基于弹性FA算法的混凝土罐车自适应液压驱动优化控制

混凝土罐车在行驶过程中罐内流体晃动引起的非轴对称问题受到复杂路面对车辆的激励影响,使得流体晃动与车身动态出现耦合。传统的液压驱动比例积分微分(PID)控制方法在应对此类问题时效果欠佳,容易导致倾覆等事故的发生。为提升液压驱动控制系统的精度和稳定性,该文提出了基于弹性萤火虫(FA)算法的优化粒子滤波器PID自适应控制方法,加速控制参数优化的收敛速度,并分析其液压驱动控制特点和结构上的应用。结果表明:提出的自适应控制方法与传统PID控制相比,能够显著降低液压驱动控制平均速度误差至0.06 km/h,最大速度误差降至0.29 km/h,同时还提高了控制跟踪性能和稳定性,对混凝土罐车液压驱动控制优化的实际应用具有重要的参考价值。

基于改进FA算法的河流突发水污染事件溯源

针对河流突发水污染事件的溯源问题,利用正向和逆向质量概率密度之间的耦合关系,实现污染源的位置、排放时间和污染源排放强度之间解耦,并结合一维水体扩散模型和美国特拉基河示踪剂实验监测数据,建立了基于改进萤火虫算法的河流突发水污染事件溯源求解方法.在求解过程中将监测数据划分为训练集和实验集,通过训练集数据利用改进的萤火虫算法对河流的水文参数进行调整,在实验集采用调整后的水文参数,并通过不同监测断面数据独立求解,通过方差分析结果,排除了溯源误差较大的监测断面数据.研究结果表明,溯源结果精度较高,并具有对监测数据的纠错能力,对实际河流突发水污染事件具有一定的指导意义.

一种新的高效关联规则数据挖掘算法

在分析关联规则的数据挖掘算法基础上，针对Ａｐｒｉｏｒｉ算法进行深入研究，提出了改进算法ＦＡ，并在实际项目中加以应用．算法ＦＡ在计算选项集支持度所涉及的记录数目将小于事务数据库中原记录数目，提高了原算法的效率，具有一定的实用性．

改进萤火虫算法应用于换热网络最优化

换热网络全局最优化目前已经成为系统工程领域的一个难点和热点,将萤火虫算法(Fire-fly Algorithm,FA)引入换热网络最优化并对其进行改进,提高算法在混合整数非线性规划中的效能。首先对换热网络中表示换热单元有无的整型变量作连续化处理,简化求解模型,更好发挥FA算法强大的连续变量搜索能力;然后,建立了光吸收系数自适应策略和最优个体的随机摄动策略,增强算法全局搜索能力的同时保证收敛精度;最后,将改进算法应用于换热网络综合的10SP和10SP1实例,优化结果表明,改进算法能够获得很好的结果,验证了该算法及改进策略的有效性。

基于RSSI测距的三维无线传感网络萤火虫定位算法的研究

研究了三维空间无线传感器网络(WSN)未知节点的定位。针对目前三维空间无线传感网络定位算法精度低的问题,提出一种基于接收信号强度指示(RSSI)测距的萤火虫定位的算法。该算法首先利用RSSI进行测距,建立信号强度随传播距离衰减的模型,然后在已知一定数量的锚节点的情况下,通过萤火虫算法寻找目标函数最优值,进而对未知节点进行定位。仿真验证结果表明,该定位算法相比其他算法定位精度有很大提高,在30m×30m×30m的空间内定位误差仅为0.59m。

基于FA-BP神经网络的锂离子电池SOH估算

采用萤火虫算法(FA)优化BP神经网络对锂离子电池进行健康状态(SOH)估算,利用FA算法全局寻优的能力和收敛速度快的特点,优化BP神经网络的权值和阈值,解决BP神经网络容易陷入局部最小值和收敛速度慢的问题。对单体磷酸铁锂正极锂离子电池进行充放电实验,选用一阶RC电路模型,利用递推最小二乘法在线辨识模型参数,将电池的欧姆内阻、极化内阻和极化电容作为模型的输入参数。与BP神经网络算法相比,FA-BP神经网络优化算法估算SOH的误差波动范围减小2.50%,最大误差减少3.00%,平均误差减小1.68%,且具备良好的收敛性。

FA-PMA-VMD方法及其在齿根裂纹故障诊断中的应用

针对变分模态分解(VMD)中难以确定分解分量个数k和惩罚参数α的问题。提出一种改进的变分模态分解方法—基于萤火虫算法及主模态分析法的变分模态分解(FA-PMA-VMD)方法。该方法用主模态分析(PMA)对VMD分解的带限内禀模态函数(BIMF)分量进行排序;用萤火虫算法对变分模态分解的最佳影响参数[k,α]组合进行搜索,以新提出的正交低峰值作为萤火虫算法的优化目标,得到的最佳的惩罚参数α和分量个数k组合;根据预先设定的故障特征参数自适应地将信号分解为k个BIMF分量。通过对仿真信号和齿轮齿根裂纹实际故障信号进行分析,分析结果表明FA-PMA-VMD具有良好的分解效果。

改进吸引度的动态搜索萤火虫算法

萤火虫算法在解决高维优化问题时存在吸引度降低导致算法陷入局部最优、迭代后期寻优精度低的缺点.针对此问题,文中提出改进吸引度的动态搜索萤火虫算法.引入最小吸引度的概念以加强个体间信息的交流,同时采用动态搜索的思想,根据目标函数最优值信息自适应调整步长.在CEC2014中10个典型测试函数上的测试结果表明,文中算法具有较快的收敛速度和较高的寻优精度.

