局部阴影情况下一种基于改进BFOA的光伏阵列GMPPT策略研究

局部阴影情况下光伏阵列输出特性的P-U曲线呈多峰形,I-U曲线呈多膝形。利用传统跟踪方法跟踪全局最大功率点时会陷入局部峰值点。文章针对细菌觅食算法(BFOA)在全局范围内收敛速度较慢的不足,提出一种改进BFOA。该改进算法首先在阴影遮挡发生时判断阴影情况,然后设法缩减电压跟踪范围,并在重新确定的电压范围内跟踪全局的最大功率点。文章在Matlab/Simulink环境中搭建光伏阵列,并将改进BFOA的模拟结果与传统扰动观察法、常规BFOA的模拟结果进行对比。研究结果表明:改进BFOA能够在局部阴影条件下成功地跟踪到全局最大功率点,且跟踪过程的动态响应时间明显缩短。

BFOA-EEMD在轴承故障诊断中的应用

针对旋转机械轴承故障特征信息在复杂环境影响下难以精确提取的问题,给出一种基于BFOA优化EEMD参数的研究方法,并将其应用到轴承故障诊断中。首先,基于细菌觅食优化算法优化EEMD中的白噪声幅值系数ε,通过设置优化后的参数值,将降噪信号分解若干的固有模态分量;然后,对分解后的固有模态分量采用EMD-包络谱选取相对最优分量,提取最优分量的样本熵和排列熵组成特征向量;最后,利用模糊C均值聚类算法识别轴承的故障类型。实验对比结果表明,BFOA-EEMD方法比基本的EEMD方法和BFA-EEMD方法更能有效实现轴承的早期故障诊断。

基于BFOA的拉格朗日插值点最优配置

拉格朗日插值法是工程中常用的函数近似重构技术,其有效性与采样点的位置选择密切相关。细菌觅食优化算法(BFOA)则是一种新兴的模拟大肠杆菌觅食行为的群体智能算法,目前尚未得到广泛的应用。提出利用细菌觅食优化算法进行拉格朗日插值点的优化求解,结果优于传统方法。本研究验证了细菌觅食优化算法的有效性,同时为拉格朗日插值点的最优配置提供了新的解决思路。

Parameters Influencing the Optimization Process in Airborne Particles PM10 Using a Neuro-Fuzzy Algorithm Optimized with Bacteria Foraging (BFOA)

The airborne pollutants monitoring is an overriding task for humanity given that poor quality of air is a matter of public health, causing issues mainly in the respiratory and cardiovascular systems, specifically the PM10 particle. In this contribution is generated a base model with an Adaptive Neuro Fuzzy Inference System (ANFIS) which is later optimized, using a swarm intelligence technique, named Bacteria Foraging Optimization Algorithm (BFOA). Several experiments were carried with BFOA parameters, tuning them to achieve the best configuration of said parameters that produce an optimized model, demonstrating that way, how the optimization process is influenced by choice of the parameters.

BFOA在军械装备维修任务调度中的应用

分析了军械装备维修任务调度问题的特点，给出了细菌觅食优化算法（Bacteria Foraging Optimization Algorithm）的操作流程，针对军械装备维修任务调度问题建立了数学建模，设计了编码策略并应用Matlab工具软件进行了仿真计算。

基于BFOA-SVR的铁路车站环境温度预测

铁路车站是人群密集的大型公共建筑,站内温度易受外界温度与站内湿度、光照、人群等多种动态复杂因素的影响。针对站内温度的预测具有时变性、复杂性、非线性等特点,因此提出了一种基于细菌觅食优化算法(Bacterial-Foraging Optimization Algorithm,BFOA)的支持向量回归(Support Vector Regression,SVR)的铁路车站环境温度预测。首先将环境数据作为特征向量输入,并通过BFOA算法对SVR模型的进行参数优化,最后基于优化模型开展温度预测,并与GA、PSO算法优化模型进行仿真对比。实验结果表明,相较于其它模型,该模型具有更好的预测精准度和鲁棒性,预测结果可以为车站环境调控与设备节能提供决策依据。

基于BFOA和K-means的复合入侵检测算法

K-means算法对初始聚类中心及簇数K的选择敏感,导致聚类结果不稳定,会对IDS(intrusion detection system,IDS)的检测结果产生重要影响。针对该问题,提出一种基于细菌觅食优化算法(bacterial foraging optimization algorithm,BFOA)和K-means相复合的入侵检测算法(HIDS)。HIDS算法首先基于距离阈值方法动态确定簇数K,再利用BFOA优化生成初始聚类中心,使得选择的初始聚类中心达到全局最优,从而解决了K-means算法的聚类结果不稳定的问题,进而提高入侵检测的准确率。为验证算法的有效性和测试算法性能,将HIDS在KDD99数据集上进行试验测试,入侵检测率可达98.33%。试验结果表明该方法能够有效提高检测率并且降低误检率。

改进细菌觅食算法求解车间作业调度问题

针对细菌觅食算法(BFOA)求解高维优化问题时容易陷入局部最优和早熟的问题,引入自适应步长及差分进化算子,并将改进算法用于车间作业调度问题(JSP)中。求解时,设计了一种编码转换方案,从而无须修改BFOA运算规则即可实现对JSP的寻优;同时,采用空闲时间片段优化策略降低了调度问题的复杂性。仿真实验表明,该算法能够跳出局部最优,避免了早熟的问题,调度结果优于原始细菌觅食算法和离散粒子群算法。

