基于蝙蝠优化算法的智能机器人路径规划方法

为了解决智能机器人规划路径时,由于未能获取机器人信号目标强度,路径规划存在适应度值低和规划时间长的问题,提出基于蝙蝠优化算法的智能机器人路径规划方法。建立机器人模型并获取机器人目标信号强度,利用粒子群算法搜索机器人移动目标,结合蝙蝠算法和黄金正弦算法获取种群平均位置,通过分阶段搜索流程,实现机器人移动路径规划。结果表明:所提方法的路径规划时间仅为2.0 s,适应度达到了24.1,不可行解个数为零,该方法有效提高了适应度值,降低了规划时间,具备可行性和实际应用价值。

基于蝙蝠优化极限学习机的Link16在线干扰评估算法

为解决实际作战场景下通信干扰效果评估时效性差、准确率低的问题,提出一种基于蝙蝠优化极限学习机(Bat-inspired Algorithm optimized Extreme Learning Machine,BA-ELM)的在线评估算法。对通信对抗典型作战对象Link16进行分析,为了更全面地评价干扰效果,细化Link16各抗干扰动作,形成完备样本库。通过蝙蝠算法优化极限学习机参数,构建基于BA优化的干扰评估体系。与目前所提主流在线评估算法进行实验比对,验证了所提方法在时效性、准确性上的优势。

基于蝙蝠优化BP-PID算法的精准施肥控制系统研究

水肥一体化技术在棉花、小麦、番茄等大田农作物种植场景中的应用逐渐增多。当前能够快速有效调整大田农作物水肥一体化系统中肥料流量的控制算法研究较为有限。由于水肥一体化系统存在时变性、滞后性与非线性的特点,常见的PID与BP-PID控制算法无法获得预期的控制效果。为此设计一种基于蝙蝠算法(BA)优化的BP神经网络PID控制器。通过采用BA对BP神经网络的初始权值进行优化,加快了BP神经网络的自学习速度,实现对水肥一体化系统中肥料流量的快速精准控制,从而降低了超调量、提高了响应速度。同时,基于STM32单片机搭建了水肥一体化流量调节测试平台,并对该控制器的性能进行了试验验证。结果表明,与常规PID控制器和基于BP神经网络的PID控制器相比,所设计的控制器具有较高的控制精度和鲁棒性,降低了由时滞性、非线性等因素引起的影响。平均最大超调量为4.78%,平均调节时间为41.24 s。特别是在施肥流量为0.6 m^(3)/h时,控制器表现出最佳的综合控制性能,达到了精准施肥的效果。

基于蝙蝠优化算法的多基站分区路由协议

为解决无线传感器网络中因簇头能量消耗不均所产生的热区问题,提出一种多基站分区路由协议。在监测区域中部署多个基站并进行合理的分区,采用引入变尺度混沌策略的蝙蝠优化算法选择簇头节点,以避免蝙蝠算法陷入局部最优。在数据传输阶段,簇头节点选择剩余能量大于平均能量且离基站最近的节点作为下一跳。仿真结果表明,相比LEACH协议和DEBUC协议,该协议能够有效减少并均衡能量消耗,提高数据包接收量,延长网络的生存周期。

基于蝙蝠优化算法的无线传感器网络节点定位研究

节点定位是无线传感器网络应用中的关键技术,Dv-Hop算法的定位精度不尽人意,因此将三方面改进的蝙蝠算法应用于Dv-Hop平均跳距的计算过程中,在Dv-Hop的第三阶段引入改进后的蝙蝠算法代替最小二乘法来计算未知节点的坐标,大大降低平均跳距导致的定位误差,提高定位精度;仿真结果表明,改进的BA算法优化的DV-hop定位算法在不同锚节点密度、不同通信半径、不同节点数量以及定位精确度等方面表现出良好的性能。

基于云模型和K-means聚类的蝙蝠优化算法

为了改善蝙蝠算法在函数优化中稳定性差,易陷入局部最优的问题,利用云模型随机性和稳定倾向性的特点,提出了一种蝙蝠优化算法,根据个体适应度值,利用K-means聚类算法把种群划分为三个区域,分别采用不同的频率生成策略,使算法既能稳定的控制搜索空间范围,又能避开局部最优解,同基本的蝙蝠算法比较,仿真结果表明,该算法在函数优化问题中具有较高的精度和较快的搜索速度.

