基于混合蝙蝠算法的高比例风电电力系统调度方法

针对传统电力系统调度计算时间较长、均方根误差大、结果不准确的问题,文章提出一种基于混合蝙蝠算法的高比例风电电力系统调度方法。通过模糊机会约束规划和可信理论,将高比例风电电力系统约束转换为模糊机会约束,设定模糊置信度为递增向量,结合预测精度变化情况以及决策者对调度运行可靠性的期望变化,获取经过优化的调度结果。仿真实验结果表明,所提方法能够有效降低计算时间和均方根误差,同时还能够获取比较满意的高比例风电电力系统调度方案。

求解带硬时间窗的多目标车辆路径问题的多种混合蝙蝠算法

针对多目标车辆路径问题的研究,考虑了车载量限制和硬时间窗的约束条件,以最小派车数和最小车辆行驶距离为目标建立了数学模型。在分析基本蝙蝠算法求解离散问题局限性的基础上,混合蝙蝠法加入交叉算子和重组算子,提高算法性能。利用遗传算法的特点,构建出三种混合蝙蝠算法。算例测试结果表明,混合蝙蝠算法是解决离散型问题的一种有效方法。与基本蝙蝠算法相比,混合蝙蝠算法具有较高的计算效率和持续优化能力,其中单点重组精英遗传混合蝙蝠算法解决算例寻优能力最佳。

易腐生鲜货品车辆路径问题的改进混合蝙蝠算法

针对配送易腐生鲜货品的车辆其配送路径的选择不仅受货品类型、制冷环境变化、车辆容量限制、交货时间等多种因素的影响,而且需要达到一定的目标(如:费用最少、客户满意度最高),构建了易腐生鲜货品车辆路径问题(VRP)的多目标模型,并提出了求解该模型的改进混合蝙蝠算法。首先,采用时间窗模糊化处理方法定义客户满意度函数,细分易腐生鲜货品类型并定义制冷成本,建立了最优路径选择的多目标模型;然后,在分析蝙蝠算法求解离散问题易陷入局部最优、过早收敛等问题的基础上,精简经典蝙蝠算法的速度更新公式,并对混合蝙蝠算法的单多点变异设定选择机制,提高算法性能;最后,对改进混合蝙蝠算法进行性能测试。实验结果表明,与基本蝙蝠算法和已有混合蝙蝠算法相比,所提算法在求解VRP时能够提高客户满意度1.6%~4.2%,且减小平均总成本0.68%~2.91%。该算法具有计算效率高、计算性能好和较高的稳定性等优势。

改进模因-混合蝙蝠算法及在定位中的应用

为了进一步提高蝙蝠算法的搜索性能,将模因算法双重搜索的功能引入蝙蝠算法,提出一种改进模因-混合蝙蝠算法。通过6个标准测试函数的验证,表明了该算法在收敛速度和性能上的优势。进一步将本文提出的算法应用到无线传感器网络节点定位上,来提高定位精度。从结果可以看出:在设置的条件相同的情况下,与CBA相比,其节点定位精度平均提高了0.5 m。

混合蝙蝠算法对直线电机参数优化的研究

针对模型求解和数据优化问题,提出了混合蝙蝠算法(HBA),将标准蝙蝠算法(BA)与小生境思想结合在一起,借鉴并引入了粒子群优化算法(PSO)中的速度和位置更新公式,并在最后求解时引入了分布式计算的思想。通过分别采用BA算法和HBA算法对直线电机运动模型的加速度参数的优化试验,证明了HBA算法比传统的标准BA算法具有更快的收敛性和更高的求解精度等优点,在实际工程中HBA算法具有很大的实用价值。

基于混合蝙蝠算法的多车场车辆调度研究

多车场车辆调度问题是物流配送研究中的NP难题,同时也是现代物流的发展趋势。针对多车场车辆调度问题,考虑客户和物流运营商的利益,以客户不满意度最低、物流成本最低为目标,建立多目标车辆调度数学模型,并对目标函数进行规范化处理,将多目标问题化简为单目标问题。针对传统的蝙蝠算法在局部搜索能力上存在着不足的问题,将遗传算法中的自适应交叉操作引入到蝙蝠算法中,设计一种混合蝙蝠算法计算数学模型。通过MATLAB软件进行仿真,仿真结果与传统的蝙蝠算法进行对比。结果表明:此方法在解决多车场车辆调度问题上是可行的,并且优于传统的蝙蝠算法。

基于混合蝙蝠算法的低栅瓣光学相控阵

为了实现大角度的光束扫描,提出一种基于混合蝙蝠算法的非均匀间隔光学相控阵来对栅瓣进行压缩。将遗传算法的算子与传统蝙蝠算法相结合,在相邻阵元最小间隔为2μm,工作波长为1550 nm的情况下,优化得到的硅基64阵元一维非均匀间隔光学相控阵实现了80°的扫描范围,边模抑制比优于-8 dB,最大远场光束发散角为0.3°,并且讨论了优化结果对波长变化的不敏感性。最后,以8×8的二维矩形平面阵列为例,演示了二维非均匀间隔光学相控阵的优化方法。

