基于混合萤火虫算法的桥梁颤振分析方法

在进行颤振临界状态分析时需要求解高次非线性方程组,为了克服传统解法的缺陷,采用混合萤火虫算法对方程组进行求解。使用双参数优化模型,将桥梁颤振临界状态的求解问题转化为优化问题。为弥补萤火虫算法的不足,在萤火虫算法基础上,将量子遗传算法的量子计算、交叉和变异操作与萤火虫算法相结合,提出一种混合萤火虫算法。最后,通过若干试验对比分析,证实了该优化模型的可靠性及求解方法的有效性。

改进混合萤火虫算法求解CVRP

提出一种改进混合萤火虫算法(KM-HFA)来解决带容量约束的车辆路径问题。该算法利用K-Means聚类方法将客户集先进行分类,再构建初始解,以较好的初始解开始萤火虫算法的寻优过程,减少了算法的计算量。在萤火虫算法中引入部分匹配交叉算子,2H-opt交换算子,局部搜索算子和变异算子,这些方法加快了算法的收敛速度,提高了萤火虫算法跳出局部最优的能力。选取小规模及中规模数据集进行仿真实验,共94组标准算例。对于79组实例,KM-HFA得到的解优于对照的混合萤火虫算法和CC-CVRP所得的求解方案,KM-HFA所求方案的车辆行驶总距离更小。KM-HFA计算了5组小规模实例,即A-n33-k6,A-n37-k6,P-n16-k8,P-n19-k2和P-n20-k2,在不增加车辆配送路径数目的情况下,得到比经典解更好的配送方案。对于实例P-n22-k8和P-n23-k8,文中算法在比经典解路径数增加了一条的前提下,找到了车辆行驶总距离更小的解。仿真实验结果表明KM-HFA具有较好的稳定性和有效性。

混合萤火虫算法求解多目标置换流水车间调度问题

针对多目标置换流水车间调度问题,提出一种基于萤火虫算法的混合算法.该混合算法以萤火虫算法为框架,利用NEH(Nawaz-Enscore-Ham)模型及机器编码方式初始化种群,保证在增加初始化种群多样性的同时提高初始种群质量;引入概率模型,用以记录工件间及工件与加工机器间的信息,同时利用概率矩阵中的信息组合区块,并利用区块组合人造解,用以提高算法的收敛速度及增加可行解的多样性;最后,为验证该混合算法的有效性,对OR-library中的Reeves案例集进行仿真测试,同时与其他相关智能算法进行求解性能比较,验证了该混合算法具有良好的求解性能.

基于萤火虫与粒子群混合优化算法的移动储能调度

近年来,受规模化电动汽车无序充电、高比例新能源功率波动等因素影响,配电网存在负荷峰谷差较大、网损较高、配电网运行成本高的问题。提出基于萤火虫与粒子群混合优化算法的移动储能调度方法。分别建立电动汽车、移动储能车、氢燃料发电车的移动储能模型,建立负荷峰谷差、配电网网损和配电网运行成本多目标函数,为了降低排名异常的概率,引入Tent混沌映射、柯西变异算子、萤火虫算法中的模糊自适应惯性权值,求解多类型移动储能共同参与调度的最优方案。算例分析结果表明,所提方法能够有效减少负荷峰谷差、降低配电网网损和降低配电网运行成本。

基于混合萤火虫遗传算法的云计算中的任务调度优化

云计算被广泛应用于商业计算,将计算资源从大量资源池中优化分配给用户,因此在按需连接中分配资源的能力面临严重的挑战。任务调度是作业车间调度问题的一个变种,属于计算复杂性中的NP完全(NP-Complete)问题。对此提出了一种新的混合萤火虫遗传组合的元启发式调度算法任务,融合了萤火虫等数学优化算法和遗传算法等进化算法的优点,形成了一个强大的元启发式搜索算法。混合萤火虫遗传算法能够以所有任务的执行时间最小为目标,快速收敛到近似最佳方案来调度任务。该算法在云计算仿真软件CloudSim中进行了测试,实验结果表明,所提出的算法性能优于传统的FIFO算法和遗传算法。

基于遗传萤火虫混合算法的PC构件堆场空间利用优化研究

针对PC构件堆场空间利用不充分、构件堆放混乱、堆位分配不合理等问题,以PC构件堆场为研究背景,以PC构件堆场空间利用最大为目标函数,综合考虑PC构件堆场容量限制、PC构件堆存位置、集卡分配、PC构件类型及所属项目约束等诸多因素,构建PC构件堆场堆位动态分配模型。鉴于PC构件堆场空间利用优化研究问题的复杂性,为避免经典算法容易陷入局部最优和求解速度较慢等缺陷,设计遗传萤火虫混合算法对模型问题进行求解,既提高了初始解生成质量又提高了算法的收敛速度。最后,利用某中部地区PC构件堆场实际数据,对堆场堆位分配模型及遗传萤火虫混合算法的合理性进行验证。验证结果表明,所建立的PC构件堆场堆位动态分配模型相较于传统的静态堆位分配策略,堆场空间利用率提升了25.8%,从而为解决堆场空间利用优化问题提供了一种新思路。

基于混合改进GSO与GRNN并行集成学习模型

针对萤火虫群优化算法(GSO)不稳定、收敛速度较慢与收敛精度较低等问题和广义回归神经网络(GRNN)的网络结构导致预测误差的特性,提出基于混合改进萤火虫群算法与广义回归神经网络并行集成学习模型,应用于雾霾预测.首先构建融合多种搜索策略的混合改进萤火虫群优化算法(HIGSO),并使用标准测试函数验证算法性能.然后结合HIGSO与引入扰动因子的GRNN模型,建立并行集成学习模型,并通过UCI标准数据集验证模型的有效性与可行性.最后将模型应用于北京、上海和广州地区的雾霾预测,进一步验证模型在雾霾预测中的性能.

一种计及需求侧竞价的非合作信息完全环境下的发电机组竞价方法研究

为了充分考虑需求响应对发电机组竞价策略的影响,提出了一种计及需求侧竞价的非合作信息完全环境下的发电机组竞价模型,考虑了自身成本、对方的报价行为、需求侧用户的报价行为及电网运行等限制约束。上层模型描述了在发电商非合作信息完全博弈环境下的收益,下层模型描述了不计入网损安全约束经济调度出清。并同时提出了一种基于混合混沌萤火虫-粒子群算法的博弈理论方法求解该双层模型,用于提高算法的收敛性能及更好地反映发电商的报价行为。最后,采用标准IEEE30节点系统验证了所提算法在求解计及需求侧竞价的发电侧策略双层模型时的优越性,为计及需求侧竞价的发电机组竞价方法提供验证。

基于节律因子的视觉显示终端作业空间光环境动态调控方法

为了营造一个健康舒适节能的视觉显示终端(VDT)作业光环境,提出基于节律因子和群智能算法的动态照明调控方法。首先根据VDT作业空间的作业情况和补偿关系建立照明模型;再结合光照需求、人工光源和自然光源之间的补偿关系和节律因子,建立动态光照调控模型;之后提出结合粒子群算法和萤火虫算法优势的混合算法,并引入精英粒子思想对混合算法进行改进;将某时段的照明需求、自然光源补偿量和作业区分布情况作为照明优化模型的输入,并利用改进算法求解人工光源的光通量。将改进算法与其他算法进行对比实验,改进算法的寻优能力和稳定性明显优于其他相关算法;实验证明基于动态调控方法优化的VDT作业空间光环境,视觉效果更好,并具备较大的节能潜力。