基于改进蜂群算法的资源实时均衡策略

针对传统人力资源调度算法在复杂场景下分配效率低的问题,文中基于改进蜂群算法提出一种面向人力资源的实时均衡调配策略。对于传统蜂群算法存在的实时性差、易陷入最优解的缺点,在算法的首阶段引入最佳蜜源位置算法来提升收敛速度,在次阶段使用排序策略增加算法全局能力,在末阶段提出一种基于蜜源浓度的全局更新策略,以提升算法实时性,进而改进原算法的缺陷。实验测试结果表明:所提算法的迭代次数约为120次,相较于原算法有明显提升;对目标函数的求解值在对比算法中为最优,表明所提算法求解质量高、收敛速度快,能够有效提升资源管理水平。

基于改进蜂群算法的应急通信指挥方法

应急通信指挥方法对于提高突发事件的救援速度具有重要意义,为了保证应急救援信息的精准、高效传输,提出基于改进蜂群算法的应急通信指挥方法。考虑指挥中心、工作节点以及路由节点等多个组成元素,构建应急通信网络模型。从通信信息和通信链路两个方面,整合应急通信资源,结合应急通信任务的优先级,利用改进蜂群算法分配通信链路。调制、加密处理应急通信数据,通过通信调度、信道切换等步骤实现应急通信指挥。通过与传统指挥方法的对比得出结论:在优化设计指挥方法的作用下,应急通信的误码率降低了8.45%,能够将应急通信中断概率控制在5%以下,同时应急通信吞吐量有所提升。

基于改进蜂群算法的建筑管路布局约束多目标优化设计

针对建筑空间管路布局约束多,难以定量分析设计中多指标冲突的问题,提出一种基于改进蜂群算法的建筑空间管路布局优化设计方法。首先,构建三维建筑管路布局模型,以管路总能量值(长度、弯头数量等)、管路避障等为优化目标,构建多约束目标函数。然后,针对传统蜂群算法容易陷入局部最优和难以保证种群多样性的问题,提出基于Levy飞行策略的改进人工蜂群算法,进行多约束下的建筑管路布局优化求解。所提算法在雇佣蜂的搜索阶段,引入Levy飞行策略,根据上一蜜源的能量值及迭代次数自适应调整更新步长,从而提高全局搜索能力并加快收敛速度。实验表明,所提方法比传统蜂群算法不仅在整体探索能力上得到了提升,而且得到的管路路径长度更短、弯头更少、能量值更低,能够满足真实建筑环境中理想管路自动布局的要求。

基于改进蜂群算法的井下防爆柴油车多目标优化

为了保障井下煤矿员工健康,响应碳中和号召,提出一种改进后的人工蜂群算法(modify artificial bee colony,Modify-ABC)来降低油耗、减少尾气排放。以5 t和8 t的井下防爆材料车为研究对象,建立防爆柴油机数学模型,提出降低有害气体排放及油耗的多目标优化模型,用Modify-ABC与其他3种算法进行对比,对目标函数进行优化求解。结果表明,Modify-ABC相比于传统蜂群算法,遗传算法和模拟退火算法收敛速度更快更好,使用改进算法后,井下5 t材料车油耗及有害气体排放量减少了25%,8 t材料车油耗及有害气体排放量减少了24.8%。

基于改进蜂群算法的6G无线网络覆盖智能优化方法

为解决第六代移动通信技术(6th Generation Mobile Networks,6G)无线网络覆盖的网络消耗较大问题,提出基于改进蜂群算法的6G无线网络覆盖智能优化方法。基于改进蜂群算法构建传感器感知模型;调度无线网络节点,计算节点覆盖率,实现6G无线网络覆盖智能优化。实验结果表明,该方法实现覆盖智能优化目标具有较低的网络消耗量,网络优化效果良好。

改进蜂群算法在风机变桨距控制中的应用

风力发电系统建模过程复杂,具有很强的非线性,受参数变化和外部干扰严重,且运行环境恶劣。因此,在控制器部分提出用自抗扰控制理论解决风力发电系统的变桨距控制问题,实现最大功率跟踪。并采用改进人工蜂群算法对自抗扰控制器的参数进行优化,解决其整定过程繁琐,具有很多不确定性的问题。MATLAB的仿真结果表明,优化后的控制器调整参数减少,简化了调节过程,弥补了人工蜂群算法搜索过程寻优速度慢,迭代后期容易陷入局部最优的不足,提高了优化精度。

改进蜂群算法求解大规模着色瓶颈旅行商问题

在智能交通、多任务协作等领域,用着色瓶颈旅行商问题(CBTSP,colored bottleneck traveling salesman problem)所构建模型尺度易趋向于大规模,因此有必要研究大规模CBTSP及其求解算法。本文将一种改进蜂群算法(IABC,improved artificial bee colony algorithm)应用于求解大规模CBTSP。IABC首先运用m-tour编码方法生成问题的解,然后使用产生邻近解(GNS,generate neighboring solution)优化蜂群算法求解该问题,GNS通过采用删除和重插入操作来产生新的解,并在该过程中实现对已有解的优化。实验表明IABC求解大规模CBTSP问题的求解质量优于其他对比算法。

