基于新型细菌觅食优化算法的飞机动态泊位问题

随着航空运输业的发展,传统手动设计泊位方案已难以满足日益增长的外包维修需求.在外包模式下,如何快速给出高效的动态泊位方案关系到维修任务订单的准点交付,是飞机维修服务公司亟待解决的重要问题.针对飞机泊位进出顺序及碰撞检测特点,构建带时间窗的飞机维修泊位模型.设计自适应趋化学习及交叉协作策略,提出新型细菌觅食优化算法,并设计一系列约束处理机制.研究结果表明,提出的基于矩形碰撞检测方法可有效预防并判断飞机间碰撞阻塞情况.新型细菌觅食优化算法在解决飞机动态泊位问题上展现出搜索精度高、稳定性强等特点.所得高效智能化泊位调度方案有助于在保证维修安全的情况下提升飞机维修服务提供商的维修服务效率,改进维修资源利用率与维修系统的柔性,为企业实现高质量发展打下良好基础.

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。

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。

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。

离散型细菌觅食算法求解TSP

旅行商问题(TSP)是组合优化问题的典型代表,针对TSP的求解提出一种离散型细菌觅食(DBFO)算法。该算法通过结合2-opt算法设计了一种适合处理离散型变量的趋化算子,将细菌觅食算法推广到了离散情形。同时,结合TSP的特点,在迁徙算子中引入基因库的思想来指导新个体的生成,提高了算法的搜索效率。通过对TSPLIB标准库中22个实例进行仿真实验。实验结果表明,该算法能够有效求解城市规模500以下的TSP,与混合蚁群算法和离散型萤火虫群算法相比,具有更好的全局收敛性和稳定性。

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。

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。

基于细菌觅食优化算法的5052铝合金变形抗力模型优化

根据河南某1+4铝热连轧厂的大量现场实测轧制数据,利用最小二乘法对5052系铝合金变形抗力模型进行了回归,并用细菌觅食优化群算法对变形抗力模型的参数进行了优化。最后,将细菌觅食优化算法优化后的变形抗力模型与最小二乘回归出的变形抗力模型分别应用于轧制力的预报。仿真结果表明用细菌觅食优化算法优化后的变形抗力模型应用于轧制力预报时误差更小,在进行轧制力预报时选择细菌觅食优化算法优化后的变形抗力模型。

基于云模型的细菌觅食优化算法

针对细菌觅食优化算法收敛速度慢、容易陷入局部极值点出现早熟的问题,提出一种新的基于云模型优化的细菌觅食优化算法.首先给出了细菌灵敏度的概念,结合云模型随机性和稳定倾向性的特点,运用了X条件云发生器来调整细菌灵敏度,控制游动步长,进行了趋向性操作和复制操作,改进了标准的细菌觅食优化算法,提高了算法的收敛速度.然后利用正向正态云发生器,修正非线性自适应的迁移概率,进行了迁移操作,增强了算法的全局寻优能力.将该算法应用于自动组卷系统中,与遗传算法进行实验比较分析,结果表明:该算法的收敛速度与优化质量均优于遗传算法.

基于遗传-细菌觅食组合算法的非线性模型优化

文中提出一种遗传-细菌觅食组合优化算法以解决非线性模型优化问题。该方法先使用遗传算法进行全局搜索,并缩小最优解的搜索范围;再使用细菌觅食优化算法在该局部范围内执行局部搜索。这种组合搜索策略可以增强算法的收敛性,并能有效地均衡全局搜索和局部搜索。文中利用单峰、多峰和复杂多峰等非线性函数模型验证所提算法的性能。实验结果表明,组合算法的计算精度和效率分别比遗传算法和细菌觅食优化算法提高了30%和50%,表明该组合算法具有更快的收敛速度,更高的求解精度,适用于大规模多极值的非线性问题。

基于正态云模型的自适应细菌觅食优化算法

在研究细菌觅食算法趋化、复制、迁徙操作等相关理论的基础上,将云模型和遗传算法相关理论引入,对细菌觅食算法进行优化和改进,在趋化操作中运用X条件云发生器自适应调整细菌灵敏度,控制游动步长,提高了算法的收敛速度;在复制操作中利用遗传算法交叉编译原理,设计交叉算子和遗传算子对算法的复制操作改进,提高算法的局部搜索能力和种群的多样性;在迁徙操作中,利用正向正态云发生器,修正非线性自适应的迁移概率,增强了算法全局寻优能力。最后将改进后的算法应用于自动组卷系统,并与遗传算法进行实验结果比较分析。

细菌群觅食优化算法及PID参数优化应用

针对细菌觅食(BF)算法收敛速度慢和粒子群优化(PSO)算法早熟的缺点,提出了一种细菌群觅食优化(BSFO)算法。将PSO算法中粒子速度的更新公式替代BF算法位置公式中的方向向量,使细菌在优化过程中具备感应周围细菌位置并向细菌群体历史最优位置游动的能力。Benchmark函数的测试表明,BSFO算法对于大部分测试函数的结果较为理想。将BSFO算法用于材料试验机电液位置伺服系统的PID控制器参数寻优仿真,获得了较好的控制性能。

