基于改进蝠鲼觅食算法的汽车前桥轻量化优化

汽车前桥结构是汽车的核心部件之一,在汽车设计中具有举足轻重的地位。为提高汽车前桥轻量化优化的收敛速度和精度,提出一种基于蝠鲼自身防卫策略改进的蝠鲼算法。采用六个经典的测试函数对改进蝠鲼算法进行性能测试验证,结果表明改进的蝠鲼算法具有良好的收敛速度和收敛精度。在此基础上,运用改进的蝠鲼算法对汽车前桥进行轻量化优化设计,优化结果表明经过94次迭代之后可以获得最优解,汽车前桥优化后的总质量从51.95 kg降低为43.24 kg,降低了16.75%。通过分析经典测试函数和汽车前桥案例的结果可知,改进的蝠鲼算法是一种高效的优化算法,对以后的工程优化问题和算法改进具有参考意义。

基于GA-ABC算法的多目标优化约束应用研究

引言.近年来,多目标优化约束问题在多个领域受到广泛关注,因其涉及多个冲突目标的最优化及约束条件。传统优化算法在解决这类问题时存在诸多局限。因此,本文采用基于遗传算法(Genetic Algorithm,GA)和人工蜂群算法(Artificial Bee Colony,ABC)的混合优化算法--GA-ABC解决多目标优化约束问题[1-2]。GA模拟自然进化,ABC模拟蜜蜂觅食行为,两者结合可提升求解效率和精度[3]。

融合莱维飞行与混合变异的蝠鲼觅食优化传感器节点覆盖策略

为了解决无线传感器网络节点分布不均,导致有效网络覆盖率较低的问题,提出一种融合莱维飞行与混合变异的蝠鲼觅食优化传感器节点覆盖策略M⁃MRFO。首先,在蝠鲼种群初始化生成方面引入广义对立学习机制,提高种群在搜索空间内的多样性和算法遍历性;其次,结合莱维(Levy)飞行机制对算法的权重因子和翻滚因子进行调整,通过Levy飞行的随机跳跃式搜索提高种群的全局寻优能力;最后,提出针对精英个体的高斯分布和柯西分布混合变异方法,使算法具备跳离局部最优的能力。将改进算法应用于传感器节点的网络覆盖优化中,利用蝠鲼种群启发式觅食行为模式对节点部署位置迭代寻优。实验结果表明,与标准蝠鲼觅食优化算法MRFO、改进差分进化算法IDEA和混合改进蚁狮算法MS⁃ALO相比,改进算法M⁃MRFO能够有效降低节点冗余,更均匀地实现节点部署,提高网络覆盖率。

引入改进蝠鲼觅食优化算法的水下无人航行器三维路径规划

针对复杂环境下传统群体智能优化算法在求解水下无人航行器(UUV)路径规划的过程中存在路径搜索能力不足、易陷入局部最优等问题,提出了一种引入改进蝠鲼觅食优化算法的UUV三维路径规划方法。首先,根据UUV在水下航行时的实际环境,建立相关地形模型和威胁源模型;其次,对传统的蝠鲼觅食优化算法进行改进,相关改进包括在初始化过程中加入局部反向学习机制优化种群的位置,提高了种群的多样性;根据每次迭代后种群个体适应度的不同,改进蝠鲼翻滚觅食的翻滚因子S,由此实现一种自适应翻滚,有利于跳出局部最优;同时,在蝠鲼螺旋觅食过程中融合莱维飞行-柯西变异策略,扩大了搜索路径和种群搜索范围,提升了算法寻找全局最优的能力;最后,将改进的蝠鲼觅食优化算法引入到UUV的路径规划中,进行相应的实验模拟。实验结果表明:在地形1中采用改进的蝠鲼觅食优化算法所规划的路径相比于灰狼算法和蝠鲼觅食优化算法分别降低了32.49 km和23.88 km,航迹代价分别降低了9.68和4.04;在地形2中采用改进的蝠鲼觅食优化算法所规划的路径相较于灰狼算法和蝠鲼觅食优化算法分别降低了20.83 km和29.95 km,航迹代价分别降低了10.14和3.18;同时,所提路径规划方法能够使UUV有效地避开障碍物、威胁物等,较大地降低了风险成本,安全性更高。

