基于分区个体排名的非线性种群缩减的人工蜂群算法

针对人工蜂群算法(ABC)探索性强而开发性弱,从而导致收敛速度慢的问题,提出了一种基于分区个体排名的非线性种群缩减策略(UPSR-CIR)。首先,该策略设计长尾非线性种群规模缩减函数,在前期保持大种群充分探索,中期快速缩减使得后期保持小种群加强开发,同时为后期分配相对较多计算资源以加速收敛;其次,为确保种群多样性,采用K-means聚类通过间隔一定代数对种群进行动态分区,并以分区为单位进行种群缩减;同时,种群按分区缩减时,按照分区内最优个体在整个种群排名确定删除个体数量,为排名高的潜能分区保留相对较多的计算资源来进一步加强开发。采用22个基准测试函数在ABC及其变体上对UPSR-CIR进行实验对比分析,结果表明UPSR-CIR表现出更高的求解精度、稳定性和收敛速度,同时对于ABC变体具有普适性。最后采用12个经典旅行商问题(TSP)案例进一步验证UPSR-CIR在实际应用问题上的实用性和优越性。

一种改进自适应步长人工蜂群优化随机森林的滑坡风险性评价方法

融合群智能全局优化人工蜂群(artificial bee colony,ABC)算法与随机森林(random forest,RF)模型,提出一种改进自适应步长人工蜂群(improved adaptive step size artificial bee colony,IASSABC)算法优化RF模型的滑坡风险性评价方法。针对ABC算法存在的后期收敛速度慢与早熟的问题,融合全局最优解和领域半径参数的思想,发展了IASSABC算法并用于优化调整RF模型参数,以提升RF模型的泛化性能与抗过拟合能力,降低RF模型陷入局部最优解的风险。实际案例表明,本文方法兼具引入最优解的自适应步长人工蜂群(adaptive step size artificial bee colony,ASSABC)算法具有的强针对性与方向性优点,以及引入领域半径参数的改进人工蜂群(improved artificial bee colony,IABC)算法具有的全局参数最优解强搜索能力。相较于传统的ABC、ASSAB、IABC模型,IASSABC优化RF模型在滑坡风险性评价中具有更强的参数最优解搜索能力和更高的评价准确性。

熊蜂多样性对群落花资源及其周围景观特征的差异性响应

以滇西北熊蜂多样性全球分布中心为研究区,在群落花末期选取了香格里拉市境内19个开花植物群落,深入调查了熊蜂及开花植物的多样性。本研究计算了熊蜂的多样性指数,并量化了每个植物群落景观组成和景观配置的多种变量。广义线性模型分析结果显示,总体上熊蜂的多度和物种丰富度与调查群落的花资源密切相关,而熊蜂的香农多样性指数则主要受景观尺度林地覆盖比例的影响。由于不同特性的熊蜂对群落花资源和景观特征的反应可能不同,本研究进一步对不同体型和喙长的熊蜂进行了分析。结果表明,根据飞行能力,大体型的熊蜂对周围林地和耕地覆盖比例的变化更敏感,而中小体型熊蜂更依赖调查群落里的花资源及周围生境间的连通性。从喙长来看,短喙的熊蜂主要依赖调查群落的花资源,而中长喙熊蜂由于其取食策略不同,更依赖景观尺度上的资源。研究结果阐释了花资源的可用性与景观特征对熊蜂多样性的影响式样及其潜在机制,发现飞行能力和觅食策略显著影响了不同熊蜂对环境依赖式样的差异。

