基于自适应动态窗口改进细菌算法与移动机器人路径规划

针对移动机器人在复杂环境下的路径规划问题,提出一种新的自适应动态窗口改进细菌算法,并将新算法应用于移动机器人路径规划。改进细菌算法继承了细菌算法与动态窗口算法(dynamic window algorithm,DWA)在避障时的优点,能较好实现复杂环境中移动机器人静态和动态避障。该改进算法主要分三步完成移动机器人路径规划。首先,利用改进细菌趋化算法在静态环境中得到初始参考规划路径。接着,基于参考路径,机器人通过自身携带的传感器感知动态障碍物进行动态避障并利用自适应DWA完成局部动态避障路径规划。最后,根据移动机器人局部动态避障完成情况选择算法执行步骤,如果移动机器人能达到最终目标点,结束该算法,否则移动机器人再重回初始路径,直至到达最终目标点。仿真比较实验证明,改进算法无论在收敛速度还是路径规划精确度方面都有明显提升。

求解柔性作业车间调度问题的细菌算法对比及改进

为充分探讨细菌系列算法求解离散优化问题的能力,针对柔性作业车间调度问题,采用细菌趋化算法、细菌群体趋化算法、细菌进化算法、细菌群游算法和细菌觅食优化算法进行求解.首先建立了以完成时间为目标的柔性作业车间调度问题模型,然后用5种细菌算法进行求解,数值试验结果表明:细菌觅食算法的寻优能力最强.接着,进一步对细菌觅食算法进行了改进,针对其关键操作设计了数十种算子,最终得到优化能力最强的算法结构和算子组合.最后的数值实验表明,改进的细菌觅食算法寻优能力及稳定性大幅提升,体现出非常好的全局开发能力和局部搜索能力.

基于改进细菌算法轨道电路室外设备故障分析

故障检测是近年来的热门话题,大数据环境下,原有算法在计算量和效率上已不能满足当前的需求,智能算法应用越来越广泛,将其应用于故障检测有较好的效果,细菌算法是新兴的全局优化智能算法,但其原有算法有一定的局限性。将细菌算法结合自适应理论,优化了细菌算法中趋化步长和繁殖步骤,对比传统BFO最优值有7个数量级的提高,在收敛性方面提高了一倍,并且将其与贝叶斯网络结构学习相结合解决轨道电路故障诊断的问题。

基于细菌觅食算法的嵌入式机械臂角度控制器设计

进行机械臂角度控制器设计过程中,为提高机器人机械臂灵活性,降低关节角度控制误差,设计一种细菌觅食算法的嵌入式机械臂角度控制器;首先,构建机械臂动力学模型以获取机械臂的柔性特征及其关节位置,根据获取的信息确定角度控制器的硬件逻辑结构和算法;然后,使用ARM微处理器嵌入式操作系统,设计包含移动控制终端和机械臂控制端的控制器硬件结构;最后,采用细菌觅食算法优化控制器参数,并实现代码完成机器人机械臂角度的精准跟踪控制;实验结果表明:所提方法的位姿跟踪精度高达99%、物体偏移距离在0~0.2 mm之间,控制运行时间在0.33~0.78 s之间,表明所提方法的角度控制误差小、稳定性强,能够保证机械臂关节角度无超调,具有极高的机器工程应用价值。

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。

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。

基于自适应动态窗口改进细菌趋化算法的UAV三维路径规划

针对UAV三维路径规划问题,提出一种自适应三维动态窗口(self_3D_DWA)改进细菌趋化(3D_IBF)算法的混合三维路径规划算法(3D_IBASDWA).该算法在二维动态窗口和标准细菌趋化算法基础上,结合全局和局部路径规划,既能计算出复杂环境中全局最优解,又能实现局部抗干扰动态避障.此外,该算法还引进Logistics混沌策略进一步优化细菌趋化算法全局路径计算,从而规划出具有较高计算精度和较快收敛速度的参考路径.接着,基于参考路径,UAV通过自身携带的传感器实时感知动态障碍物,并利用自适应三维动态窗口算法实现局部抗干扰动态避障.仿真实验证明基于改进算法的UAV三维空间路径规划在计算精度、收敛速度和动态避障等方面都有明显提升.

求解路径规划问题的细菌觅食——蚁群算法

随着科技的迅速发展,蚁群算法的应用范围越来越广泛,其路径规划的速度以及路线准确度对算法要求越来越高。目前已有的蚁群算法所拥有的收敛性慢容易陷入局部最优问题,为了提高算法的准确度与速度,通过引用细菌觅食算法中的复制与趋向对其进行改进,提高此算法以期提高蚁群算法的效率及其准确率,优化全局搜索能力,并满足多种约束条件下的需求。实验结果表明:细菌觅食算法能够有效地解决一些蚁群算法上的缺陷,提高了蚁群算法的路径规划及其寻优能力且优于其他算法对蚁群算法的改进,证实了改进后的蚁群算法适应多种条件,路径求解的精度明显优于之前未改进的算法。

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。

基于改进蚁群算法的自动落布车路径规划

针对自动落布车在使用蚁群算法(ant colony algorithm,ACA)进行路径规划过程中出现的收敛次数多、收敛速度较慢且容易陷入局部最优的问题,提出一种改进蚁群算法(improved ant colony algorithm,IACA)。首先对信息素挥发系数ρ进行自适应调整,令其做动态变化,克服算法的收敛次数过多,加快算法收敛速度,减少算法的收敛时间;其次引入细菌觅食算法中趋化操作的趋化步长因子对信息素更新公式进行改进,削减算法迭代的后期信息素浓度值,使算法在后期跳出局部最优值,提高算法全局搜索能力。利用MATLAB将改进后的算法在3种不同的栅格环境中进行仿真验证。结果表明:相比传统蚁群算法,改进后的算法收敛次数减少81.1%,最小路径长度减少6.3%,收敛时间减少20.7%。最后搭建ROS小车实验平台,利用ROS机器人系统对改进蚁群算法在模拟的织布车间环境中进行实验验证。结果表明:对比传统蚁群算法,改进蚁群算法在寻优时间上减少了8.6%。