基于自适应蝠鲼觅食优化算法的分布式电源选址定容

建立了考虑有功功率损耗、电压分布、污染排放、分布式电源(DG)成本以及气象条件的DG选址定容规划模型,其中选址、定容工作分别是一个离散、连续变量,是一个高度非线性、含离散优化变量的复杂模型.因此,应用自适应蝠鲼觅食优化(AMRFO)算法获取最优Pareto解集,其具有丰富多样的搜索机制,个体更新机制以及先进的Pareto解筛选机制,针对该模型能够获得更加优异的高质量解.为回避权重系数人为设置主观性带来的影响,采用基于马氏距离的理想决策点法进行Pareto最优解集决策.最后,基于IEEE 33, 69节点配电网和孤网运行的IEEE 33, 69节点配电网进行仿真分析.研究结果表明:与传统的多目标智能优化算法相比,AMRFO算法能够获得分布更加广泛、均匀的Pareto前沿,在兼顾经济性的同时,配电网的电压分布、有功功率损耗的改善效果显著优于其他算法.

基于混合细菌觅食算法的多目标优化方法

针对多目标优化求解过程中多个目标相互制约难以求解的特点,为了提高多目标优化问题的求解速度和精度,并保持最优解的多样性,提出了一种用粒子群改进的混合细菌觅食多目标优化算法。将粒子群算法的寻优更新机制作为细菌觅食算法中趋向性操作的更新机制,将所求得非劣解的拥挤度作为寻优迭代过程中最优值的选取条件。与细菌觅食算法和NS-GA-Ⅱ算法的仿真结果表明,在对多目标测试函数ZDT1～ZDT4和ZDT6的求解过程中,该算法不仅能提高精度和快速地得到Pareto解集,并能有效地保持所求最优解的多样性。

离散蝠鲼觅食优化算法及在频谱分配中的应用

针对认知无线电中以最大化网络效益为准则的频谱分配难题以及蝠鲼觅食优化(MRFO)算法难以解决频谱分配问题的不足,提出一种离散蝠鲼觅食优化(DMRFO)算法。根据工程中频谱分配问题具有亲1性的特点,首先,基于Sigmoid函数(SF)离散法对MRFO算法进行离散二进制化;然后,通过异或算子和速度调节因子引导蝠鲼根据当前速度大小自适应向最优解调整下一时刻的位置;同时,通过在全局最优解附近进行二进制螺旋觅食避免算法陷入局部最优;最后,将提出的DMRFO算法应用于解决频谱分配问题。仿真实验结果表明,采用DMRFO算法分配频谱时的网络效益的收敛均值和标准差分别为362.60和4.14,该结果显著优于离散人工蜂群(DABC)算法、二进制粒子群优化(BPSO)算法以及改进的二进制粒子群优化(IBPSO)算法。

多目标细菌觅食优化算法

传统的细菌觅食优化算法仅针对单目标优化问题寻优,为进一步发掘细菌群体智能在多目标优化问题中的寻优优势,提出了改进的多目标细菌觅食优化算法。在个体间互不支配时给出归一化的择优策略;引入差分思想完成复制操作,提高种群的多样性;采用栅格划分法进行迁徙操作,提高解集的分散性;同时使用外部集存放当前找到的非支配解,并不断对外部集进行优化。通过对多个标准函数进行测试并与其他几种算法的对比结果表明,所提出的多目标细菌觅食优化算法在解的收敛性和分散性指标上都有一定提升,能够有效解决多目标优化问题。

基于免疫进化细菌觅食算法的多目标无功优化

为了更好地解决电力系统多目标无功优化问题,分析了当前多目标无功优化算法存在的缺陷,提出了一种基于免疫进化的改进多目标细菌觅食优化算法。该算法求得的Pareto最优解分布均匀,收敛性和鲁棒性好。IEEE14,IEEE30节点测试系统的算例结果表明所提的算法在多目标无功优化中具有良好的效果,为各目标之间的权衡分析提供了有效工具,是一种求解多目标无功优化问题的有效方法。

基于自适应细菌觅食算法的立体仓库货位优化

针对自升式穿梭立体仓库中穿梭车无需提升机即可实现跨层移动的运行特点,以该立体仓库模型为研究对象,进行货位优化。分别建立以提高出入库效率、货物分类存放、提高货架稳定性和平衡各巷道穿梭车工作量为优化目标的数学模型,并通过权重系数法将多目标优化函数转化为单目标优化函数。在标准细菌觅食算法的基础上,通过自适应策略对趋化步长和迁徙概率进行动态调整,提出了一种自适应细菌觅食算法,并利用该算法对货位优化数学模型进行仿真求解。仿真结果表明改进后算法的收敛速度提升,自适应改进策略有效,优化后目标函数值降低,货位优化效果显著。研究成果为立体仓库货位分配提供了一个综合、高效的优化方案,同时经立体仓库实际应用也验证了自适应细菌觅食算法的可行性和实用性。