基于改进蜂群算法的雷达网目标分配方法

针对雷达网目标分配的问题,提出基于改进蜂群算法的雷达网目标分配方法,利用改进蜂群算法对目标函数进行寻优并确定目标分配方案。在该算法中,跟随蜂采用双向轮盘赌的方式选择引领蜂,有助于获得全局最优解,提高算法收敛速度。仿真结果表明,改进蜂群算法能够有效对雷达网目标分配问题进行优化求解,与基本蜂群算法相比,收敛速度快、全局寻优能力增强。在此基础上,发现改变算法参数会影响到雷达网目标分配方案,如何确定最优参数,将是下一步研究的方向。

基于改进蜂群算法的WSN分簇路由协议

针对无线传感网络的分簇路由问题,提出一种基于改进蜂群算法(IABC)的无线传感网络分簇路由协议.受差分进化算法和反向学习的启发,改进的蜂群算法是用差分进化算法的变异策略和反向学习思想分别改进了雇佣蜂和观察蜂的搜索方式,提高了算法的探索能力和开发能力.应用改进的ABC算法,在无线传感网络中选择一组最佳节点担任簇头并将网络划分大小均匀的簇,仿真实验结果表明,与LEACH、PSO-C和ABC路由协议比较,所提路由算法的网络生存周期明显延长,能耗均衡性能更好.

基于改进蜂群算法的非均匀阵列综合

针对蜂群算法易陷入局部极值的缺陷,提出一种改进蜂群算法实现非均匀阵列综合。首先,通过引入概率选择机制,以概率因子控制蜂群算法对精英蜂的选择,从而改善蜂群算法的全局优化性能;然后,采用改进蜂群算法优化阵元间距降低最大峰值旁瓣电平并抑制干扰;最后,仿真实验表明该改进算法在非均匀阵列综合中的有效性和稳健性。研究成果可为非均匀阵列综合提供一种新的途径。

基于改进蜂群算法的独立二次一体化中心优化选址策略

针对城市变电站土地建设成本高及配电网供电可靠性要求不断提高的情况,提出一种实现变电站紧凑化和提升配电网保护控制性能的独立二次一体化中心的概念。为解决保护形态变迁后该中心与站间能够正常实现保护功能等问题,独立二次一体化中心的选址尤其重要,须综合考虑多种因素。结合传统变电站选址方案和独立二次一体化中心的特定需求搭建适用于该中心的优化选址模型,该模型主要考虑信息时延、居民影响及负荷分布3种因素,以某市区内变电站拓扑作为仿真实例,通过改进蜂群算法快速计算出最优解的可能区间,然后经精确计算得出最适合该中心的选址节点,最后通过分析最优节点的各项指标,充分说明所提模型的实际工程意义及方法的优越性。

基于改进蜂群算法优化的支持向量机研究与应用

支持向量机是一种应用广泛的机器学习方法,其分类性能主要取决于相关模型参数的选择。本文提出了一种改进的人工蜂群算法来优化支持向量机的参数,并将其应用于人体活动数据识别。在标准数据集上测试,与基本人工群体算法、遗传算法和粒子群算法等优化算法相比,改进蜂群算法优化的支持向量机可以获得更高的分类准确率。验证了改进人工蜂群算法的有效性。利用改进人工蜂群算法优化的支持向量机对人体活动数据进行分类识别,结果显示该方法具有较高的分类准确率,说明本文所提方法具有实用性。

改进蜂群算法及其在面波频散曲线反演中的应用

应用改进蜂群算法反演面波频散曲线以获得近地表横波速度剖面.蜂群算法属于群智能算法中的一种,灵感来源于蜜蜂群体特定的觅食行为,在该算法的基础上结合粒子群算法中的全局最优解引导思想,同时引入遗传算法中交叉运算操作,即采用基于交叉操作的全局人工蜂群算法对面波频散曲线进行反演研究.改进蜂群算法在继承传统算法精于探索特性的同时,针对其疏于开发的缺陷着重加强了算法对全局的探索能力.使用理论和实测瑞雷波数据,本文研究了改进蜂群算法在推导近地表横波速度分布的有效性和适用性.在反演中,目标函数的收敛性好,改进算法在迭代的过程中能够快速收敛到全局最优;模型参数的概率分布高,即在寻找到全局最优解的同时,能够确保解中每个参数同时达到最优,保证了反演的结果可靠度,使其能有效地应用于瑞雷波频散曲线的反演和解释中.