基于蝙蝠优化器的三维无线传感器网络节能覆盖增强策略

针对三维无线传感器网络在传感器节点重新部署时,由于复杂和恶劣环境导致的传感器节点电池充电和恢复困难的问题,提出了一种基于蝙蝠优化器的三维无线传感器网络节能覆盖增强策略。首先,利用截角八面体对三维环境进行无缝叠加,将覆盖增强和能量优化问题转化为将节点移动到截角八面体的任务分配问题;其次,基于蝙蝠优化器实现无线传感器网络的最小化总能耗和平衡剩余能量的多目标优化;最后,通过建立仿真模型,与虚拟力导向粒子群优化算法、三维虚拟力算法、及匈牙利算法进行对比分析,验证策略的有效性与可靠性。实验结果表明:所提策略能使节点剩余能量的均匀性分别提高30.53%、43.44%和32.03%,同时能有效降低节点总能耗,并在最大能耗节点的能耗、最终覆盖率和时间消耗方面表现良好,具有较高的可靠性和准确性。

基于蝙蝠优化算法的网络入侵检测模型

网络入侵具有突发性和隐蔽性等特点,传统的技术很难描述其变化规律,这导致入侵检测正确率非常的低。为了提高入侵检测正确率,降低误检率,提出了一种基于动态自适应权重和柯西变异的蝙蝠优化算法优化神经网络的入侵检测模型。需要先采集入侵网络的数据进行整理,然后导入到神经网络中学习,采用蝙蝠优化算法优化网络模型的参数。最后选取KDD CUP 99数据集进行网络入侵检测的仿真实验。结果表明,本文模型能够获得理想的网络入侵检测率和误检率。

基于蝙蝠优化偏好矩阵的序列化数据推荐算法研究

为了提高信息网络中各类用户与项目信息增长给推荐系统带来的负载,从类型偏好角度出发,设计了一种根据用户偏好的蝙蝠优化聚类处理的协同过滤推荐(CFR)算法。在设计蝙蝠优化协同过滤推荐算法(B-CFR)时,融入用户偏好优化聚类方法。以B-CFR算法为基础,根据项目类型建立细粒度偏好模型,利用蝙蝠优化算法达到改进聚类的效果。对该算法进行了测试研究。研究结果表明:设计的算法将聚类数设置在10和近邻数取值为40时是最优的。当权重系数处于[0.1,0.5]区间内时,通过B-CFR算法预测评级,能够满足用户真实评级状态评价,显著改善推荐效果。相对于传统CFR算法,所设计的B-CFR算法可以优化评分预测准确性,并有效缩小最近邻居搜索范围、增强系统实时性,使系统获得更强的扩展能力。该研究对保证推荐系统的运行效率具有一定的指导意义。

基于混沌策略的蝙蝠优化算法在云计算资源调度中的研究

资源调度是当前云计算研究的热点,但是云计算中的虚拟节点的资源调度存在效率低,稳定性低的问题。针对这种情况,本文首先建立云计算环境下的资源调度模型,在模型中引入了优化后的蝙蝠算法,优化中引入混沌算法中的立方映射函数,对蝙蝠的个体进行混沌优化,同时缩小了搜索空间,加快了收敛速度。通过在Cloudsim平台上仿真实验表明,该算法在性能上、资源调度效率和任务调度方面都有很大改进,有效提高了云计算系统的资源调度能力。

基于改进蝙蝠算法的最小区域法圆度误差评定

圆度是轴类机械产品几何精度评价的核心指标之一,其直接影响到产品的性能和寿命,准确、快速、规范的进行零件圆度误差评定一直是计量领域研究的热点。因此,提出了一种基于改进蝙蝠算法的最小区域法圆度误差评定方法,该方法利用蝙蝠算法的种群寻优能力,结合最小区域法对圆度误差模型中的目标圆心进行快速寻优,进而计算求解出圆度误差值。改进的蝙蝠算法通过增加混沌惯性权重、自适应参数等方法来有效避免算法在圆度误差评定中陷入局部最优,并改善评定准确性和稳定性。通过对实测数据进行实验验证和分析对比,结果表明提出的方法在圆度误差评定中寻优速度明显优于遗传算法,评定精度和稳定性较最小二乘法有较大提升,验证了该方法在最小区域法圆度误差评定应用中的可行性。