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-蚁群算法的无人车路径规划

随着目前人工智能的日渐普及,无线通信、网络传输和传感器技术等得到了长足的发展,人们对机器的自动化智能化要求越来越高。与此同时人们对无人驾驶技术需求越来越高,针对路况及各种可能会出现的异常问题缺少合理高效的路径优化,这使得对路径规划的研究有着重要的意义。对此,本文主要对现有的传统蚁群算法进行研究,同时考虑到当前传统蚁群算法的一些缺点,引用细菌觅食算法进行尝试改进,加深对这两个算法的认识,并进行归纳总结。

基于改进蚁群算法的算力灵活迁移优化算法

针对现有云计算环境下国网数据中心资源调度存在的调度效率低、能源消耗高等问题,文章提出了一种基于改进蚁群算法的算力灵活迁移优化算法。首先构建国网云数据中心的算力迁移模型,对数据中心的资源调度能耗进行建模。然后通过引入细菌觅食算法改进基本蚁群算法的信息素初始化,并重新设计了启发函数和信息素挥发因子。仿真实验结果表明,与现有模型相比,文章的算法能够求出更优的算力资源调度方案,在减小任务完成时间的同时降低了国网数据中心36.6%的能耗。

采用改进细菌觅食算法的风/光/储混合微电网电源优化配置

风能和太阳能具有随机性和波动性的特点,由分布式电源、储能装置、负荷组成的微电网协调运行与控制十分复杂,对孤岛运行的微电网合理地配置电源以提高供电可靠性、经济性是微电网规划建设的一个首要问题。将改进的细菌觅食算法(bacterial foraging algorithm,BFA)应用到解决风/光/储混合的全年孤岛运行的微电网电源优化配置问题中,建立了计及设备投资成本、运行和维护成本、燃料成本、环保折算成本的微电网电源优化配置模型,以年风速、气温、光照强度作为输入,根据不同的用户供电可靠性和备选电源要求,得到微电网电源的类型及其容量的最优方案,结果表明改进的细菌觅食算法具有全局最优搜索能力强、寻优速度快的特点。该方法可以全面评估各种分布式电源的经济性,根据微电网建设地点的气象条件、投资成本等降低微电网电源的冗余投资,满足用户定制的多样化可靠性要求。

基于粒子群优化的快速细菌群游算法

针对细菌觅食算法(Bacterial foraging algorithm,BFA)收敛速度慢的特点,提出一种快速细菌群游算法(Fast bacterial swarming algorithm,FBSA)。本算法通过借鉴粒子群优化(Particle swarm optimization,PSO)算法的信息共享机制,对细菌觅食算法的群体感应(Quorum sensing)机制进行改进,使每个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。同时,通过动态调整细菌的搜索步长,加强了算法在优化初期的全局搜索能力以及优化后期的局部搜索能力。对基准测试函数进行仿真实验的结果表明,FBSA对于大部分高维函数的优化能力优于BFA和PSO,并且具有更快的收敛速度。

基于社会学习自适应细菌觅食算法的互联电网AGC最优PI/PID控制器设计

AGC控制器的参数对电网频率控制的动态性能具有重要影响。不合适的控制器参数将可能使得电网在遭遇较大的负荷扰动时失去频率稳定。针对互联电网AGC控制器参数优化整定问题,提出了一种基于社会学习自适应细菌觅食算法的最优PI/PID控制器设计方法。该方法将社会学习机制及自适应步长策略引入到标准细菌觅食算法中,通过改进细菌寻优过程中的趋化、群聚及繁殖等操作,提高算法的收敛速度及寻优精度。建立两区域互联电网AGC系统仿真模型,采用所提算法优化整定其PI/PID控制器参数。仿真结果验证了所提方法的有效性。

基于改进细菌觅食算法的微网鲁棒经济调度

可再生能源出力的随机性和波动性给微电网经济运行优化带来较大困难。采用鲁棒优化理论将常规微电网经济运行优化模型中的不确定性因素加以处理,构建了计及可再生能源、储能装置和热电联产系统的微电网经济运行鲁棒优化模型;通过改进常规细菌觅食算法中复制操作和驱散操作,有效兼顾了个体寻优过程中寻优速度与寻优深度。算例分析表明,改进算法能够有效求解本文所提模型,在保证微电网可靠运行的前提下,所提方法能够实现各微源动态经济调度,有效降低微电网运行成本。

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。

改进的细菌觅食算法求解认知无线网络频谱分配问题

认知无线网络中如何进行频谱合理的分配是实现动态频谱接入的关键技术之一。基于图论着色频谱分配模型,以最大化网络效益为目标函数,提出一种具有量子变异操作的改进的二进制细菌觅食优化算法,用以求解认知无线网络中空闲频谱在认知用户间的动态分配问题。通过仿真实验比较了本算法与颜色敏感图论着色算法、传统二进制细菌觅食算法的性能。结果表明:本算法性能明显优于颜色敏感图论着色算法,能更好地实现网络效益最大化,提高用户的平均效益;与传统二进制细菌觅食算法相比,改进后的细菌觅食算法寻优能力更强,收敛速度更快。