离散萤火虫优化算法求解概率旅行商问题

对随机组合优化问题中的概率旅行商问题(PTSP)的理论和方法进行了研究分析,采用现代进化算法中有代表性发展优势的萤火虫优化算法(FA),提出一种离散萤火虫优化算法(DFA)以求解。其中引入了新的学习机制使其相比原始的萤火虫优化算法,更容易搜索到全局最优解,有更好的收敛性能。实验中用TSPLIB中的经典实例进行测试来验证其可行性。考察了萤火虫数量和进化迭代次数对求解结果性能的影响,并将DFA与GA、PSO和ACO等其他著名的进化计算算法进行性能比较。实验结果证实了DFA无论对固定访问概率,还是访问概率为区间内随机数等不同情况,都具有良好的有效性和高效性,因此对求解随机组合优化系列问题的有效解决具有一定参考和借鉴价值。

基于群智能优化算法的医学图像分割综述

医学图像是医学影像的分析基础,而分割问题是研究的关键步骤。随着智能技术的快速发展,越来越多的人将智能优化算法应用到医学图像分割中,其中群智能优化算法是当今热门的研究课题。群智能优化算法是指人类参考群体生活的昆虫、动物的复杂社会行为而提出的模拟生物系统中群体生活习性的一种新算法。本文主要介绍了包括粒子群算法(PSO)、萤火虫算法(FA)、布谷鸟搜索算法(CS)、蝙蝠算法(BA)在内的几种优化算法及其改进之后在医学图像分割等方面的应用,为学者今后的交流与研究提供参考。

求解0-1背包问题的萤火虫算法

利用标准的萤火虫算法(Firefly Algorithm,FA),结合0-1背包问题的特点,设计基于0-1背包问题的萤火虫算法。经过实验仿真,验证了萤火虫算法对解决0-1背包问题的可行性和有效性。最后,经过多次仿真实验分析算法中的各个参数对算法性能的影响,反映了算法关键参数的选取对算法寻优的重要性。

基于萤火虫算法的层间网络编码优化

在异构网络中,分层网络编码不仅可以解决信宿的不同接收速率要求,也可以提高网络吞吐量。其中,层间网络编码与层内网络编码相比可以获得更高的带宽利用率,因此层间网络编码的优化问题成为提高网络性能的一个关键问题。本文考虑单信源多信宿的网络,首先分析了层间网络编码模型的数学规划,再利用改进萤火虫算法(FA)的快速搜索能力实现链路的分层类型和层速率的优化分配,以此实现了网络吞吐量的提高。仿真结果证明,与仅优化链路分层类型的算法相比,此优化算法以较少的迭代次数实现优化并获得高吞吐量。

基于智能优化箱粒子滤波的移动机器人FastSLAM

针对传统FastSLAM算法需要大量粒子构建地图导致计算复杂度高、难以提高估计精度等问题,研究构建了一种基于智能优化箱粒子滤波(IOBPF)的移动机器人FastSLAM算法。首先,将萤火虫算法(FA)的动态寻优机制引入箱粒子滤波(BPF),建立了箱粒子的荧光亮度更新公式、吸引度计算公式和位置更新公式,使箱粒子集智能化地向高似然区域移动,避免了箱粒子的退化现象。然后,以改进的智能优化箱粒子滤波进行机器人位姿估计,并采用扩展区间卡尔曼滤波(EIKF)完成地图的构建和更新。移动机器人的模型仿真和实体实验结果表明:所提智能化FastSLAM算法可有效提升箱粒子的性能,并降低地图构建所需粒子数,从而显著提高FastSLAM的定位精度和地图构建的鲁棒性。

基于粒子群混合算法的星载多波束接收天线综合技术研究

为了弥补低轨卫星通信系统"远近效应"和"边缘效应"所带来的路径损耗差异,实现对整个扫描区域的"等通量"覆盖。在需求分析的基础上,设计了一个19阵元7波束的六边形平面阵天线阵,并利用一种基于粒子群(PSO)、萤火虫(FA)混合算法进行优化。该混合算法仿真结果表明,各项指标设计要求能够达到预期,并比传统粒子群算法得到的效果更好。

电子侦察卫星作战效能FASSA-SVR评估模型

在电子侦察卫星支援对海作战背景下,为充分发挥卫星作战潜能,提出了基于萤火虫麻雀算法(FASSA)优化支持向量回归(SVR)的卫星作战效能评估模型。首先,运用萤火虫算法(FA)对麻雀搜索算法(SSA)进行改进;然后,建立了电子侦察卫星作战效能评估指标体系;最后,运用FASSA算法优化SVR的相关参数,依据所构建的效能评估指标体系,构建了电子侦察卫星作战效能评估模型。仿真结果表明,该模型具有较高的效能评估精度,在各项指标上均优于其他模型。

