基于改进细菌趋化步长的移动机器人路径规划方法研究

趋化是细菌在觅食过程中表现出的一种重要生物行为。受这种行为启发,针对基本细菌趋化行为步长固定的不足,采用线性递减策略改进趋化步长,通过建立相应的机器人及环境模型,提出一种基于改进细菌趋化步长的移动机器人路径规划方法。该方法将一个机器人看作一个细菌,机器人要到达的目标位置和路径中的障碍物分别看作细菌的食物源和要避开的有毒物质。通过迭代优化机器人的适应度函数,驱使机器人执行前进和转弯行为,最终完成路径规划任务。通过MATLAB仿真,与固定细菌趋化步长法相比较,结果表明了改进方法在移动机器人路径规划上的可行性和有效性。

自适应变步长菌群优化算法

针对菌群优化算法由于步长固定导致探索能力不强等缺陷,应用聚类思想自适应计算并调整细菌的趋化步长,体现了菌群之间的协同性和智能性行为,有效地提高算法的性能,比如探索能力和开发能力,特别是局部搜索和求精能力。在使用10个复杂的Benchmark函数所进行的对比实验中,所提出的算法在搜索能力和效率等方面优于其他典型算法的比率达到60%～90%,验证了改进算法是一种具有竞争力的优化算法。

一种具有量子行为的细菌觅食优化算法

为改善细菌觅食优化(BFO)算法中群体信息共享机制,增强算法的全局搜索性能,该文将细菌个体放在量子空间中描述,根据细菌群体信息建立量子化的势能阱模型,通过蒙特卡洛随机采样完成繁殖操作,使得细菌群能对整个空间进行搜索。针对BFO算法中趋化步长一致的缺陷,该文提出了一种动态缩进控制策略,在保证算法收敛性的同时大大增加了个体全局寻优的几率。标准测试函数的仿真结果表明,所提出算法具有精度高、成功率大、全局寻优性能强的特点。

自适应双向菌群优化算法

提出了自适应双向菌群优化算法,应用聚类思想将趋化步长进行自适应调整,提高算法的局部搜索能力,引入双向游动机制,提高了算法的搜索效率和速度。针对10个复杂Benchmark函数进行了数值优化实验,其结果表明,在所有测试函数中,该算法在搜索能力和稳定性等方面优于其他典型算法的比率达到60%～90%,验证了算法的有效性。

复杂光照下光伏阵列MPPT算法研究

局部阴影条件下,光伏阵列的P-U曲线呈多峰状态,常规的最大功率点追踪(MPPT)算法在追踪最大功率点时容易陷入局部最优值。细菌觅食法具有较好的全局搜索能力,但传统细菌觅食法收敛速度慢,最大功率点跟踪效率不高,针对算法中的趋化步长以及驱散概率进行改进,保证了种群中个体的优良性,使算法朝最优方向迭代。为了提高算法在临近全局最优点时的搜索精度,采用牛顿插值法近似拟合抛物线,根据拟合曲线可精确计算出最大功率点所在位置。通过Simulink建模仿真分析可知,改进算法相较于传统算法,不论在静态遮阴条件下还是动态遮阴条件下,都能够更快、更稳地寻找到光伏阵列最大功率点。

改进型细菌觅食算法求解FJSP问题

细菌觅食算法(BFO)作为一种新兴算法,已经被运用于不少领域。针对柔性车间调度问题。论文提出一种改进的细菌觅食优化算法,重点对趋化操作的运动步长以及翻转方向进行了改进,设计了自适应步长在三种情况下的变化值,并加强全局最优位置与个体最优位置在翻转方向上的引导,避免算法早熟现象的发生。将改进型细菌觅食算法(IBFO)运用到解决柔性车间调度(FJSP)中进行仿真试验。通过经典算例实例分析,实验结果与标准细菌算法与改进遗传算法进行了分析对比,验证了论文改进算法有更好的收敛性和较高的寻优准确率。

基于微粒群策略的自适应觅食算法研究

为了克服传统觅食算法BFA(Bacterial Foraging Algorithm)收敛速度慢以及高维优化收敛性差的问题,提出了一种新的基于微粒群优化策略的自适应觅食算法ABF-PSO(Adaptive Algorithm Bacterial Foraging Orientedby PSO).该算法采用自适应趋化步长来提高搜索能力,并根据微粒群优化PSO(Particle Swarm Optimization)策略来控制细菌的运动方向,避免了细菌运动方向因随机性选取而延误全局最优值搜索的问题.在详细阐述了动态调整细菌的趋化步长和利用微粒群优化策略更新细菌运动方向后,对经典测试函数分别采用PSO算法,BFA算法和ABF-PSO算法进行了对比测试.实验结果表明,ABF-PSO算法不仅收敛速度得到很大提高,同时对于复杂和高维搜索的问题获得了很好的收敛性.

基于改进细菌觅食优化的无人艇自主避碰算法

针对无人艇的避碰规划问题,设计一种基于改进细菌觅食优化(BFO)的自主避碰算法.针对基本BFO算法收敛速度慢、寻优精度低、稳定性低的不足,设计自适应递减分维趋化步长代替固定步长以实现步长的自适应调整,提出优适探寻游动方法解决基本BFO算法无效游动与重复游动的缺陷,设计自适应迁徙概率代替固定迁徙概率以解决基本BFO算法可能导致精英个体丢失的情况.函数测试仿真表明,改进BFO算法具有更好的收敛速度、寻优精度以及稳定性.改进算法应用于无人艇避碰仿真结果证明,该改进算法能够快速安全地实现无人艇在动态障碍下的自主避碰.