改进蝙蝠算法在多目标优化中的应用

在模拟退火的高斯扰动蝙蝠优化算法(SAGBA)的基础上,结合解决多目标优化问题的算法技术,探讨了2种改进的多目标蝙蝠算法——基于动态加权的SAGBA算法(DWASAGBA)和基于向量估计的SAGBA算法(VESAGBA),并对算法进行了仿真实验.结果表明,SAGBA算法所得到的解集分布均匀,能够得到测试函数较为准确的Pareto曲线.

基于多目标蝙蝠优化的高光谱图像解混算法

由于高光谱图像的丰度特性,盲源分离算法不能直接用于高光谱图像解混。同时,在解混过程中用梯度算法对目标函数进行优化时易陷入局部最优。为此,本文提出了一种基于多目标蝙蝠优化算法的高光谱图像解混算法。该算法将高光谱图像模型中存在的丰度非负约束及丰度和为一约束作为解混的两个目标函数,将解混问题转化为对目标函数的优化问题,同时引入多目标蝙蝠优化算法来求解,从而实现高光谱图像解混。实验结果表明,本文算法能有效解决上述问题,并且当改变图像的信噪比、像元纯度和像素数时,观察光谱角距离与均方根误差值的变化情况,与其它解混算法相比,本文算法具有更高的解混精度和很好的抗噪性,在像元纯度很低的情况下也有很好的性能。

一种改进的变步长自适应蝙蝠算法及其应用

提出一种变步长自适应BA算法,该算法在一定程度上可以避免算法过早陷入局部最优,且步长随迭代次数的增加而自适应地调整,从而使算法在后期获得精度更高的解;运用6个标准测试函数进行实验,结果表明,与BA算法相比,该算法的收敛速度及精度均有明显提高.

基于萤火虫和蝙蝠群智能算法的瑞雷波频散曲线反演

反演瑞雷波频散曲线能有效获取地层横波速度和厚度.但由于其高度的非线性、多参数、多极值等特点,传统的全局搜索方法易出现收敛速度慢、早熟收敛及搜索精度低的问题.鉴于此,本文提出并测试了基于萤火虫优化算法(FA)和带惯性权重的蝙蝠优化算法(WBA)的新的瑞雷波频散曲线反演策略.在瑞雷波频散曲线反演中,FA全局搜索能力强,但后期搜索精度低,而WBA局部搜索能力强,搜索精度高,但易出现早熟收敛.故本文将二者结合,提出了一种新的优化策略,称其为WFBA,即在反演前期使用FA,后期使用WBA,很好地解决了FA后期搜索精度低及WBA早熟收敛的问题.本文首先反演了三个典型理论模型的无噪声、含噪声的数据,验证了WFBA对瑞雷波数据反演的有效性与稳定性.然后将WFBA与WBA、FA单独反演以及不含惯性权重的FBA和粒子群优化算法(PSO)反演的结果进行了对比,说明了WFBA相对于WBA、FA、FBA和PSO具有更稳定、收敛速度更快、求解精度更高等优点.最后,反演了来自美国怀俄明地区的实测资料,检验了WFBA对瑞雷波数据反演的实用性.理论模型试算和实测资料分析表明,WFBA很适用于瑞雷波频散曲线的定量解释,具有很高的实用性价值.

基于SORT映射的IRCMFDE在旋转机械故障诊断中的应用

针对旋转机械振动信号的强非线性和非平稳性,导致故障特征提取困难的问题,提出了一种基于SORT映射的改进精细复合多尺度波动散布熵(IRCMFDE)和蝙蝠算法优化的相关向量机(BA-RVM)的旋转机械故障诊断方法。首先,利用SORT映射函数替换了精细复合多尺度波动散布熵(RCMFDE)方法的正态累积分布函数,同时对RCMFDE方法的粗粒化方式进行了改进,提出了基于SORT映射的IRCMFDE方法;随后,利用IRCMFDE方法提取了旋转机械振动信号的故障特征,构造了故障特征集;最后,采用BA-RVM分类器对旋转机械的故障类型进行了智能化的识别和分类;将基于IRCMFDE和BA-RVM的故障诊断方法应用于滚动轴承、离心泵和齿轮箱的实验数据分析,并将其与现有故障诊断方法进行了对比分析。研究结果表明:基于IRCMFDE和BA-RVM的故障诊断方法能够有效地识别旋转机械的故障状态,识别准确率分别达到了100%、98%和99%,相比基于RCMFDE、精细复合多尺度熵、精细复合多尺度模糊熵、精细复合多尺度排列熵和精细复合多尺度散布熵的故障特征提取方法,该故障诊断方法的效率和平均识别准确率均优于对比方法,其更适合应用于旋转机械的在线实时故障监测。