细菌觅食算法求解高维优化问题

针对细菌觅食优化算法中,以往的自适应步长公式引入参数过多,统一的经验性参数无法适应各类不同问题的情况,提出了改进的自适应步长公式,通过在步长公式中引入当前细菌的进化代数、寻优范围,并发挥当前最优细菌的引导作用,灵活地调整步长,真正达到自适应调整步长的目的;其次对高维优化问题进行分析,将其分为可分解可分组、不可分解可分组和不可分解不可分组三大类,针对不同类型的问题,采用不同的分组方式,降维、细化来求解,将复杂问题简单化,极大地提高了求解的效率和精度。将改进的自适应步长公式应用于高维优化问题的求解方法中,通过对多个标准测试函数在多维空间特别是超高维空间(500维、800维、1000维)进行测试,并将其结果与其他算法进行比较,实验证明该改进算法在寻得最优解的精度和效率上比其他改进方案有显著提高。

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。

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。

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。

基于改进细菌觅食算法的配电网重构

提出一种改进细菌觅食算法,能使配电网重构计算更加实际有效,通过IEEE33和IEEE69节点系统的仿真计算,结果表明所提方法在全局寻优和收敛速度上有较好能力,适用于当前配电网结构复杂,计算量大的特点。

工期约束下的电网工程建设项目计划制定与控制研究

针对电网工程建设项目计划制定和控制问题,讨论了在工期有限制条件下,力求资源均衡地消耗问题.在传统资源均衡优化方法的基础上,提出了合理使用细菌觅食算法解决资源均衡优化问题的方法,并设计了相应的算法过程.实例模拟计算表明,利用细菌觅食算法可求得均衡性更优化的施工过程.

一种混合蜂群算法的自适应细菌觅食优化算法

针对细菌觅食优化算法(BFOA)全局搜索能力差和易陷入局部最优的缺点,提出一种混合人工蜂群算法(ABC)的自适应细菌觅食优化算法。借鉴ABC的雇佣蜂行为,设计一种新的雇佣蜂式趋化方式,以提高算法的全局搜索能力。同时将原固定步长趋化改为自适应步长趋化,以提高算法的求解精度。引入种群多样性评价,依据评价结果完成2种趋化方式的自适应切换。为克服直接复制带来的多样性降低问题,提出基于t分布扰动的复制方式,同时设计基于对立学习的侦察蜂式迁移,以避免算法的早熟。仿真实验结果表明,与ABC和BFOA算法相比,该算法的寻优能力较强,在求解精度和收敛速度方面也具有较优的性能。

基于细菌觅食优化算法的永磁同步电机位置伺服系统模糊控制策略

针对PID控制器参数固定而引起永磁同步电机(PMSM)位置伺服系统控制效果不佳问题,设计了基于细菌觅食优化算法的模糊控制器。该位置控制系统是以空间矢量控制为理论基础,由位置环、速度环、电流环构成的PMSM三闭环控制系统。在MATLAB/Simulink环境中将模糊控制器应用在系统位置环上。对比仿真结果发现,参数优化后的模糊控制器在系统位置环的作用更加优越,完全克服了传统PID控制器的缺点,能有效提高电机位置控制的快速性和准确性。

基于细菌觅食算法的光伏阵列MPPT控制方法

针对光照不均匀条件下光伏阵列P-V输出特征呈现多波峰,传统算法无法摆脱局部最优值的缺点,提出了一种基于细菌觅食的优化算法,并首次应用于光伏阵列的最大功率点跟踪(MPPT)。算法引入了趋向性操作,用以进行局部范围内的最优寻找。分析了光伏阵列在遮挡条件下输出功率的变化特性,然后使用细菌觅食算法进行了最大功率点跟踪控制方法实验。实验表明,该算法能够成功摆脱局部最优值的约束,快速寻找到全局最大功率点,控制精度高,为光伏阵列最大功率点跟踪提供了一种新的实现方法。

基于改进细菌觅食算法的测试用例生成方法

针对测试用例自动化生成技术中效率较低的问题,尝试引入新的细菌觅食算法,并结合测试用例生成问题提出了一种基于细菌觅食算法的改进算法(IM-BFOA)。IM-BFOA首先采用Kent映射来增加细菌的初始种群和全局搜索的多样性,其次针对算法中趋化阶段的步长进行自适应设计,使其在细菌趋化过程中更加合理化,并通过实验仿真验证其合理性,最后根据被测程序构造适应度函数来加速测试数据的优化。实验结果表明,与遗传算法(GA)、粒子群优化(PSO)算法和标准细菌觅食优化算法(BFOA)相比,该算法在保证覆盖率的前提下,在迭代次数和运行时间方面都是较优的,可有效提高生成测试用例的效率。

细菌觅食优化算法在光散射法颗粒粒度反演中的应用

针对函数约束算法中传统的智能算法反演时存在鲁棒性差和易陷入局部最优的缺点,提出了将正则化理论与细菌觅食优化算法相结合应用在颗粒粒度的测量中。引入Tikhonov平滑泛函来构建算法的目标函数,采用L曲线法确定正则化参数;再利用细菌觅食优化算法通过趋向、聚群、复制和迁徙等四种智能行为,迭代计算来搜寻函数的最优解。实验仿真结果表明:利用细菌觅食优化算法实现了在不同程度的随机噪声下的服从J-SB分布的单峰分布的均匀球形颗粒粒度分布反演,其反演结果更稳定,反演精度高,对于实现稳定、快速、准确的颗粒粒度在线测量具有重要的意义。

细菌觅食算法混合PSO的阻尼控制器参数优化

为了在多机电力系统中设计最优电力系统稳定器从而阻尼低频振荡,提出了一种基于细菌觅食算法和粒子群优化的混合方法。首先,给出了优化阻尼因数和阻尼比的基于特征值的目标函数;然后,利用PSO引入细菌的变异算子;最后,运用BSO搜索和迭代得到最优控制器参数。仿真结果表明,相比原始BFOA算法和PSO算法,算法在提高电力系统稳定性方面取得了更好的性能。