基于蝠鲼觅食算法优化支持向量机的接地线定位方法

10 kV配网线路检修因漏拆临时接地线引起的带地线合闸恶性事故频发,现有临时接地线漏拆诊断及定位方法诊断效果差、定位精度低,为此本文提出了一种基于蝠鲼觅食算法优化支持向量机的接地线定位方法。搭建有漏拆接地线时的配网线路π形等值电路计算模型,建立回路阻抗与注入信号频率和漏拆接地线位置的关系,将线路最大阻抗值对应的特殊频率点作为漏拆接地线位置的判据,采用PSCAD/EMTDC搭建仿真模型验证计算模型的准确性;将蝠鲼觅食算法应用于支持向量机的核心参数优化,提高模型预测的准确性,建立了特殊频率点与漏拆接地线位置的关系模型,并与另外3种常用算法进行对比分析,结果表明本文所提方法能够实现漏拆接地线的诊断和定位,定位精度达到98%以上。

基于蝠鲼觅食优化算法的配电网故障区间定位

为使配电网故障定位准确且快速,提出了一种基于蝠鲼觅食优化算法(Manta ray foraging optimization,MRFO)的故障区间定位方法.MRFO算法通过蝠鲼3种独特的觅食行为即可实现优化问题的全局快速搜索,具有原理结构简单、实现容易、兼顾全局和局部搜索、收敛速度快的特点,分别对无信息畸变的单点故障、含信息畸变的单点故障、无信息畸变的多点故障、含信息畸变的多点故障这4种状况进行仿真实验,此算法准确性得到验证.与遗传算法、正余弦算法、粒子群算法相比,MRFO算法具有更好的准确性、快速性、容错性.

改进蝠鲼觅食优化算法的配电网故障定位

复杂的配电网系统中,蝠鲼觅食优化算法存在后期搜索能力不足导致故障定位准确率下降的缺点。针对该问题,提出了一种基于阈值反馈蝠鲼觅食优化算法的多电源配电网故障定位方法。在确立适用于复杂多电源网络的故障定位数学模型的基础上,采用Limit阈值控制算法求得极值时的迭代次数;在算法位置更新阶段引入交流反馈机制,加快算法收敛速率;利用Sigmoid函数对算法进行二进制离散化,输出故障向量完成故障定位。在Matlab中建立故障定位仿真模型,对多种算法开展对比实验。结果表明,不同故障情况下,改进的配电网故障定位算法的定位速度与准确度均优于其他算法。

基于Halton序列改进蝠鲼算法的K-means图像分割

图像分割在日常生活中扮演着重要角色,传统的K-means图像分割具有随机性且容易陷入局部最优等缺陷,使得分割质量大大降低。为改善这些现象,提出一种基于Halton序列改进蝠鲼觅食优化(HMRFO)算法的K-means图像分割,HMRFO采用Halton序列初始化种群,使得个体位置充分均匀,再引入折射反向学习提升算法的全局搜索能力,最后引入新型的高斯变异策略,减小算法陷入局部最优的概率。在6个基准测试函数中对比了5种算法,验证了HMRFO的有效性及可行性。同时,将其应用于K-means图像分割中,与其他4种算法进行对比,结果显示HMRFO优化K-means具有较好的分割质量及泛化能力。

采用PSO-BF算法的微电网多目标电能优化调度

考虑到微电网中各分布式电源的特点以及充分发挥分布式发电技术在经济、环境和能源方面的优势,在满足系统约束条件下,提出了一种综合考虑微电网的运行成本、电压偏差以及微电网削峰填谷能力的微电网多目标经济调度模型。同时针对粒子群算法(PSO)在求解优化问题时易陷入局部最优的缺点,提出一种粒子群-细菌觅食算法(PSO-BF)用于求解微电网电能优化调度问题。仿真结果表明该算法具有较强的全局、局部搜索能力且收敛速度快、精度高的特点。

