采用改进细菌觅食优化算法的无人机航迹规划

针对现有的无人机航迹规划方法收敛速度较慢、效率不高、易陷入局部最优等问题,构建了基于改进细菌觅食优化算法的无人机航迹规划结构,从三个方面改进算法:一是将固定步长改为自适应步长;二是游动时嵌入粒子群算法学习因子思想;三是将固定迁徙概率改为自适应迁徙概率。同时,提出了飞行代价目标函数,通过函数寻优进行无人机航迹规划,并由数字高程数据建立三维环境,对比基本细菌觅食优化算法和粒子群算法进行仿真。结果表明,基于改进细菌觅食优化算法优化的无人机航迹规划结构具有路径长度更短、路径更平滑和收敛速度更快的特点。

改进细菌觅食优化算法求解柔性作业车间调度问题

针对柔性作业车间调度问题(FJSP),提出一种改进细菌觅食优化(IBFO)算法,该算法采用自适应调节步长的趋化操作,同时在趋化过程中,加强精英细菌对其他细菌在寻优方向上的引导作用,避免了算法早熟收敛;通过引入交叉和变异算子,以维持菌群的多样性,同时也提高了算法的全局搜索能力;采用自适应迁徙策略对精英细菌进行保护,提高了算法的全局收敛速度。最后,针对FJSP设计了合适的编码转化方案,并选用经典算例对其进行仿真实验:对于8×8和10×10两实例,改进后的细菌算法与标准细菌算法相比求解精度分别提高了2个单位时间和1个单位时间;对于Brandimarte标准测试集中的实例,IBFO算法的求解精度要普遍优于其他对比文献中的算法。仿真结果表明了IBFO算法可有效提高FJSP的求解精度。

一种改进细菌觅食优化算法及其在软测量建模中的应用

针对软测量建模中模型参数的优化需求,在分析细菌觅食优化算法(BFOA)和粒子群优化(PSO)算法的基础上,将二者有机结合,提出了一种新型细菌觅食粒子群混合优化算法(BSOA)。该算法将PSO粒子移动的思想引入BFOA,有效解决了BFOA趋向性操作中细菌位置更新的盲目性。将其分别用于典型函数的寻优与成品油研究法辛烷值最小二乘支持向量机(LSSVM)模型参数的优化,仿真结果表明:该方法有效增强了算法的全局寻优能力与收敛速度,并在一定程度上改善了模型的预测精度与泛化能力。

拆卸线平衡问题的改进细菌觅食优化算法

拆卸是产品回收过程中最重要的环节,拆卸过程高效与否直接影响产品的回收效率。为克服传统算法求解拆卸线平衡问题时性能不稳定的缺陷,在构建基于工作站利用率、负荷均衡,尽早拆卸有危害、高需求的零件,最小化拆卸成本等方面的拆卸线平衡问题多目标优化模型的基础上,提出一种改进的细菌觅食优化算法对问题求解。通过改进细菌的移动规则扩大搜索空间,引入全局信息共享策略增强算法收敛性能,定义了一种自适应驱散概率防止驱散操作中解的退化。在对不同规模算例的对比分析中,验证了该算法的有效性。

基于改进细菌觅食优化算法的输电网规划

针对大规模输电网规划中细菌觅食算法(BFO)容易陷入局部最优、搜索精度和后期收敛速度明显下降的问题,使用改进细菌觅食算法(IBFO)建立了基于线路建设费用、网损费用以及正常运行时的过负荷惩罚费用最低的输电网规划模型,通过对IEEE-18节点和巴西南部46节点系统的计算,验证了IBFO在求解大规模输电网规划问题时收敛更快,更易寻得全局最优解。

改进细菌觅食优化算法在贝叶斯网络结构学习中的应用

针对目前已有的贝叶斯网络结构学习算法一般存在算法易早熟、学习效果不理想、算法效率较低等问题,提出了基于改进细菌觅食优化算法的贝叶斯网络结构学习策略,对传统细菌算法中的趋化算子、繁殖算子和迁移算子进行了改进。将自适应理论应用于细菌游动步长的计算和繁殖个体的选择中;在迁移算子的迁移概率计算中,引入了遗传算法中的轮盘赌方法;在互信息理论的基础上,给出了一种新的网络结构随机进化方法,代替了传统细菌算法中的随机迁移。对不同规模的经典贝叶斯网络进行了仿真实验。研究结果表明,该算法在贝叶斯网络结构学习方面,在收敛性上表现稍逊于别的算法,但在学习效果上,特别是针对结构相对复杂的网络,优势明显。