基于改进蝙蝠算法的水电站机组频率控制

针对水轮机调速系统存在非线性、时变性、传统PID控制精度差、鲁棒性不强等缺点,在传统PID基础上引入改进蝙蝠算法对控制器进行优化。该算法以控制器调节时间、频率误差的绝对值为目标函数,在给定范围内找到一组PID参数使目标函数最优,再把这组参数代入到PID控制器中对系统进行控制。结果表明该算法具有较高的控制精度、更快的响应速度,其控制性能较传统PID控制器有显著的提高。

刮板输送机S弯区域水平弯曲角优化研究

为解决实际生产中由于S弯区域水平弯曲角角度过大所导致的能耗增大、磨损严重等问题,在对刮板输送机基本结构和S弯区域水平弯曲角形成机理研究的基础上,完成了S弯区域水平弯曲角优化系统结构的总体设计,并选用最有效的MBA改进蝙蝠优化算法进行优化。实际应用表明,S弯区域水平弯曲角优化后,刮板输送机每年可节约电费约72万元,刮板输送机链轮组件的使用寿命可延长至18个月。

基于改进BA-PNN的智能变电站二次设备故障定位方法

针对概率神经网络(PNN)在二次设备故障定位中训练规模较大、容易受到平滑因子干扰的问题,提出了一种基于改进蝙蝠算法优化概率神经网络(BA-PNN)的智能变电站二次设备故障定位方法。首先,在PNN的求和层中采用拉普拉斯分布代替高斯分布,并用BA算法来获得最优平滑因子,进而提出一种改进蝙蝠算法优化概率神经网络方法;其次,基于智能变电站中二次设备的特征分析,选择故障特征量并对其映射,建立了基于BAPNN的智能变电站二次设备故障定位模型;最后,以某智能变电站故障定位为例,对BA-PNN神经网络进行样本训练,实现对故障元件的精确定位。仿真表明,该方法缩小了神经网络的训练规模,提升了神经网络的计算性能,增强了故障定位的准确性。

基于无人机高光谱遥感的水稻氮营养诊断方法

氮亏缺量能够直接反映作物氮营养缺失程度,快速、大面积获取水稻氮亏缺量信息对实现水稻精准施肥具有重要意义。而现有的研究大都集中于利用无人机遥感监测水稻氮营养情况,对氮亏缺量本身的研究较少。本研究基于无人机高光谱遥感获取冠层光谱数据、通过田间采样获取水稻农学数据,研究东北地区水稻临界氮浓度曲线构建方法,在此基础上确定水稻氮亏缺量;以氮亏缺量约等于0状态下光谱为标准光谱,分别对光谱反射率进行比值、差值、归一化差值变换,通过竞争性自适应重加权采样法对原始光谱反射率与变换后光谱反射率进行特征波长提取,并以二者提取的特征波长为输入变量,氮亏缺量为输出变量,分别构建基于多元线性回归、极限学习机与蝙蝠算法优化极限学习机3种算法的水稻氮亏缺量反演模型。结果表明:基于田间数据构建东北地区水稻临界氮浓度曲线方程系数a、b分别为2.026与-0.460 3,和以往研究基本一致;相比其余变换方法,对水稻冠层光谱进行归一化差值变换与特征波长提取显著提高了冠层光谱反射率与水稻氮亏缺量的相关性,也提高了后续反演模型的反演结果;以归一化差值光谱为输入的蝙蝠算法优化极限学习机反演模型预测效果显著优于其余模型,验证集R^(2)为0.830 6,RMSE为0.814 1 kg/hm^(2),具有较好的氮亏缺量估测效果。