一种面向增强现实中相机标定的天牛须搜索改进算法

针对三维注册初始化中内参难以进行标定的问题,分析了亚像素精度与相机成像模型,并对天牛须搜索算法进行了改进,在此基础上提出了一种求解三维注册初始内参的相机标定方法。首先,在图片中提取角点并进行亚像素精化;然后,在相机成像方程中引入畸变系数,重新推导成像方程并求解内参;最后,提出天牛须扰动搜索算法并对内参进行非线性优化。实验结果表明,该方法可明显减小相机的重投影误差,可以为三维注册模块提供初始化内参。

基于天牛须种群算法的整周模糊度解算算法

如何快速、准确地固定整周模糊度是载波相位测量中的一个关键问题。为了提高整周模糊度搜索速率,提出了一种基于天牛须种群算法(beetle antennae colony search, BACS)的整周模糊度解算算法。通过与BAS算法、BAS-Nadam算法、LAMBDA算法以及MLAMBDA算法进行解算速率、稳定性的对比实验,在三维模糊度解算时,BACS算法在与LAMBDA和MLAMBDA算法解算成功率相当的情况下,能利用更少的时间搜索到模糊度最优解。为了验证BACS算法在高维模糊度解算以及工程解算情况下是否适用,进行了高维模糊度解算的实验以及单频单GPS系统下BACS算法的应用实验。分析及实验表明,BACS算法能很好保证高维模糊度解算的实时性和鲁棒性,对于12维模糊度解算,平均解算时间0.068 s,解算成功率为92%,对于低维模糊度解算,解算速率更快,解算成功率更高。在单频单GPS系统工程解算中,x、y、z方向定位精度分别为±0.008、±0.01、±0.01 m,能达到厘米级精度定位。

引入混沌干扰机制的变异天牛群搜索算法

针对天牛须搜索(Beetle Antennae Search,BAS)算法收敛慢、精度低且容易陷入局部最优等缺陷,提出了一种引入混沌干扰机制的变异天牛群搜索算法(Chaotic Interference Mechanism of Mutation Beetle Swarm Optimization Algorithm,CMBSOA)。首先,应用粒子群(Particle Swarm Optimization,PSO)策略将天牛须搜索算法中的天牛个体扩展为天牛群,扩大算法的搜索范围,提高算法的全局搜索能力;其次,引入Logistic混沌映射机制对天牛群进行混沌扰动,使初始化的种群以随机方式均匀分布,以加快算法的收敛速度;最后,提出变异因子策略进行位置更新,使该算法更易跳出局部最优,增强算法的稳定性与精度。为了验证CMBSOA算法的有效性,将其与天牛群算法(Beetle Swarm Antennae Search,BSAS)及PSO通过2组单峰和3组多峰测试函数进行测试和对比,结果表明,CMBSOA算法具有较强的稳定性,此外还具有更优的精度和较快的收敛速度,且能最大限度地避免产生局部最优解问题。

基于电力系统经济调度问题的量子天牛须搜索算法

传统天牛须搜索算法(beetle antennae search algorithm),BAS演化过程中收敛速度过慢,为了快速高效地解决电力系统经济调度问题,提出了一种量子天牛须搜索算法(quantum beetle antennae search algorithm,QBAS)。算法将量子行为的搜索机制引入到BAS算法中,在天牛须位置周围建立量子Delta势阱,利用量子理论的概率性和不确定性,有效加快收敛速度,并克服容易陷入局部最优的缺点。实验采用一组标准测试函数对QBAS算法进行性能测试,从而验证算法在收敛速度及鲁棒性上的优越性。最后将算法应用电力系统经济调度问题,选用IEEE118总线测试系统进行测试,结果表明QBAS算法在降低发电成本和减少污染物排放都优于粒子群算法和天牛须搜索算法。