基于改进细菌觅食优化算法的电动转向系统功率优化

为了降低新能源纯电动汽车中电动助力转向系统的电能消耗,提出一种基于改进细菌觅食优化(IBFO)算法的功率优化控制策略。建立电动助力转向系统动态模型和车辆模型,通过改进细菌觅食算法的趋化操作和迁徙操作,提高了算法的收敛速度和精度。采用时间误差绝对积分函数评价细菌觅食算法的收敛性。分别进行MATLAB/SIMULINK仿真和硬件在环试验,测试结果表明:改进后的细菌觅食算法控制器能够更加有效地降低助力电机的功率,减少了转向过程中助力电机功耗。

基于细菌觅食-改进蚁群优化算法的水面无人船路径规划

为了解决水面无人船全局路径规划问题,提出了一种细菌觅食-改进蚁群优化算法(bacterial foraging-improved ant colony optimization algorithm,BF-IACOA)。相较于传统蚁群优化算法(ant colony optimization algorithm,ACOA),该算法在路径搜索策略上考虑水面无人船航行需要尽可能减少转向次数和完全规避过大转向角的约束,引入转向角启发因子,综合求解转移概率;同时引入细菌觅食算法的繁殖操作和趋化操作,改进信息素浓度的更新方式,解决传统ACOA容易陷入局部最优解和收敛速度较慢的问题。仿真结果表明,相较于传统ACOA,BF-IACOA的全局搜索能力得到较大幅度的提升,并且收敛迭代次数减少超过30%;在实际水域环境模型下,BF-IACOA可以通过14次迭代为无人船规划出全局可行路径。

改进细菌觅食算法的永磁同步电机参数辨识

应用群智能算法对永磁同步电机(PMSM)进行参数辨识后期容易进入局部最优,从而导致辨识误差大,为此提出一种融合小生境技术的改进细菌觅食算法(MBFA)。通过构建目标追踪函数,利用电机电流、电压和转速等直接测量的信号实现对电机d轴电感、q轴电感、定子电阻和永磁体磁链的快速、准确辨识;辨识过程中通过引入格型准则对目标解空间进行拟蒙特卡罗采样提高算法的全局搜索能力;基于小生境技术进行在线多种群协同搜索策略提高算法的搜索效率和寻优精度;最后通过引入一种种群实时监测和动态更新机制保证了算法在整个寻优过程的鲁棒性。仿真和实验结果表明,所提算法在参数辨识的快速性、准确性、稳定性方面均表现优越,辨识结果能够满足对永磁同步电机进行建模和仿真的精度要求。

基于交互式细菌觅食优化算法的飞机基地维修人员调度

随着行业细分的逐步深入,航空公司将检修任务外包给基地维修服务提供商,以降低运营成本。针对外包模式下飞机基地维修人员调度问题,本文首先基于维修任务的分布式特征,结合维修服务提供商对成本控制的需求与维修人员对工作量分配公平的需求,构建调度模型。其次,提出与模型约束条件相结合的编码转换机制,基于结构重组思想以及群体内部信息交流方式设计交互式细菌觅食优化算法,并对模型进行求解。最后,基于分布式任务分配特点设计对比实验。实验结果表明,相较于原始细菌觅食优化算法、菌群优化算法、改进细菌觅食优化算法、粒子群算法、综合学习粒子群算法以及遗传算法,交互式细菌觅食优化算法具有更强的寻优能力、更高的搜索精度,以及良好的稳健性与收敛性能,能有效解决手动排班引起的耗时长、费力多等问题,提升飞机维修基地的运营效率。

基于改进蚁群算法的算力灵活迁移优化算法

针对现有云计算环境下国网数据中心资源调度存在的调度效率低、能源消耗高等问题,文章提出了一种基于改进蚁群算法的算力灵活迁移优化算法。首先构建国网云数据中心的算力迁移模型,对数据中心的资源调度能耗进行建模。然后通过引入细菌觅食算法改进基本蚁群算法的信息素初始化,并重新设计了启发函数和信息素挥发因子。仿真实验结果表明,与现有模型相比,文章的算法能够求出更优的算力资源调度方案,在减小任务完成时间的同时降低了国网数据中心36.6%的能耗。

一种采用改进细菌觅食优化算法的图像增强方法

为了解决现有图像增强技术在细节处理方面的不足以及变换后图像直方图分布偏移的情况,提出一种采用改进细菌觅食优化算法的灰度图像增强方法.针对细菌觅食算法在优化高维函数时性能不佳、易陷入早熟收敛的缺陷,将变高维的灰度图像增强问题转化为固定2维的非完全Beta函数的参数最优化问题.仿真实验结果表明了所提出方法的有效性,与其他方法相比,增强后的图像细节表现更自然,直方图分布更均匀,明暗区域分配更合理.