混合遗传蝙蝠算法求解单目标柔性作业车间调度问题

针对以最大完工时间最小化为目标的柔性作业车间调度问题(Flexible job shop scheduling problem,FJSP),提出一种混合遗传蝙蝠算法(HGBA).为了提高初始种群的质量与多样性,采用三种方式相结合产生初始群体;重定义惯性权重,采用动态递减的权值来平衡局部搜索与全局搜索;针对算法易陷入局部最优解的缺点,结合遗传算法的变异操作,提出一种基于变异操作的邻域搜索算法;同时根据编码方式以及位置更新可能造成的无效解情况,利用遗传算法的交叉操作提出混合列交叉方法来完成位置更新;最后,通过三个实例测试了算法的性能,实验结果验证了提出的算法在求解FJSP时的有效性.

带高斯扰动和协同寻优的蝙蝠粒子群混合算法

为了进一步提高粒子群算法的性能,提出了一种新的群体智能优化算法——带高斯扰动和协同寻优的蝙蝠粒子群混合算法。该混合算法利用蝙蝠个体脉冲的回声定位对最优粒子gbest进行高斯扰动而产生一个局部解,把该局部解加到蝙蝠种群中,然后根据局部解的位置优劣与蝙蝠个体产生的响度来更新粒子群。在寻优过程中,对gbest进行高斯扰动增加了种群的多样性而避免粒子群过快陷入局部最优,并且加强了蝙蝠种群与粒子群的信息交互,协同寻优。与蝙蝠算法、标准粒子群算法、烟花算法、带高斯扰动的粒子群算法、粒子群差分算法相比,带高斯扰动和协同寻优的蝙蝠粒子群混合算法的总体性能优于其他5种算法。

协同智能的蝙蝠差分混合算法

为解决差分进化算法后期收敛易陷入局部最优和早熟收敛的问题,提出一种群体智能优化算法,即协同智能的蝙蝠差分混合算法。利用蝙蝠个体脉冲回声定位的特点,与差分种群相互协作,在当前最优解gbest附近进行一次详细搜索,有效增加种群的多样性,跳出局部最优。通过蝙蝠种群和差分种群两个种群的相互协作,较好平衡全局搜索和局部开发之间的能力。为验证算法有效性,选用9个常用的基准测试函数和5个0-1背包问题,与标准粒子群算法、带高斯扰动的粒子群算法、蝙蝠算法、差分算法、烟花算法相对比,仿真实验表明,所提算法总体性能优于其它5种算法。

具有自适应步长与协同寻优的蝙蝠烟花混合算法

论文提出了一种新的群体智能优化算法--蝙蝠烟花混合算法.该算法采用蝙蝠算法在全局最优附近的位置信息、蝙蝠发出的频率、全局最优以及烟花的位置信息构造了新的爆炸半径,使烟花算法在寻优的过程中能够自动地调整步长;并且使蝙蝠个体与烟花个体实现协同寻优;最后,采用"精英-随机"策略选择下一代烟花,增加了烟花种群的多样性.与其他算法(如蝙蝠算法、标准粒子群算法、烟花算法等)相比,函数优化问题以及0-1背包问题的对比实验结果表明:论文提出的混合算法的整体性能优于其他五种算法.

基于混合离散蝙蝠算法的跨工序协同调度问题

针对跨工序的生产与配送协同调度问题,构建了前工序单机批加工、后工序多产线逐订单加工,且工序之间采用自动引导车循环配送的协同调度模型。以最小化最大完工时间和后工序前的在制品等待时间为调度目标,设计了融合模拟退火算法与解串算法的混合离散蝙蝠算法,与改进的离散粒子群算法和Ullrich遗传算法相比,该算法能很好地减少后工序产线前的队列等待时间,缩短产品的生产周期。

基于地质钻探智能云监控系统的钻速优化决策

面向地质钻探智能控制与优化决策的工程需求,基于云控制系统的设计理念,提出了地质钻探智能云监控系统设计方案,实现钻进过程状态监测、效率优化、智能控制与决策等功能.针对云监控系统中效率优化需求,提出了基于高斯过程回归和混合蝙蝠算法的钻速智能优化方案,并运用滑动时间窗口技术实现动态优化.基于智能云监控系统,设计了实际场景应用,结果验证了所提方法的有效性和工程适用性.

基于射频识别库存管理的无人机三维路径规划

为了提高无人机搭载读写器的盘点效率,规避无人机无效的盘点飞行,减少盘点飞行路径,提出一种基于射频识别库存管理的无人机三维路径规划方法。首先在三维空间搭建一个飞行网络模型,并建立相应的坐标系;然后通过搭建危险壁障的适应度函数、射频识别读写器识别的适应度函数和路径最小适应度函数来构造目标函数,确保无人机能够在采集到每个在制品库存信息的前提下求得目标函数的最小值。采用基于二次差分进化的混合蝙蝠算法对目标函数进行求解,获得全局最优的飞行路径。通过仿真验证了该方法全局搜索能力较好,鲁棒性强。