基于人工鱼群算法的水风光联合调峰优化模型

本文提出基于多Agent人工鱼群算法(MAAFAS)的,以剩余负荷均方差最小为目标函数的梯级水风光短期调峰优化调度模型。该模型充分结合了Agent算法的自主性和人工鱼群算法的全局寻优性,降低了约束的复杂性,易于获得复杂问题求解下的最优解。并以我国南方地区某流域的6座水电站,11座风电场,4座光伏电站组成的风光水电源互补系统为研究对象,从不同来水场景下(汛期、枯期)进行实例分析。结果表明:该模型可以有效地利用水电能源的调峰能力,平均提高负荷峰谷差降幅率到44.65%,缩小原始负荷峰谷差3300 MW,剩余负荷趋于平稳,便于风光能源的更好消纳,是一种实用性较强的水风光短期调峰优化方法。

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。

人工鱼群优化算法的移动机器人路径规划研究

针对传统人工鱼群算法在移动机器人全局路径规划中存在搜索效率比较低且路径冗余点比较多的问题,提出了基于双向搜索策略的人工鱼群算法。该算法通过正反两个方向交替检索路径的方式来进行全局路径规划,提高了算法在路径规划时的效率以及收敛速度。另外对于规划出的路径冗余节点以及不必要拐点较多的问题,通过对规划好的路径集引入路径平滑处理策略进行路径优化。仿真结果表明,改进后的人工鱼群算法与传统人工鱼群算法相比在收敛速度以及路径搜寻效率上均有较大的提高。最终将改进算法应用到实际的移动机器人中,实验结果证明,改进的算法可以有效解决移动机器人的路径规划问题。

自适应差分变异的人工鱼群算法

针对人工鱼群算法存在的全局搜索能力欠缺,鲁棒性差及易陷入局部极值等不足,提出一种自适应差分变异的人工鱼群算法(ADMAFSA).首先,该算法采用自适应视野和步长策略,改善种群个体在较优区域的精细搜索能力,提升算法的寻优精度.其次,在人工鱼群的随机行为中引入反向学习机制,通过发掘潜在的寻优空间,提高算法的全局搜索性能,避免算法早熟收敛.最后,借鉴差分进化算法对质量较差的人工鱼进行变异操作,从而增加鱼群的多样性,降低算法陷入局部极值的可能性.为验证改进算法的性能,本文对6个基准测试函数和8个CEC2019函数进行仿真,与其他AFSA变体、新型智能算法进行对比,实验结果表明,ADMAFSA在寻优精度和鲁棒性方面均有所提高.最后,在齿轮系设计问题上,进一步证明了改进算法具有较好的优化效果.

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。

基于人工鱼群算法的船舶电子设备故障智能诊断方法

为实现电子设备的高效维护,确保船舶安全航行,设计了基于人工鱼群算法的船舶电子设备故障智能诊断方法。采用离散小波变换法分解电子设备运行信号样本,通过计算不同尺度下的小波能量值完成船舶电子设备故障特征参数的提取,将其作为基于RBF神经网络的故障诊断模型的输入,利用人工鱼群算法对故障诊断模型的权值、阈值参数作优化处理,最终输出不同类型故障发生概率,实现电子设备故障诊断。实验结果表明,正常以及不同故障状态下,电子设备运行信号的时域波形存在很大差异,研究方法可实现故障特征参数的提取,并完成故障类型的识别,30次迭代后MSE指标即可降至最低,仅为10^(-4)。

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。

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。