广东省饶平县地面筑巢的栗喉蜂虎种群数量、巢洞特征及生境因子选择

栗喉蜂虎(Merops philippinus)每年4—7月由东南亚、南亚到我国进行繁殖,以往的研究表明栗喉蜂虎喜欢在坡度为30°~90°的裸露沙质坡面营巢,但近年来发现饶平县栗喉蜂虎存在于平坦开阔地面营巢繁殖的现象,为了解栗喉蜂虎平地繁殖巢洞特征与生境因子,于2023年4—7月,对饶平县地面营巢地中栗喉蜂虎的种群数量、巢洞特征及营巢地生境因子进行调查。结果表明:饶平地面筑巢栗喉蜂虎种群数量为128~224只;繁殖巢洞和废弃巢洞在长度、深度、水平长度及倾斜角度上存在统计学差异(P≤0.005),繁殖巢洞需要适宜的长度、深度、水平长度及倾斜角度;巢洞朝向具有偏好性,主要朝向北方、东方及西北方;繁殖巢洞的洞底日温差最小,巢室内温度稳定;栗喉蜂虎地面巢区巢洞密度较大,邻近巢洞的最小洞间距平均值为3.8 m;巢区裸露度较低,为(35.08±10.77)%;巢洞与水源距离为(107.92±40.41)m;栗喉蜂虎对巢区土质具有选择性,营巢地土壤为砂土,含沙量为(92.0±3.4)%,土壤粒径主要集中于(0.125~0.250)mm。研究结果可为栗喉蜂虎的种群及栖息地保护提供科学依据。

蜂场规模对苹果授粉效果的研究

2009年和2010年进行了20群蜂与50群蜂不同授粉距离蜜蜂对苹果树授粉效果的考察,结果表明,2009年苹果树为大年,20群蜂的最佳授粉半径为150m,50群蜂的最佳授粉半径为200m;2010年苹果树为小年且花期出现冻害,20群蜂与50群蜂的最佳授粉半径都相对扩大。因此,在实际放蜂为苹果树授粉时,蜂群大小的配置必须考虑到苹果树大小年的区别。

安徽两种蜜蜂种群的春季繁殖及数量动态特征

1997～ 1999年在皖中和皖西、皖南山区对意大利蜜蜂 (ApismelliferaLigusticaSpi.)和中华蜜蜂(ApisceranaceranaFeb .)种群数量动态进行系统观察研究 .结果表明 ,蜜蜂种群数量明显受气候和蜜粉源植物的影响 ,周年呈现“两高”(春、秋 )和两低 (夏、冬 )的变化模式曲线 ;意大利蜜蜂春繁及秋季更新速度明显快于中华蜜蜂 ,但越夏效果不及中华蜜蜂 .意大利蜜蜂的性比值为 (314.4± 2 89.9)∶1～ (32 9.4± 30 5 .8)∶1,中华蜜蜂为 (334.2± 2 35 .5 )∶1～ (413 .1± 377.2 )∶1,雄蜂呈季节性出现 .蜜蜂种群内年龄组配在不断变化 .

孤岛式柴油机混合能源系统优化配置研究

考虑孤岛式柴油机混合能源系统供电的特点,提出一种基于人工蜂群优化机理的混合能源系统优化配置方法。首先建构基于柴油机混合能源系统的数学模型和配置优化的目标函数,然后利用人工蜂群算法优化其目标函数获得系统最优的配置。光伏/储能电池/柴油机、风电机/储能电池/柴油机、光伏/风电机/储能电池/柴油机3种混合模式能源的系统配置实验结果表示该方法具有良好的优化配置效果和性能,在解决微电网系统配置问题上有很好的工程实用价值。

基于人工蜂群算法的分布式电源规划

研究了在现有配电网中分布式电源的优化规划问题,为实现分布式电源投资商收益最大,建立了以分布式电源售电费用与运行维护费用之差最大为目标的规划模型,考虑分布式电源接入后对配电网的影响,将节点电压与线路潮流加入到约束条件中。针对分布式电源规划模型离散、非线性的特点,采用人工蜂群算法进行模型求解,最后得到了最优的分布式电源接入方案。实际算例验证了所建立模型的有效性以及所采用算法的良好的收敛性。