一种基于混沌天牛须搜索算法的摄像机标定方法

为了较好地解决传统智能优化方法在摄像机标定中存在标定精度低、效率和鲁棒性差的问题,提出一种基于混沌天牛须搜索算法的摄像机标定方法。该方法使用MATLAB标定工具箱对摄像机非线性成像模型进行预标定,预标定结果作为混沌天牛须搜索算法的初始值;构造平均重投影误差适应度函数,建立混沌天牛须搜索算法优化模型对标定参数进行优化;与基于传统智能优化方法的摄像机标定方法进行实验对比。实验结果表明,该方法得到的平均重投影误差为0.00572像素,算法总的运行时间为46.15 s,可以有效提高摄像机标定的精度、鲁棒性与效率。

面向改进天牛须搜索策略的狼群算法

针对狼群算法因其游走行为的局限性而导致该算法寻优速度慢、精度低且易陷局部最优的弊端,将天牛搜索方式种群化且增加自适应步长更新与两须距离关联机制再引入狼群算法,提出基于改进天牛须搜索策略的狼群算法(BWPA)。新算法既有单一搜索而跳出局部最优又有精细搜索的优势。通过运用基准测试函数对BWPA进行50/1000维的仿真测试,并与其他智能算法进行比较,结果表明BWPA在低维和高维下皆具有更快的收敛速度和精度且能跳出局部最优,证实天牛须搜索对狼群算法的改进是有效的。

基于改进天牛须搜索算法的抽水蓄能机组调节系统优化控制

针对抽水蓄能机组调节系统PID控制器参数整定困难问题,提出了一种基于改进天牛须搜索算法的抽水蓄能机组PID控制策略。首先,构建了小波动情况下带有时滞的抽水蓄能机组调节系统的数学模型。其次,提出了一种融合自适应分数阶微积分与自适应更新步长的改进天牛须搜索算法。然后,采用改进天牛须搜索算法、天牛须搜索算法与粒子群算法,分别设计调节系统在空载与负荷情况下的PID控制器。最后,使用各个算法优化的PID控制器进行调节系统的空载频率扰动与负荷波动工况仿真实验。结果表明:所提出算法可以整定出最为合适的PID控制器参数,在不同时滞作用下调节系统均取得更好的控制效果。该研究为抽水蓄能机组调节系统PID控制器的设计提供了新思路。

基于改进天牛须搜索算法的传感器网络覆盖优化策略

为了有效提高移动传感器网络的节点覆盖率,提出一种基于改进天牛须搜索(Improved Beetle Antennae Search,IBAS)算法的网络覆盖优化方法。经典天牛须搜索算法根据“食物”气味强弱和利用左右两个“触须”开展搜索觅食。首先通过在搜索阶段引入改进步长和随机方向函数对其进行改进,以平衡算法的全局探索与局部开发能力,使算法能够有效跳出局部最优;其次,采用基于当前最优值的侦查策略,提高算法的收敛速度与精度;最后进行了算法性能讨论和仿真实验。结果表明,相较其它算法,IBAS算法不仅提高了网络节点的覆盖率,而且使得节点分布更加均匀。

基于改进天牛须搜索算法的自抗扰永磁同步电机控制

针对自抗扰控制器参数多、整定困难的问题,基于改进天牛须搜索算法设计了一种在线自整定参数的自抗扰控制器。针对天牛须搜索算法当前迭代的最优候选解,认为是正、伪两种状态的量子位线性叠加,可用实数编码的量子重新表示,然后利用量子旋转门更新量子表达式。以永磁同步电机作为被控对象进行仿真验证,结果表明基于混合算法的自抗扰控制器有着更好的控制精度和抗扰动性能。