多目标拆卸线平衡问题的Pareto细菌觅食算法

拆卸线平衡问题的优化涉及多个目标。为克服传统方法在求解多目标拆卸线平衡问题时不能很好地处理各子目标间冲突及易于早熟等不足,提出了一种多目标细菌觅食优化算法。该算法采用Pareto非劣排序技术对种群进行分级,并结合拥挤距离机制评价同级个体的优劣。为提高算法收敛性能,在趋向性操作结束后引入精英保留策略保留优秀个体,并采用全局信息共享策略引导菌群不断向均匀分布的Pareto最优前沿趋近。通过不同规模算例的对比分析,验证了算法的有效性与优越性。

多目标觅食—返巢机制连续域蚁群算法

受自然界蚂蚁的觅食—返巢生物学特征启发,同时深入了解蚂蚁信息素成分,提出了一种能够解决函数多目标优化问题的改进蚁群算法——多目标觅食—返巢机制连续域蚁群算法(MO-FHACO)。该算法与传统蚁群算法相比,将信息素分为蚁巢信息素和食物信息素,并根据不同信息素设立了不同的释放和寻优机制。通过BNH和TNK问题验证,MO-FHACO算法在Pareto最优前端连续的情况下具有极佳的多目标优化能力;在Pa-reto最优前端不连续的情况下,也能得到较多且散布性较好的Pareto最优解。因此,MO-FHACO算法是一种有效的函数多目标优化算法。

基于累积前景理论的最优觅食算法求解多目标流水车间调度问题

针对高维多目标置换流水车间调度问题,以最大的完工时间、最大的延迟时间、库存成本和拖期成本为最小化优化目标,提出基于累积前景理论的最优觅食算法(CPT-OFA)求解该问题。算法将灰色关联分析法、信息熵理论和累积前景理论融合,通过设置参照点、确定价值函数和属性权重的方式来建立Pareto解的综合前景价值模型,利用信息熵理论计算各目标的评价权重。以价值的大小来判断Pareto解的好坏,将该值作为最优觅食算法的适应度值来引导算法进化。在标准最优觅食算法的基础上,引入逆向搜索机制来避免陷入局部最优解,增强种群的搜索能力,建立改进的最优觅食算法。通过仿真实例实验及生产案例,表明CPT-OFA算法的寻优性能明显优于3种较为新颖的多目标优化算法,且在多目标置换流水车间调度问题上能够获得较高质量的Pareto解。

基于随机跳跃蝠鲼算法优化的电影信息数据聚类

针对传统K均值聚类(K-Means Clustering,KMC)算法在对电影信息数据聚类的过程中,初始聚类中心选取随机性较大、聚类结果不稳定且算法容易陷入局部最优、影响迭代精度等不足,提出一种基于随机跳跃式翻滚觅食蝠鲼优化的K均值联合迭代聚类算法(MRRJRFO-KMC),实现对电影信息数据的聚类.首先,提出一种均值最大最小距离积法来初始化聚类中心,改善聚类中心选取的随机性,避免随机初始化对聚类结果造成的不稳定性.其次,在迭代的过程中加入蝠鲼觅食优化算法,并对蝠鲼觅食优化算法中螺旋觅食和翻滚觅食进行改进,提出一种随机跳跃式翻滚觅食蝠鲼优化的策略,解决了蝠鲼觅食优化算法易陷入局部最优的问题.将随机跳跃式翻滚觅食蝠鲼优化算法加入KMC算法,对KMC算法迭代过程中的聚类中心进行优化,提高了聚类精度.在Iris,Aggregation,Ecoli和Seeds国际标准数据集上对MRRJRFO-KMC算法、MRFO-KMC算法、KMC算法、K-Means++算法、模糊C均值(Fuzzy C-Means,FCM)聚类算法进行比较测试,实验结果表明,MRRJRFO-KMC算法和其他算法相比,准确性和收敛速度都有所提升.在电影信息数据处理过程中,该算法能够根据所给的信息进行有效的聚类,应用价值明显.

最佳觅食算法求解多目标混合流水车间调度问题

针对生产车间中需要同时考虑减少生产时间、确保加工质量以及通过减少能耗而降低生产费用的需求,建立以完工时间、空闲时间、加工质量和机器能耗为目标的多目标混合流水车间调度模型,提出一种基于直觉模糊集相似度的最佳觅食算法.为有效求解此问题,提出基于Largest Order Value规则的双层整数编码方式,在机器层编码部分采用权重法来计算机器的选择概率.针对多目标优化,提出直觉模糊集相似度的解比较策略,采用直觉模糊集相似度的大小衡量Pareto解与理想解的相似程度,判断Pareto解的优劣.通过测试实例和实际案例,验证本算法求解多目标混合流水车间调度问题的有效性和可行性.