基于细菌觅食优化算法的自适应阈值边缘检测

Sobel算子在阈值偏高或偏低的情况下会产生伪边缘或边缘丢失的问题。为此,将细菌觅食优化算法与最大类间方差相结合,利用细菌觅食优化算法的全局寻优能力,以最大类间方差为适应度函数搜索最佳边缘检测阈值,对图像进行自动边缘检测。实验结果证明,该方法能够取得较好的边缘分割效果,提高阈值检索速度。

基于混合细菌觅食算法的多目标优化方法

针对多目标优化求解过程中多个目标相互制约难以求解的特点,为了提高多目标优化问题的求解速度和精度,并保持最优解的多样性,提出了一种用粒子群改进的混合细菌觅食多目标优化算法。将粒子群算法的寻优更新机制作为细菌觅食算法中趋向性操作的更新机制,将所求得非劣解的拥挤度作为寻优迭代过程中最优值的选取条件。与细菌觅食算法和NS-GA-Ⅱ算法的仿真结果表明,在对多目标测试函数ZDT1～ZDT4和ZDT6的求解过程中,该算法不仅能提高精度和快速地得到Pareto解集,并能有效地保持所求最优解的多样性。

基于粒子群优化的细菌觅食优化算法

细菌觅食优化算法(BFOA)具有全局搜索能力强的优点,但存在收敛速度慢的缺陷。为了解决以上问题,结合收敛速度快的粒子群优化算法,提出一种基于粒子群优化的细菌觅食优化算法(BF-PSO),该改进的优化算法具有可操作性和优越性。选用测试函数和对PID控制参数整定的实例进行Matlab仿真,结果进一步显示了BF-PSO的优化能力优于BFOA,收敛速度快,且具有较好的鲁棒性。

改进型细菌觅食算法应用于配电网络重构

为了更有效地解决配电网络重构问题,该文将结合粒子群算法特性的改进型细菌觅食算法应用于该问题求解。文中将粒子群算法的群体寻优机制引入细菌觅食算法中,并针对细菌觅食算法后期种群过于单一、易陷入局部最优的缺陷,通过算法机理分析,提出了采用均分变异繁殖的方式和新的驱散规则。既赋予了算法搜索的导向性,也保护了种群繁殖后的多样性,有效提高了算法寻优速度与全局搜索能力。最后,将改进后算法应用于配电网络重构求解。算例结果表明,该算法能快速有效地得到最优解,是可行的。

一种自适应细菌觅食优化算法

针对在优化高维函数时,细菌觅食优化算法性能不佳的情况,提出了一种自适应细菌觅食优化算法.将固定的趋化步长改进为非线性递减的自适应游动步长,提高了算法的局部搜索能力;引入维度自适应学习算法,对每个趋化周期内得到的当前最优细菌进行维度自适应学习一次,提高了解的精度和搜索效率;将精英细菌作为Tent混沌映射的初始点对符合迁徙条件的细菌进行位置初始化,加快了算法的收敛速度.仿真结果表明,文中提出的算法在解的精度和收敛速度等方面均表现更优,具有更高的效率.

一种双菌群细菌觅食优化算法

针对细菌觅食优化算法寻优速度慢且易陷入局部最优等缺陷,提出一种双菌群细菌觅食优化算法.引入菌群密度函数因子,并添加当前趋化周期内的最优细菌对其他细菌在寻优方向上进行指导,同时改进固定步长为自适应变化的趋化步长,避免了在最优解附近出现震荡现象及算法陷入局部最优;保留精英细菌的同时提出交叉算子和变异算子,有目的地在搜索区域寻找最优解,帮助早熟细菌跳出局部最优,一定程度上避免了算法早熟;提出双菌群优化机制,增加了菌群的多样性,提高了算法的全局搜索能力,有效抑制算法退化现象.对10个经典测试函数的仿真结果表明,所提出的算法与细菌觅食优化(bacterial foraging optimization,BFO)算法相比,最优解的精度普遍提高了几个数量级,且迭代次数更少,优化速度与全局收敛能力均有所提升.

基于免疫算法的细菌觅食优化算法

针对细菌觅食优化算法经常出现的速度较慢、步长一致的缺陷,赋予细菌灵敏度的概念,对细菌游动的步长进行调节以提高收敛速度。采用免疫算法中的克隆选择思想,对精英细菌群体进行克隆、高频变异和随机交叉,引导算法提高搜索精度。典型高维函数测试表明,改进算法的搜索速度和精度得到极大提升,算法改造后可适用于多维、约束等实际工程问题中的优化。

基于细菌觅食算法的故障指示器优化配置研究

提出了一种配网故障指示器的优化配置方法,通过合理规划故障指示器的数量和位置,使得在保证供电可靠性的前提下最大的降低成本。综合考虑设备投资成本、运行维护费用以及停电损失等因素建立数学模型,并用细菌觅食算法进行求解。针对细菌觅食算法在解决离散域问题时存在的缺陷,通过定义进化域的方法确定细菌的前进方向,改进了其趋化算子,使得算法能很好的解决0~1规划问题,并通过设立电子公告板避免了迁徙算子有一定几率删除最优解的可能性。通过对IEEE 33系统进行仿真证明了该方案的有效性及科学性。