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。

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。

求解作业车间调度的变邻域细菌觅食优化算法

针对最小化最大完工时间的作业车间调度问题,提出一种基于变邻域趋化操作的细菌觅食优化算法。邻域搜索是一类改进型局部搜索算法,在每一步迭代过程中通过搜索当前解的邻域得到一个改进的解,利用邻域搜索可大大提高局部最优解的精确度。本算法采用基于操作的编码,使得细菌觅食优化算法适用于作业车间调度求解;将3种不同的邻域结构引入趋化操作中,以便扩大可行解的搜索空间,细菌个体按照自适应学习策略根据邻域的各自贡献率选择搜索方式,减少陷入局部极小的机会;同时使用自适应步长更新各邻域内趋化操作的位置,根据适应度值动态调整搜索精度,避免早熟收敛。典型算例试验表明,该算法具有一定的鲁棒性,并有效地提高了搜索精度和收敛性。

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。

变概率混合细菌觅食优化算法

针对细菌觅食优化算法寻优过程中精度差、易陷入早熟收敛等缺点,提出一种变概率混合细菌觅食优化算法。借鉴粒子群算法的信息共享机制,采用能综合反映细菌自身学习及群体合作的趋化方向,以提高算法的寻优精度和效率;基于群体适应度方差理论引入变概率迁徙策略,帮助细菌快速跳出局部极值,避免了早熟收敛和精英细菌逃逸;采用改进型佳点集方法构造初始种群及迁徙后的新个体,保证了种群多样性和解空间随机性。实验结果表明,本文提出的算法在全局收敛能力及优化精度和速度方面均表现更优。

自适应步长的细菌觅食优化算法研究

细菌觅食优化算法是一种群集智能优化算法,该文详细分析了细菌觅食优化算法中最重要的趋向性操作,其中步长对算法的效率和精度有很大影响;根据菌群中细菌个体间的位置信息,设计了动态步长估值函数,自适应的调整步长.通过经典函数的测试,说明改进细菌觅食优化算法在收敛速度和精度上比原有算法有极大提高.

基于细菌觅食优化算法的岩体压缩流变参数反演

为探索细菌觅食优化算法(BFO算法)在岩土工程中的应用,以拟建的几江长江大桥北岸隧道锚方案岩土专项实验研究为背景,基于刚性承压板流变实验获得的基础数据,针对如何进行流变模型参数反演问题,利用BFO算法优化反演目标函数,获得了反演参数值,并将反演后的表面位移曲线与实测表面位移曲线进行了对比,结果两曲线基本吻合,表明利用广义开尔文模型和BFO算法反演出的模型参数能较好地反映岩体的压缩流变特性。该法用于岩体压缩流变参数的反演是有效的,其计算速度快,效率、精度高,也充分体现出该法用于岩体压缩流变参数反演的优越性和可行性,同时也为岩体流变参数的反演提供了一种有效途径和方法。

动态高斯变异和随机变异融合的自适应细菌觅食优化算法

针对细菌觅食优化(Bacterial Foraging Optimization,BFO)算法在高维函数优化上性能较差和普适性不强的问题,提出一种动态高斯变异和随机变异融合的自适应细菌觅食优化算法。首先,将原随机迁徙方案修改为动态高斯变异与随机变异融合的迁徙方法,即搜索前期利用随机迁徙有利于增加解的多样性,获得全局最优解,搜索后期改用动态的高斯变异来提高算法的收敛速度;然后,对趋化操作中的步长参数使用动态调整和自适应调整来增强算法的普适性;最后,构建全局极值感应机制使优化更有效,从而获得了一种高性能的自适应BFO算法,以便能够高效解决高维函数的优化问题。14个高维函数优化的仿真结果表明,提出的算法不仅优化效果好、普适性强,而且能以更快的速度找到全局最优解,性能优于SBFO、POLBBO、BFAVP和RABC算法。

多目标细菌觅食优化算法

传统的细菌觅食优化算法仅针对单目标优化问题寻优,为进一步发掘细菌群体智能在多目标优化问题中的寻优优势,提出了改进的多目标细菌觅食优化算法。在个体间互不支配时给出归一化的择优策略;引入差分思想完成复制操作,提高种群的多样性;采用栅格划分法进行迁徙操作,提高解集的分散性;同时使用外部集存放当前找到的非支配解,并不断对外部集进行优化。通过对多个标准函数进行测试并与其他几种算法的对比结果表明,所提出的多目标细菌觅食优化算法在解的收敛性和分散性指标上都有一定提升,能够有效解决多目标优化问题。

一种改进细菌觅食优化算法及其在软测量建模中的应用

针对软测量建模中模型参数的优化需求,在分析细菌觅食优化算法(BFOA)和粒子群优化(PSO)算法的基础上,将二者有机结合,提出了一种新型细菌觅食粒子群混合优化算法(BSOA)。该算法将PSO粒子移动的思想引入BFOA,有效解决了BFOA趋向性操作中细菌位置更新的盲目性。将其分别用于典型函数的寻优与成品油研究法辛烷值最小二乘支持向量机(LSSVM)模型参数的优化,仿真结果表明:该方法有效增强了算法的全局寻优能力与收敛速度,并在一定程度上改善了模型的预测精度与泛化能力。

