收敛的缺陷,提出了一种全局人工鱼群优化的动量常模盲均衡算法(GAFSA-MCMA)。该算法首先利用全局人工鱼群算法(GAFSA)收敛速度快、全局搜索能力强的优点,寻找人工鱼群的最优位置向量并作为CMA的初始优化权向量,从而使权向量在迭代过程中获得全局最优,同时将动量算法引入到CMA中,提高收敛速度。与CMA、MCMA相比,该算法均方误差较小、收敛速度较快。

基于全局人工鱼群算法的变压器投切控制策略分析

钢铁企业中变压器的投切往往都是根据工作人员的经验而操作进行的,忽略了投切时机对于变压器损耗的影响.考虑到钢铁企业在电力负荷中占有很大的比重,所以投切不恰当而产生的费用是不可忽视的.针对上述问题,提出一种基于全局人工鱼群算法的变压器投切控制方法,根据钢铁企业变压器实际参数,计算出变电站不同运行情况下的临界负载量,通过结合实际负荷情况确定变压器投切点;全局人工鱼群算法具有较快的收敛速度,可以用于解决有实时性要求的问题.以最终节电效益用作为目标函数,基于全局人工鱼群算法得到最优投切方案.最后以某钢铁企业变压器投切为例,验证了所提方法的有效性.

采用复合自适应全局人工鱼群的微网并网优化运行研究

微网是我国智能电网发展的关键技术之一,而微网的并网优化运行已成为当前国内外的研究热点。充分考虑微网中分布式电源的发电功率特性以及运行成本、燃料成本、环境成本、折旧成本、售电收入、购电费雨和启停成本,在计及功率平衡约束、交互功率约束、爬坡约束的条件下,以微网运行总运行成本最小为目标,构建了微网优化运行经济模型,并采用复合自适应全局人工鱼群算法求解。通过典型微网系统进行了实例仿真分析,证明该算法的有效性和正确性。

全局人工鱼群优化BP神经网络在火灾探测中的应用

针对传统的火灾探测器存在火灾报警准确性低、有延迟等问题,提出了利用全局人工鱼群算法优化BP神经网络的预测算法。该算法以温度、烟雾浓度和CO浓度为BP神经网络的输入,火灾的3个等级作为输出,融合了鱼群算法全局搜索能力强和鲁棒性强的特点。对BP神经网络的初始化权值和阈值进行优化,得到最优人工鱼后,用最优的权值和阈值进行神经网络训练,选取40组数据作为训练组,10组数据作为测试组。从仿真结果看,BP神经网络的训练和预测的误差分别为0.0914和0.4584,优化后的分别为0.0452和0.0882,且收敛速度变快,迭代次数减小,应用在火灾探测中有更多的优势。

基于人工鱼群算法的PID参数优化研究

论文在PID参数的优化中引入人工鱼群算法,并进一步采用全局版人工鱼群算法,该算法加入参数动态调整机制并改进其基本行为。仿真结果显示,人工鱼群算法对PID参数优化的效果良好,且全局版人工鱼群算法的优化性能更胜一筹。

自适应随机共振微弱信号检测

针对传统随机共振方法检测微弱信号精度低的问题,把全局版人工鱼群算法与随机共振算法相结合,提出了一种基于全局人工鱼群算法的自适应随机共振微弱信号检测方法。该方法把随机共振输出信噪比增益作为全局人工鱼群算法的适应度函数,将微弱信号检测问题转化为多参数并行寻优问题。分别在Langevin和Duffing系统中进行仿真实验及其寻优结果对比研究,仿真结果表明本文所提方法高效可行,相比较Langevin系统,Duffing自适应随机共振系统体现更高的微弱信号检测精度和检测性能。引入控制频率,将Duffing自适应随机共振应用于多频大信号的检测,拓宽了随机共振的应用范围。

GAFSA优化SVR的网络流量预测模型研究

现有的诸多网络流量预测模型存在预测稳定性不好、精度较低等问题。针对此类问题,研究了一种通过GAFSA(全局人工鱼群算法)优化SVR模型的网络流量预测方法。GAFSA是一种群智能优化算法,寻优效果显著。采用GAFSA对SVR预测模型进行参数寻优,可以得到使预测效果最佳的训练参数;使用这组最优参数训练SVR,建立网络流量预测模型,可以很好地改善基于其他智能优化算法改进的SVR网络流量预测模型多次预测结果相差较大的问题,使预测结果趋于稳定,同时也可以提高预测精准度。仿真结果表明,GAFSA-SVR网络流量预测模型与其他模型相比,预测结果基本稳定,精准度提高到89%以上,对于指导网络控制行为、分析网络安全态势有重要意义。

基于绿色供应链的冷链物流配送路径优化

针对冷链物流配送路径优化问题,根据绿色物流理念及冷链物流配送过程特点,分析了配送过程中车辆固定成本、配送过程燃油成本、配送过程货损成本及碳税成本,并以上述各成本之和最小为优化目标构造数学模型,并将全局人工鱼群算法运用到该模型中。借助Matlab软件对具体案例进行求解,得出总成本为4 456元。结果表明,数学模型和全局人工鱼群算法对求解此类问题有着一定的理论指导和参考价值。

钢铁企业中变压器投切控制节能策略研究

针对钢铁企业中的变压器在运行过程中因投切时机不当,导致经常出现阶段性损耗过高的问题,分析了变压器不同运行模式下的运行损耗并确定相应的临界负荷,提出一种变压器投切控制节能方法。采用最小二乘法拟合负荷曲线,获取全年所有可行投切点。考虑全局人工鱼群算法全局搜索能力强,可以较好的解决多输入问题,采用全局人工鱼群算法搜索变压器不同投切控制策略下的最优节电量,得到最优投切控制策略。最后以某钢铁企业的变压器运行为例,验证了所提方法的有效性。

短期电网负荷预测方法研究

短期负荷预测主要指对未来几日或者几周时间内的电力电网负荷进行预测,目的是为发电厂的符合分配,机组启停以及设备检修和燃料能源供应计划提供指导。考虑到常规的SVR预测模型采用人工经验的方法对RBF核函数参数、不敏感系数和惩罚系数等参数进行选取,这样常规SVR算法的缺陷就是其性能会因为随机选取的参数而变得随机和不确定,因此本文使用人工鱼群优化算法对SVR参数选取进行优化。为了提高人工鱼群算法全局搜索能力,将全局最优的信息融入到人工鱼的觅食、聚群、追尾移动选择过程中。改进后的全局人工鱼群算法,能够避免传统的人工鱼群算法在对人工鱼移动方向选择时没有考虑全局信息而引起的收敛效率和收敛精度低等缺点,因此能够更加快速精确地搜索到全局最优解。最后,通过实验方法,对本文研究的短期电网负荷预测方法进行验证。结果表明,本文研究的短期负荷预测,预测精度较高,具有较好的工程应用价值。