带有导向方向和群集搜索策略的天牛群算法

为加快天牛须搜索算法在多维优化问题中收敛速度,提高寻优精度,并综合考虑局部最优和整体优化问题,提出带有导向方向和群集搜索策略的天牛群算法。采用天牛群体并加入优值个体,利用迭代过程中优值个体在求解空间中的位置信息设计导向方向,引导群体向最优方向迭代;采用群集策略,有效避免算法陷入局部最优,增强算法的全局寻优能力。实例仿真计算结果表明,与标准的天牛须算法及其它经典优化算法相比,该算法在求解多维复杂问题时具有更快的收敛速度和更高质量的求解精度。

基于变步长天牛须搜索算法的空间直线度误差评定

为提高空间直线度评定精度,建立了空间直线度数学模型。采用变步长天牛须搜索算法对目标函数进行求解,主要包括天牛须搜索及变步长等步骤。针对原始天牛须搜索算法求解精度不高,易陷入局部最优等问题,设计变步长方法,增强算法多样性,从而充分提高计算精度。对其进行求解,并根据终止准则得到计算结果,将该寻优结果与其他方法的评定结果相比较,验证了该算法的可行性及优越性。

改进天牛须搜索算法在圆度误差评定中的研究

为了提高圆度误差的评定精度和计算收敛速度,提出了一种改进天牛须搜索算法的圆度误差评定方法。首先,通过圆度误差最小区域原则建立了数学模型和目标函数。其次,在标准天牛须算法的基础上,设计了变步长法,进一步提高算法的计算精度和收敛速度。最后通过三坐标测量的圆度测量数据进行求解验证,并将计算结果与常用的最小二乘法和粒子群算法等进行对比。实例表明,改进的天牛须搜索算法在圆度误差评定上的计算精度和收敛速度都优于传统算法,体现了该算法的优越性。

基于天牛须搜索的花朵授粉算法

针对花朵授粉算法后期收敛速度慢,寻优精度低的缺点,提出了一种基于天牛须搜索的花朵授粉算法(BASFPA)。算法首先在全局寻优阶段采用天牛须搜索加快收敛,其次在局部寻优阶段加入变异策略帮助算法跳出局部最优。实验使用6个常用优化函数进行测试,结果表明BASFPA在低维和高维下收敛速度和精度均高于其他算法,达到相同精度所需的迭代次数均小于其他算法,证明天牛须搜索对FPA算法的改进是合理的。

天牛须搜索算法研究综述

天牛须搜索算法(Beetle Antennae Search,BAS)是一种新型的智能优化算法,它是由天牛觅食所启发。自2017年提出以来,随着学者们对算法的研究不断深入,他们从多个方面对算法进行了改进,提出许多BAS的变体算法并将其广泛应用于各个领域。介绍BAS算法的搜索机制与寻优步骤,结合国内外文献对该算法的改进研究做出分析,从搜索步长、混沌概念、混合算法及其他改进策略等方面对改进算法进行分类阐述,同时,对算法在PID控制、电力调度、图像处理、神经网络、路径规划等领域进行了概述总结。结合算法存在的不足和挑战,从BAS算法的理论研究、改进研究和应用研究三方面对算法的未来研究内容与热点做出展望。

基于BAS的模糊PID解耦算法在船舶动力定位中的应用

模糊PID应用于船舶动力定位控制时,因无法保证量化比例因子选取到最优值可能限制控制性能。基于某动力定位船舶的三自由度运动模型,利用串联补偿解耦算法消除船舶横荡与首摇控制量的相互影响,选取纵荡与横荡的时间乘绝对误差积分(Integrals of Time-weighted Absolute Error,ITAE)之和为目标函数,尝试利用天牛须搜索算法(Beetle Antennae Search algorithm,BAS)对模糊PID中的量化比例因子进行优化。利用Matlab/Simulink,采用PID、模糊PID、基于BAS的模糊PID等3种控制策略,对定点定位工况下动力定位船舶在无干扰和瞬时干扰条件运动响应进行仿真。研究发现,相比于PID和模糊PID,基于BAS的模糊PID在纵荡和横荡运动控制上可显著提高控制精度并减少超调量,进而可改善动力定位系统性能。