FA优化BP神经网络的MEMS陀螺仪温度漂移补偿

微电子机械系统(MEMS)陀螺仪输出易受环境温度的影响,产生温度漂移,测量精度降低,为解决这个问题,提出一种萤火虫算法(FA)优化BP神经网络的温度漂移补偿方法,在传统的BP神经网络中,存在易陷于局部极值的问题可能降低建模精度甚至导致建模失败,而此方法可以避免这个问题。首先在全温区(-40℃^+70℃)选取7个温度点进行测试,接下来采用该方法建立MEMS陀螺仪温度漂移模型并进行实际验证,验证结果表明该方法可以明显降低MEMS陀螺仪温度漂移,且相比于传统BP神经网络,其补偿效果也有较大幅度提升。

基于特征提取的FA-BP短期光伏发电预测

为解决光伏发电受详细、复杂的天气数据所影响的问题,提出一种基于特征提取的萤火虫算法(FA)优化误差回传神经网络(BP神经网络)的FA-BP短期光伏发电预测模型。为提高收敛速度利用主成分分析法(PCA)对光伏发电历史数据以及历史天气数据进行降维与去噪,选取影响光伏发电的主要成分并构建PCA-BP预测模型。并利用FA对PCA-BP预测模型进行阈值和权值的优化,进而构建PCA-FA-BP的光伏发电预测模型。再将提出的PCA-FA-BP预测模型与BP神经网络预测模型、PCA-BP预测模型以及单一的FA-BP预测模型进行光伏发电预测效果对比与分析,通过仿真结果表明PCA-FA-BP预测模型拥有更佳的训练效果以及预测精度。

云存储环境下大数据实时动态迁移算法研究

现有大数据实时动态迁移算法效率低、耗时长、迁移成本过高,为此提出一种基于优化FA模型的动态迁移算法。首先在云存储环境下构建动态迁移框架,确定数据中心和网络节点的拓扑结构;然后利用FA仿生群智能算法在数据中心区域范围内更新个体的位置并寻找最优解;最后引入适应度函数和自适应惯性权重优化算法并扩大寻优范围,实现大数据迁移成本的最小化。测试结果表明,所提算法在数据规模较大的情况下迁移效率更高,同时具有较低的硬件资源占用率。

数据挖掘技术在税务系统中的应用

基于FAS算法,设计并实现了一个基于最近挖掘结果的数据挖掘系统AR_Miner,包括数据预处理、频繁集初始计算、频繁集更新计算、频繁集选择、关联规则生成5个部分,实现了关联规则挖掘的可视化和生成结果按“支持度-可信度”形式的可视化,为基于频繁集的交互式挖掘提供了方便、友好的界面。对历史的稽查数据中纳税人采用的主要违法违章手段之间的关联关系进行了数据挖掘,得到了一些合理的知识,提高了对稽查历史数据的管理水平,为税务稽查提供了有力的决策支持。

基于环境补偿模型的植物净光合速率测定

提高作物的光合作用速率是作物高产育种的有效途径之一。目前主要采用红外气体分析法测定光合作用速率,方法原理可靠、技术成熟,但红外光源易受野外复杂工作环境的影响,尤其是环境温度的变化,因此红外分析法在定量分析的任务需求中测定误差较大且对浓度极低或浓度变化极弱的气体检测精度不高。针对上述问题,首先提出将可调谐半导体激光吸收光谱(TDLAS)技术应用到植物光合速率测定领域,用二次谐波峰值差表征单位采样时间内光合作用气体CO_(2)痕量浓度的相对变化量;其次,建立基于萤火虫算法优化的宽度学习(FA-BLS)环境补偿模型,模型中每只萤火虫的位置信息对应表征宽度学习网络(BLS)权值和阈值的一组可行解,通过萤火虫不断迭代和更新优化来寻找亮度最高的萤火虫位置,即生成使得模型性能最佳的权值和阈值;最后,利用模型输出的补偿值对存在环境影响的原始二次谐波峰值差进行补偿,进而由补偿后的二次谐波峰值差反演得到单位采样时间内的净光合速率。实验结果表明,萤火虫种群规模和BLS网络增强层节点数是影响TDLAS-FA-BLS模型输出误差的重要因素,相比卷积神经网络(CNN)和长短期记忆网络(LSTM)两种深度学习网络,基于TDLAS-FA-BLS的光合速率测定模型很好地继承了BLS网络训练速度快、迭代时间短的优点,平均测量时间仅为0.81s,模型输出误差小,模型预测输出与测试集数据的卡方距离仅为0.29×10^(-4),同时模型输出误差的样本方差和样本标准差均比BLS小,说明FA-BLS模型克服了BLS因随机选取参数导致网络输出结果不稳定和泛化性不高的缺陷,因此,基于TDLAS-FABLS的植物净光合速率测定方法,能够很好地满足在实际农业生产中野外复杂工作环境下测定光合速率的高精度、实时性、稳定可靠等需求。