基于粒子群-细菌觅食混合优化算法的汽车碳纤维复合材料地板铺层设计

为提高白车身地板复合材料铺层优化设计的精度、效率及结构轻量化水平,提出了一种碳纤维复合材料地板铺层优化设计方法。首先建立了白车身有限元模型并验证了其有效性,然后通过力学性能测试获取了碳纤维复合材料的参数,并进行了地板铺层的概念设计和建模。接着,采用连续变量优化设计方法确定了地板的铺层厚度、铺块形状和铺层层数,并使用离散化圆整策略获得了各铺向角的离散铺层层数。优化结果表明,所提出的粒子群-细菌觅食混合优化(PSO-BFO)算法对地板质量、静态弯曲刚度和白车身轻量化系数的改善率分别为34.4%、6.0%和5.3%。

基于细菌觅食与粒子群的改进混合算法

针对粒子群优化算法(PSO)在优化过程中易陷入局部极值而产生"早熟"现象,文中提出一种基于细菌觅食与粒子群的改进混合算法。粒子群优化算法与细菌觅食优化算法的结合,增强了算法的全局搜索能力,使算法具有全局搜索能力强的优点。选用Matlab进行仿真实验,实验结果进一步显示了改进混合算法的优化能力优于基本PSO算法和基本BFO算法,收敛速度快,且具有较好的鲁棒性。

基于细菌觅食机理改进粒子群算法的研究

粒子群算法与细菌觅食算法在优化问题中均体现了较好的性能,但由于各自特定的进化机制,也都存在缺点。粒子群优化(PSO)算法在优化过程中过快陷入局部极值,为了避免这个缺陷,提出了一种新的混合算法。通过PSO算法完成整个空间的全局搜索,通过细菌觅食算法(BFOA)中的趋向性运动算子完成局部搜索的功能,再通过典型函数进行测试,结果表明新算法可以有效弥补细菌觅食算法速度不快和粒子群算法精度不高的缺陷,同时部分地避免了局部收敛的问题,从而适用于解决复杂函数的优化问题。

基于梯度粒子群算法的细菌觅食算法

针对细菌觅食算法在优化过程中环境感知能力较弱且容易陷入局部极值的缺陷,将梯度粒子群算法的基本思想引入细菌觅食算法中,改进原算法的收敛速度和收敛能力,并据此提出了基于梯度粒子群算法的细菌觅食算法GPSO-BFA。该算法既利用了细菌觅食算法出色的全局搜索能力,又借助梯度粒子群算法的快速局部寻优能力,很好地将两者的优势结合在一起。基于六个高维Benchmark函数的实验结果显示,该算法在收敛速度和精度方面都优于其他四种细菌觅食算法。

粒子群-细菌觅食在光伏系统MPPT控制中的应用

在光照不均匀情况下,光伏阵列P-V曲线上会出现多个极值点,传统算法容易陷入局部最优而失效。文中提出粒子群-细菌觅食算法,将粒子群算法和细菌觅食算法结合。用粒子群算法进行全局搜索,再将粒子看成细菌用细菌觅食算法进行局部搜索。仿真结果证明,该算法在多峰情况的快速准确性。

混合PSO的快速细菌觅食算法

为了提高细菌觅食算法在高维问题的收敛速度以及精度,提出了一种混合PSO的快速细菌觅食算法(FBFA-PSO).该算法用粒子的移动代替了细菌的趋化操作,省略了细菌前进操作,保留了细菌的繁殖和驱散操作.基于6个高维Benchmark函数的试验结果显示,该算法收敛速度和精度都优于其它三种细菌觅食算法.

云自适应混合细菌觅食优化算法

针对传统细菌觅食优化算法存储量大、收敛速度慢且难以解决高维问题等缺点,通过细菌的适应度值将细菌种群分为三个层次,不同层次分别采用不同的搜索步长生成策略,由X条件云发生器自适应调整一般层次中细菌搜索步长,并引入粒子群算法思想进行细菌位置更新,提出了云自适应混合细菌觅食优化算法.由于云模型云滴具有随机性和稳定倾向性特点,提高了算法的灵活性;粒子群算法的引入提高了算法全局搜索能力,加快了算法的收敛速度.通过典型函数优化实验表明,与基本细菌觅食算法、自适应细菌觅食算法以及YSPSO相比,云自适应混合细菌觅食算法更有利于解决高维问题且具有较快的收敛速度和较高的计算精度.

基于混合算法的多目标连续泊位-岸桥集成调度研究

为了多角度考虑,合理地提高码头作业效率和客户满意度.针对集装箱码头连续泊位,考虑船舶动态到达且船舶有优先级条件下的泊位-岸桥集成调度优化问题.首先,建立了基于船舶总在港时间最少、总等待时间最少,泊位偏离惩罚最小、超出计划离港时间惩罚最小的多目标泊位-岸桥集成调度一阶段模型和最小化岸桥移动成本的岸桥具体分配二阶段模型.然后,提出了一种将细菌觅食、粒子群、克隆免疫、变领域搜索相结合的混合算法.最后,用提出的算法和Cplex软件对模型算例进行求解,针对不同目标,得出具体调度方案.实验表明:混合算法比细菌觅食算法、粒子群算法和克隆免疫算法有更好的精度并且具有较快求解速度;同时具体调度方案会随着目标函数的不同而发生相应的变化,各个目标之间存在约束关系,验证了混合算法和模型的有效性.