基于改进蜂群算法的模糊需求冷链物流车辆路径优化

针对基本人工蜂群算法容易早熟收敛等问题,提出了3种邻域生成策略,并对当前解进行局部搜索和进化。仿真试验表明,该算法在求解相关问题上具有有效性,对求解用户模糊需求下的冷鲜品冷链物流车辆路径优化问题具有一定的参考价值。

基于改进蜂群算法的含DG配网多目标无功优化

针对大量的间歇性分布式电源接入配电网带来的无功优化问题,提出基于高斯变异和混沌扰动的人工蜂群算法求取最优解。首先,建立以系统运行成本最小、有功网损最小、电压偏差最小的多目标无功优化模型;然后利用所提优化算法对模型求解,该算法利用了高斯变异搜索能力强、精度高的特点,加入混沌扰动,在提高算法鲁棒性的同时,克服了个体易陷入局部最优的不足。最后,以改进的IEEE-33节点系统进行分析,并与传统人工蜂群算法对比,表明所提算法收敛速度更快、搜索精度更高、运行稳定性更好,能够有效降低系统运行成本与网络损耗。

基于改进蜂群算法优化神经网络的玉米病害图像分割

更加细致的体现病害外部形态特征和较为完好的保留病害区域颜色纹理信息,是玉米等作物病害分割的关键性研究问题之一。该文提出一种基于改进人工蜂群算法的脉冲耦合神经网络图像分割算法,该算法以最大香农熵和最小交叉熵加权线性组合作为蜂群算法收益度评价函数,通过引入尺度因子调整引领蜂和跟随蜂的解搜索策略,改进后人工蜂群算法与脉冲耦合神经网络相结合,实现网络参数的自动优化调节。在RGB色彩子空间上将该算法用于一组玉米常见病害彩色图像分割,并借鉴利用彩色图像合并策略得到最终病害分割结果。试验表明,该文算法较为细致的体现病害外部形态特征,较为完好的保留了颜色纹理信息;利用分割区域色度误分度V(I)值作为评判标准,该文算法V(I)幅值顺次降低2.03%、7.05%、10.15%和11.2%,综合降低了7.32%也优于对比算法。因此,该文算法为病害彩色图像分割提供了一种较为有效的方法。

基于改进蜂群算法的共享汽车停放区域多目标选址方法

为了提高共享汽车停放区域多目标选址的准确性,提出基于改进蜂群算法的共享汽车停放区域多目标选址方法。构建网格区域规划模型,通过量化进行多目标参数融合,实现选址过程中参数寻优,构建节点定位模型,在支配集约束下,采用改进蜂群算法实现对多目标选址寻优控制,建立最优目标搜索函数,通过反馈调节方法,实现共享汽车停放区域多目标选址和自适应定位。仿真结果表明,采用该方法定位能力较好,识别能力较强,提高了共享汽车停放区域利用效率。

基于改进蜂群算法的多传感器目标分配方法

针对多传感器目标分配中参数多、计算复杂、实时性不强、全局搜索能力不高等问题,在分析其数学模型的基础上,基于改进人工蜂群算法,对目标函数进行优化并确定分配方案。改进后的算法中,跟随蜂采用双向轮盘赌的方式选择引领蜂,并采用萤火虫算法中的自适应步长策略来进行局部搜索,有助于提高算法收敛速度、增强算法的局部搜索能力。仿真结果表明,改进蜂群算法能够有效解决多传感目标分配问题,与基本蜂群算法相比,改进后的算法收敛速度加快、寻优能力得到进一步增强,具有较强的实用价值。

基于改进蜂群算法的电动汽车微电网优化调度

可再生能源发电系统与电动汽车(EV)大规模接入电网会给现有的电力系统的安全、稳定运行带来巨大挑战。探讨了含EV和分布式电源的微电网的最优调度问题,包括风能、光伏以及燃煤机组等不同的分布式电源,同时考虑了基于V2G(Vehicle to Grid)技术的电动汽车对电网负荷的调节功能。提出了一种基于电动汽车荷电状态(State of Charge,SOC)检测的有序充放电调度策略,综合考虑了机组运行成本、弃风弃光成本以及电动汽车充放电成本,以最小化调度周期内总运行成本为目标建立了微电网优化调度模型。采用一种将蜂群算法与天牛须算法结合的改进蜂群算法对模型进行求解。通过与无序充电结果进行比较,证明了所提出的调度模型的有效性和优越性。

基于改进蜂群算法的虚拟云资源调度负载优化策略研究

针对云资源调度过程中面临的执行时间长、相关资源利用率低等问题,本文从改进框架调度策略、优化调度算法的角度,提出云资源调度负载优化策略。利用Kubernetes框架平台优势改进蜂群算法,提高任务执行时云资源调度的利用率。提出基于蜂群算法的资源优化策略,构建资源功耗模型和目标优化函数,结合对比算法验证本文所提出的优化改进算法在资源占用率上具有明显的优势,并且资源损耗更低,稳定性更好。本文为相关学者在利用Kubernetes进行云资源调度和优化领域的研究提供一定参考。