考虑电动汽车智能充放电的独立微网优化配置

由于接入微网的EV具有储能特性,对其充放电进行合理调度控制能够减少储能的配置,降低微网综合成本。文中提出考虑EV智能充放电的微网能量管理策略,通过蒙特卡洛模拟得到EV可参与微网调度的具体时间段和初始SOC,引入放电指示变量判断EV能否参与微网调度,优先由可调度的EV平抑风光发电与负荷的差额。优化配置模型以经济性最优为目标,环保费用折算到目标函数中,将可靠性作为约束条件从而在满足负荷供电的同时不影响EV正常出行。优化模型求解采用搜索精度较高、鲁棒性较强的人工蜂群算法。对不同数量的EV行驶行为进行多次场景模拟,结果表明在长达一年的研究周期下,EV行驶行为的随机性对优化配置结果影响甚小,证明本文提出的EV智能充放电模式下微网能量管理策略适用于全寿命周期的微网优化配置,具有较强的稳定性和实用性。

中蜂工蜂巢房大小对其体重影响

为了探究蜜蜂在相同遗传背景下,不同大小的巢房对蜜蜂体重的影响。本试验在中蜂蜂群内加入西方蜜蜂巢础,让蜂群自行建造,当改造好的蜂脾有大量封盖子脾时,放置于人工气候箱内孵化,出房后开始大量标记蜜蜂,按照相应的日龄采集蜜蜂称重,每群15只。结果表明:与自然建造中蜂蜂群相比,中蜂使用意蜂巢础后,不同日龄工蜂体重差异显著增加。这为进一步研究不同巢房大小对蜜蜂形态特征影响及产蜜量的影响提供理论基础。

改进人工蜂群算法的孤岛混合可再生能源发电系统容量优化

容量优化对提高风电-光伏-电池混合发电系统的经济性和可靠性具有重要意义。为进一步提高容量优化的精度,本研究提出了一种基于改进蜂群算法的容量优化方法。首先,在建立组件模型、设计能源管理规则库的基础上,以最小化单位度电成本为目标,以系统缺电率为约束,建立了混合发电系统容量优化模型;其次,通过在蜂群算法雇佣蜂阶段中引入差分进化算子,提出了一种改进蜂群算法的模型求解方法,并通过与蜂群、差分进化算法对比,验证了改进蜂群算法的有效性;最后,分别在不同缺电率要求下优化混合系统容量,得出了单位度电发电成本与缺电率的关系,并通过灵敏度分析,研究了设备价格,气象等因素对单位度电成本的影响。结果表明,在缺电率为3%时,混合系统总投资成本为779 564.26美元($),其中,光伏、风电、电池及变换器成本分别占总成本的33%、29%、34%和3%,单位度电成本为0.349 447$/kWh;单位度电成本随缺电率增加而下降且下降速率逐渐降低;单位度电成本在组件价格方面受光伏组件价格影响更明显,在气象方面,受风速均值影响更明显。该研究成果可为科学设计混合系统容量,促进风、光资源互补利用提供科学依据。

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。

粉碎粒径对油菜蜂花粉在体外模拟消化中多酚含量及发酵产酸的影响

通过体外模拟方式,对比4种不同粉碎粒径的油菜蜂花粉在消化各阶段的多酚溶出量、消化完成后多酚残留量,同时结合高效液相色谱分析残留多酚组分及其利用肠道菌群发酵产酸能力。结果表明,在体外模拟消化过程中蜂花粉多酚溶出量随粉碎粒径的减小而增加,粉碎提高了溶出多酚在肠液消化过程中的保留率。经消化完成后,蜂花粉多酚残留量随着粉碎粒径的减小而增加,同时粉碎对其残留多酚的组分有一定影响。在体外模拟后肠发酵产酸过程,粉碎粒径越小发酵液pH值越低,产生的乙酸、丙酸、丁酸含量越高,发酵产酸特性越好。研究表明,在蜂花粉多酚的体外消化特性上破壁优于未破壁,为蜂花粉深加工产品的开发与应用提供理论依据。