基于细菌觅食性的改进粒子群优化算法翼型设计

提出了一种基于细菌觅食性的改进粒子群优化算法。该算法以粒子群优化算法的社会模型为基础,添加了个体之间的交流项,丰富了粒子之间的优势信息源,增强了粒子的信息共享能力,同时,引入了细菌觅食算法中的趋化和驱散机制,使得算法能够有效地跳出局部最优。函数测试结果表明,该算法显著地提高了粒子群优化算法的寻优性能,并将该算法应用到了翼型设计之中。

改进细菌觅食算法在高维优化问题中的应用

针对以往细菌觅食优化算法自适应步长公式经验性参数过多、无法真正实现自适应的缺点,提出了改进的步长公式,使步长仅与细菌个体当前的进化代数和所求解问题的寻优范围有关,真正实现步长的自适应;其次,将混沌思想和差分进化思想与细菌觅食算法结合,对算法初始化过程和寻优过程进行改进,增加群体多样性,避免算法因为早熟而陷入局部最优值;在高维问题的优化过程中,采用逐维更新细菌位置的方法,将整体问题分维处理,极大地提高了算法效率和精度。通过对多个标准测试函数在多维空间进行测试,表明改进算法在高维空间中寻优时速度快、精度高、求解过程简单可行,在寻得最优解的精度上比其他改进方案有显著提高。

改进的细菌觅食算法在航空装备维修任务调度优化中的应用

以海军航空装备定检维修工作为原型,将一种新兴的仿生全局随机搜索算法——细菌觅食优化算法应用到该类任务调度问题的解决中,对算法进行了改进,增强了全局寻优能力,并将其应用于工程实践,对维修任务工序进行优化调度。对于提高航空装备维修工作效率和指挥自动化水平,提高资源利用率,降低保障维修费用,有较好的应用价值。

改进的细菌觅食优化算法

细菌觅食优化算法是一种受大肠杆菌觅食现象启发产生的一种群体进化算法,该算法具有良好的全局优化能力,鲁棒性强,算法简单等优点,但其也存在易早熟,收敛速度慢等缺点.根据其缺点,提出了一种改进的细菌觅食优化算法,改进后的算法收敛速度加快,在一定程度上避免了易早熟的缺点.将原算法和改进算法应用于PID参数的在线自整定,通过matlab仿真实验证明了算法改进后的优越性.

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。

采用改进的细菌觅食优化算法求解RCPSP

针对细菌觅食优化算法全局搜索能力较弱和收敛速度慢的问题,对算法的更新方式进行改进,在算法的初期通过粒子群算法进行全局搜索,使细菌在更新时感知周围环境,再由细菌觅食算法的趋向操作进行局部搜索,提高算法的计算精度和搜索能力.最后运用实例对算法进行验证,实验结果验证了此算法在求解资源受限的项目调度问题时的可行性和优越性.

改进的细菌觅食优化算法及其在框架结构设计中的应用

在细菌觅食算法(bacterial foraging algorithm,BFA)基本原理的基础上,结合"和声搜索"算法,提出了一种改进的细菌觅食算法,并应用于框架结构优化.采用该优化算法分别对一单跨8层框架和双跨5层框架结构进行离散变量的质量优化设计,并与细菌觅食算法的计算结果进行了比较.计算结果表明改进的细菌觅食算法应用在结构优化中具有较好的收敛速度和精度,可应用于工程结构的优化设计.

一种改进的细菌觅食优化算法

针对细菌觅食优化算法存在收敛速度慢、寻优精度低、易陷入局部最优等缺点,提出了一种改进的细菌觅食优化算法。改进原有固定步长的游动方式,引入自适应步长调整策略,提出了基于非线性递减的余弦自适应步长;改进细菌位置的更新方式,借鉴人工蜂群的方法,采用混合的更新方式;改进优胜劣汰的选择标准,保留最优个体,对复制后的父代个体引入杂交算子;改进迁徙方式,提出种群进化因子,防止进化停滞不前。将本文算法用于经典函数以及PID参数整定测试,仿真实验结果验证了该算法的有效性。