拆卸线平衡问题的改进细菌觅食优化算法

拆卸是产品回收过程中最重要的环节,拆卸过程高效与否直接影响产品的回收效率。为克服传统算法求解拆卸线平衡问题时性能不稳定的缺陷,在构建基于工作站利用率、负荷均衡,尽早拆卸有危害、高需求的零件,最小化拆卸成本等方面的拆卸线平衡问题多目标优化模型的基础上,提出一种改进的细菌觅食优化算法对问题求解。通过改进细菌的移动规则扩大搜索空间,引入全局信息共享策略增强算法收敛性能,定义了一种自适应驱散概率防止驱散操作中解的退化。在对不同规模算例的对比分析中,验证了该算法的有效性。

改进的细菌觅食优化算法

细菌觅食优化算法是一种受大肠杆菌觅食现象启发产生的一种群体进化算法,该算法具有良好的全局优化能力,鲁棒性强,算法简单等优点,但其也存在易早熟,收敛速度慢等缺点.根据其缺点,提出了一种改进的细菌觅食优化算法,改进后的算法收敛速度加快,在一定程度上避免了易早熟的缺点.将原算法和改进算法应用于PID参数的在线自整定,通过matlab仿真实验证明了算法改进后的优越性.

基于细菌觅食优化算法的支持向量机在土壤墒情预测中的应用

[目的]对基于细菌觅食优化算法的支持向量机在土壤墒情预测中的应用进行探讨,为现代农业研究中土壤墒情预测及农业生产提供支持。[方法]基于支持向量回归机方法建立土壤墒情预测模型,利用细菌觅食优化算法优化支持向量机预测模型的相关参数。根据从种植区采集的田间数据对模型进行建模和测试。[结果]与仅利用支持向量回归机和利用粒子群优化的支持向量回归机分别建立的模型进行对比,发现本研究所提算法建立的预测模型的预测效果更佳。[结论]该模型预测效果较好,所建模型已应用于实际项目,预测精度基本满足要求,且运行稳定。进而证明了该研究所提算法的有效性和可行性。

细菌觅食优化算法在嵌入式系统多任务调度中的应用

为了提高多核处理器任务调度的效率和负载均衡,提出一种改进细菌觅食优化算法的多核处理器任务调度方法.首先随机产生多核处理器任务有向无环图,然后构建一种多约束条件下的数学模型,最后采用改进细菌觅食优化算法对模型进行求解.仿真结果表明,改进细菌觅食优化算法很好避免了其它群智算法存在的缺陷,可以较好获得全局最优调度方案,使执行任务的时间最短,很好地实现了多核处理器任务进行的分配和调度.

基于细菌觅食优化算法的多色彩空间嘴唇分割

结合多色彩空间处理、细菌觅食优化算法(BFOA)与关键点定位算法,提出一种新的嘴唇轮廓提取算法。对嘴唇图像进行色彩空间的转换,在不同的色彩空间对嘴唇图像进行色彩增强及色彩分割处理,利用BFOA结合Kapur最大熵阈值法对嘴唇区域图像求取最佳阈值,实现唇部精确分割。提取嘴唇的边缘关键点,并以提取到的关键点为输入,运用最小二乘曲线拟合的方法拟合嘴唇边缘轮廓,准确提取嘴唇的外部轮廓。实验结果表明,该方法能够完成对嘴唇的精确分割,并获得较高的分割准确率。

细菌觅食优化算法的边界条件

细菌觅食优化算法在搜索全局最优的过程中,可能出现细菌超出搜索空间的情况。针对这种现象,提出了7种受限制的边界条件和4种不受限制的边界条件,对出界细菌进行处理。通过单峰值函数和多峰值函数分别对这11种边界条件进行对比测试。结果表明,就收敛速度来看,不受限制的边界条件总体性能优于受限制的边界条件,而置于边缘的受限制的边界条件又稍微优于随机放置的情况。就搜索效果来看,对于单峰值函数,无形/衰减这种边界条件在寻优效果方面优于其他的边界条件,而且比较稳定,仅次于无形/衰减这种边界条件的是随机/吸收边界条件;对于多峰值函数,衰减边界条件更具优势。

采用改进细菌觅食优化算法的无人机航迹规划

针对现有的无人机航迹规划方法收敛速度较慢、效率不高、易陷入局部最优等问题,构建了基于改进细菌觅食优化算法的无人机航迹规划结构,从三个方面改进算法:一是将固定步长改为自适应步长;二是游动时嵌入粒子群算法学习因子思想;三是将固定迁徙概率改为自适应迁徙概率。同时,提出了飞行代价目标函数,通过函数寻优进行无人机航迹规划,并由数字高程数据建立三维环境,对比基本细菌觅食优化算法和粒子群算法进行仿真。结果表明,基于改进细菌觅食优化算法优化的无人机航迹规划结构具有路径长度更短、路径更平滑和收敛速度更快的特点。

采用改进的细菌觅食优化算法求解RCPSP

针对细菌觅食优化算法全局搜索能力较弱和收敛速度慢的问题,对算法的更新方式进行改进,在算法的初期通过粒子群算法进行全局搜索,使细菌在更新时感知周围环境,再由细菌觅食算法的趋向操作进行局部搜索,提高算法的计算精度和搜索能力.最后运用实例对算法进行验证,实验结果验证了此算法在求解资源受限的项目调度问题时的可行性和优越性.