基于天牛须BP神经网络的船舶电动舵机自抗扰控制

将自抗扰控制器(ADRC)引入到智能船舵机控制优化问题中,同时将神经网络嵌入到自抗扰控制,针对电动舵机快响应、非线性的特点提出一种神经网络自抗扰控制。将天牛须搜索(BAS)寻优能力强的特性与BP神经网络中的权值与阈值寻优过程相结合,建天牛须BP神经网络自抗扰控制器,弥补了BP神经网络训练时间较长、收敛速度较慢的问题。以船舶电动舵机系统作为被控对象在该控制器下的舵机系统的控制性能得到了提升,控制精度高无超调同时具有良好的鲁棒性,同时建立的BAS-BP神经网络自抗扰控制器对于实际应用具有指导意义。

基于二次插值的天牛须搜索算法

针对天牛须搜索算法在高维空间中搜索精度低和易陷入局部最优的问题进行了研究,提出一种新的天牛须优化算法——基于二次插值的天牛须搜索算法(QIBAS)。算法在天牛进行移动后,将天牛当前位置左右两触须作为插值坐标点,利用二次插值生成一个新的解,再对比插值产生的解与当前最优解、全局最优解的适应度值,更新全局最优解。对多个单峰函数和多峰函数进行数值仿真测试,其维度分别取100、500、1000、5000、10000。仿真结果表明,引入二次插值有效提升了BAS算法跳出局部最优的能力。QIBAS在求解最优值时,其求解精度有极大的提升,收敛速度也有较明显提升,改进算法的有效性得以验证。

基于天牛须搜索优化的室内定位算法

室内定位技术受到广泛的关注,基于接受信号强度指示(RSSI)的测距技术目前在节点定位中得到广泛应用.在基于RSSI测距的基础上,提出将天牛须搜索优化(BAS)算法应用到室内定位中.首先通过RSSI测距获得未知节点与锚节点之间的距离,在计算距离时对数据进行了预处理,从而提高测距的精度.然后引入BAS算法计算出未知节点的位置坐标.通过与粒子群定位算法(PSO)和遗传定位算法(GA)对比试验结果,验证了BAS定位算法对室内定位效率的提高更加明显.

改进天牛须搜索算法的工控系统入侵检测

为解决工控系统计算资源有限,但对入侵检测时间敏感、检测精度要求高的问题,提出一种将模型训练与检测分离的迁移训练方法。将分类算法预测模型的训练任务迁移到工控系统之外的计算设备,工控系统通过高速网络实时获得预测模型的更新并将检测到的具有训练价值的样本上传。为使模型达到良好的检测效果,提出一种随机属性约束策略对天牛须搜索算法进行改进,利用改进后的天牛须算法对XGBoost分类算法进行参数寻优。实验结果表明,该方法检测率高、误报率低、检测速度快,适合工控系统入侵检测。

基于天牛须搜索的无人机路径规划算法的鲁棒性分析

为考察无人机(Unmanned aerial vehicles, UAVs)在飞行过程内、外部环境干扰对基于天牛须搜索(Beetle antennae search,BAS)算法的无人机路径规划算法,即OABAS (Obstacle avoidance beetle antennae search)算法的影响,采用抗噪分析模拟的方法对OABAS算法进行鲁棒性分析。首先构建了噪声干扰下无人机的运动场景,包括静态障碍物场景和动态障碍物场景;然后通过对场景中的路径参数添加高斯白噪声,模拟了无人机飞行过程中的定位干扰;最后在不同种类的地图上对OABAS算法进行模拟实验,包括二维平面上规则和不规则的障碍物以及真实三维地图,通过对比添加噪声干扰前后代价函数值的收敛情况,分析了该算法在受到噪声干扰下的鲁棒性,以分析天牛须搜索的无人机路径规划算法的性能。结果表明:OABAS算法具有较强鲁棒性,在添加噪声前后进行路径规划均有较好的表现。