改进细菌觅食算法在PID参数整定中的应用

针对细菌觅食算法存在优化精度低、收敛速度较慢、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。将改进粒子群算法运用到细菌觅食算法趋化中,改变步长的大小与翻转方向,加快个体间的信息交流,以提升细菌觅食算法的收敛速度及精度;利用适应度值大小选择迁徙方式,迁移方式有直接迁徙、概率迁徙、不迁徙,个体迁徙概率依据适应度值动态调整,减少误迁或停止不前情况。利用6个标准函数与比例—积分—微分(PID)参数整定进行仿真实验,并对细菌觅食算法和改进细菌觅食算法结果进行比较,验证改进算法的有效性及实用性。

基于BFOA-PSO-GMM的轨道电路故障诊断研究

针对轨道电路系统庞大、故障种类繁多等问题,提出一种融合细菌觅食优化算法和粒子群优化算法的高斯混合模型,对轨道电路的多种故障类型进行诊断。该模型通过融合细菌觅食优化算法与粒子群优化算法,找寻适合EM算法的初始值,利用合适的初始值有效避免EM算法陷入局部最优,提高模型的故障诊断能力。通过对实测数据的训练和测试实验表明,本模型比传统高斯混合模型的故障诊断准确率提高了31.85%,比采用粒子群优化算法改进模型的故障诊断准确率提高了9.4%,即本模型对轨道电路的故障诊断更加有效。

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。

基于BF-PSO的船舶电站柴油机分数阶控制器

针对船舶电力系统的频率稳定性问题,对船舶电站柴油机调速系统设计了分数阶PIλDμ控制器。采用细菌觅食-粒子群混合优化(BF-PSO)算法对分数阶PIλDμ控制器参数进行优化整定,解决了分数阶PIλDμ控制器整定参数多、设计复杂的问题。对分别采用分数阶PIλDμ控制器和传统整数阶PID控制器的柴油机调速系统进行了仿真和对比。结果表明,在同等条件下优化得到的分数阶PIλDμ控制器能够有效抑制模型参数摄动,鲁棒性更强,具有更好的控制效果。

重载铁路始端技术站列车组合策略优化研究

重载铁路始端技术站在重载铁路线网中具有举足轻重的地位。针对列车站内组合策略优化问题,通过分析重载列车技术站内作业特点,引入出站列车追踪策略变量,考虑到发线选择、到发线内接发车进路冲突和列车出发时间动态调整等约束的基础上,以单位时间内从技术站发出的货物列车净载重最大为目标,结合列车站内整体作业流程,构建混合整数规划模型,采用混合细菌觅食-离散粒子群算法,并对具体列车站内组合策略进行优化求解。最后,以某技术站为例进行分析,结果表明4 h内,列车站内组合策略优化后发出货运量为18.5万t,与经验方式发出16.5万t相比多2.0万t,技术站输送能力提升12.12%,验证了模型和算法对列车站内组合策略优化的可行性。

基于多信号流图模型的导弹系统级测试性设计研究

针对导弹长时间贮存,一次性使用特点,开展测试性设计工作难度较大的问题,提出采用多信号流图模型对导弹系统进行测试性设计研究。根据故障模式、影响及危害性分析(FMECA)信息确定系统的故障模式,采用多信号流图模型建立导弹系统级测试性模型,根据可达性算法得到故障-测试相关性矩阵,确定系统的测试性指标。考虑到现有算法如遗传算法、二进制粒子群算法等诸多算法的缺点,提出采用混合离散二进制粒子群-遗传算法对测试进行优化选取,将22个备选测试减少至14个,大大减少测试个数。最后通过实例验证,所提算法可以满足系统测试性指标精度要求,并有效降低测试个数,减少测试费用。

安全可靠性约束下的微电网电能最优调度模型设计研究

微电网本质上是一个主动配电网,是分布式电源(DG)系统和不同负荷在配电网电压水平上的联合体。通过分析微电网中安全可靠性以及节能环保等因素,在符合安全可靠性约束的前提下,设计综合分析微电网运行成本、电压偏差的微电网多目标经济调度模型,实现微电网电能的最优化调度。通过在模型内设置符合系统安全性以及可靠性的电压安全裕度以及失负荷率的安全约束指标,采用粒子群—细菌觅食(PSOBF)算法求解微电网多目标经济调度模型,在应用过程中考虑系统发电成本、燃料成本、设备运行维护成本、同大电网运行交互成本以及污染气体排放罚款成本,实现微电网电能优化调度问题的求解。实验结果表明,安全可靠性约束下的PSO-BF模型相比于PSO等传统模型进行微电网电能调度收敛效率高,节能效果显著。