基于人工蜂群算法的多峰颗粒粒度分布反演

使用人工蜂群算法实现对基于Mie散射理论的小角前向散射法的颗粒系粒径多峰分布的反演,并进行仿真和实验.对服从正态分布、Rosin-Rammler分布、Johnson’s S B分布函数的均匀球形颗粒系进行仿真.分别模拟了单峰、双峰和三峰分布的颗粒群,人工蜂群算法均能较好地实现颗粒粒径的反演.在单峰分布时,颗粒重量频率分布曲线的相对均方根误差低至3.53×10^-8.与独立模式Philip-Twomey-NNLS算法和Chahine算法相比,人工蜂群算法的仿真反演精度更高,其双峰宽分布的颗粒重量频率分布曲线的相对均方根误差分别由3.38%和2.70%降至1.53%,且随着峰数增多、分布曲线宽度变窄和噪声增加,Philip-Twomey-NNLS算法和Chahine算法的误差分别增加至44.99%和24.36%,而人工蜂群算法的误差为18.22%.搭建小角前向散射法颗粒测量系统,分别采集国家标准颗粒35μm单一颗粒群和30μm、51μm混合颗粒群的散射图像进行实验研究,均得到较高精度的反演结果,与Philip-Twomey-NNLS算法相比,其特征粒径的相对误差可降低50%左右,特征参数的相对误差在5%以内.

基于改进蜂群算法的多传感器目标分配方法

针对多传感器目标分配中参数多、计算复杂、实时性不强、全局搜索能力不高等问题,在分析其数学模型的基础上,基于改进人工蜂群算法,对目标函数进行优化并确定分配方案。改进后的算法中,跟随蜂采用双向轮盘赌的方式选择引领蜂,并采用萤火虫算法中的自适应步长策略来进行局部搜索,有助于提高算法收敛速度、增强算法的局部搜索能力。仿真结果表明,改进蜂群算法能够有效解决多传感目标分配问题,与基本蜂群算法相比,改进后的算法收敛速度加快、寻优能力得到进一步增强,具有较强的实用价值。

基于超声波衰减效应的悬移质粒径分布反演

粒径分布是两相流的一项重要参数,为了实现其准确快速的测量,本文提出了一种超声波衰减效应与人工蜂群反演算法相结合的粒径分布测量方法。设计了基于聚焦式超声波传感器的悬移质参数测量系统,用于获得超声衰减信号并得到有效的实验衰减系数。根据理论声衰减模型求得理论衰减系数,构造理论衰减系数与实验衰减系数的误差函数作为目标函数。引入人工蜂群算法,优化目标函数,通过反演获得最优粒径分布。实验分别对三种不同分布的悬移质样本进行测量并采用筛分法作为对照实验,进行误差因素分析。结果表明,在实验范围内,该方法有较高的可行性与准确性,可为自由水体中悬移质粒径分布的测量提供一条新的思路。

基于近红外窄波段光源的消光光谱粒径测量

提出一种基于连续透射消光光谱的粒径测量方法。基于Mie散射理论和人工蜂群算法对颗粒粒径进行反演,结果表明,单峰分布时颗粒的体积频率分布曲线相对均方根误差(RRMSE)低至0.08%,双峰分布时颗粒的体积频率分布曲线RRMSE低至3.49%。用编号为GBW120134、GBW120024和GBW120041的聚苯乙烯乳胶标准颗粒进行了对比实验。结果表明,单峰分布时D50粒径的相对误差在10%以内,双峰分布时D50粒径的相对误差在20%以内。

基于混合人工蜂群与泛化模式搜索算法的颗粒粒径分布重建

在光散射颗粒粒径分布测量过程中会产生大量测量数据,且无法对所有测量数据进行精确分析,进而降低了颗粒粒径分布重建的速度与精度,导致煤矿粉尘测量结果产生误差,出现安全隐患,危及生产和工作人员的安全。研究快速有效的反演算法,用于颗粒粒径分布的重建,成为颗粒粒径测量领域的重要课题之一。通过运用人工蜂群算法与泛化模式搜索算法相结合的混合算法,反演重建单峰R-R分布。将算法与遗传算法、Phillips-Twomey方法比较,结果表明,混合算法能够有效用于单峰R-R分布的反演重建,为工业应用提供有效且可靠的方法。