基于改进蝙蝠算法的混合储能系统容量优化配置

针对光伏发电在微网中不稳定、功率波动较大的问题,利用超级电容和蓄电池的混合储能系统对微电网中功率波动部分进行平抑。根据光伏功率波动率和储能响应特性,提出基于低通滤波器分解的功率分配方法,采用改进的蝙蝠算法对混合储能进行容量优化配置,以混合储能装置全生命周期费用最小为目标,以系统的功率平衡、储能的荷电状态以及负荷缺电率等指标为约束条件,建立一种混合储能系统容量优化配置模型,实现混合储能系统经济最优。算例仿真结果表明,改进的蝙蝠算法不仅优化了蓄电池的工作状态,降低了储能系统的全生命周期费用,而且加快了收敛速度。

基于混合蝙蝠算法的高比例风电电力系统调度方法

针对传统电力系统调度计算时间较长、均方根误差大、结果不准确的问题,文章提出一种基于混合蝙蝠算法的高比例风电电力系统调度方法。通过模糊机会约束规划和可信理论,将高比例风电电力系统约束转换为模糊机会约束,设定模糊置信度为递增向量,结合预测精度变化情况以及决策者对调度运行可靠性的期望变化,获取经过优化的调度结果。仿真实验结果表明,所提方法能够有效降低计算时间和均方根误差,同时还能够获取比较满意的高比例风电电力系统调度方案。

基于地质钻探智能云监控系统的钻速优化决策

面向地质钻探智能控制与优化决策的工程需求,基于云控制系统的设计理念,提出了地质钻探智能云监控系统设计方案,实现钻进过程状态监测、效率优化、智能控制与决策等功能.针对云监控系统中效率优化需求,提出了基于高斯过程回归和混合蝙蝠算法的钻速智能优化方案,并运用滑动时间窗口技术实现动态优化.基于智能云监控系统,设计了实际场景应用,结果验证了所提方法的有效性和工程适用性.

全向移动机械臂的混合视觉伺服与参数优化

面向全向移动机械臂的视觉控制任务,研究了一种基于混合视觉伺服的控制律设计方法,并采用蝙蝠算法(Bat Algorithm,BA)实现了运动轨迹优化。首先,为实现全向底盘和六自由度机械臂的同时控制,建立了全向移动机械臂整体的速度级运动学模型;进而,根据眼在手中的相机配置方案,分别推导了位置误差和图像误差的雅克比矩阵,在联合了机器人运动学模型的基础上,设计了全向移动机械臂的混合视觉伺服控制律;进一步设计了基于蝙蝠算法的控制器参数优化方法,使机械臂末端能够沿着尽可能短的路线到达期望位置;最终,通过稳定性证明和系统仿真实验说明了该算法的有效性。

带高斯扰动和协同寻优的蝙蝠粒子群混合算法

为了进一步提高粒子群算法的性能,提出了一种新的群体智能优化算法——带高斯扰动和协同寻优的蝙蝠粒子群混合算法。该混合算法利用蝙蝠个体脉冲的回声定位对最优粒子gbest进行高斯扰动而产生一个局部解,把该局部解加到蝙蝠种群中,然后根据局部解的位置优劣与蝙蝠个体产生的响度来更新粒子群。在寻优过程中,对gbest进行高斯扰动增加了种群的多样性而避免粒子群过快陷入局部最优,并且加强了蝙蝠种群与粒子群的信息交互,协同寻优。与蝙蝠算法、标准粒子群算法、烟花算法、带高斯扰动的粒子群算法、粒子群差分算法相比,带高斯扰动和协同寻优的蝙蝠粒子群混合算法的总体性能优于其他5种算法。

协同智能的蝙蝠差分混合算法

为解决差分进化算法后期收敛易陷入局部最优和早熟收敛的问题,提出一种群体智能优化算法,即协同智能的蝙蝠差分混合算法。利用蝙蝠个体脉冲回声定位的特点,与差分种群相互协作,在当前最优解gbest附近进行一次详细搜索,有效增加种群的多样性,跳出局部最优。通过蝙蝠种群和差分种群两个种群的相互协作,较好平衡全局搜索和局部开发之间的能力。为验证算法有效性,选用9个常用的基准测试函数和5个0-1背包问题,与标准粒子群算法、带高斯扰动的粒子群算法、蝙蝠算法、差分算法、烟花算法相对比,仿真实验表明,所提算法总体性能优于其它5种算法。

混合遗传蝙蝠算法求解单目标柔性作业车间调度问题

针对以最大完工时间最小化为目标的柔性作业车间调度问题(Flexible job shop scheduling problem,FJSP),提出一种混合遗传蝙蝠算法(HGBA).为了提高初始种群的质量与多样性,采用三种方式相结合产生初始群体;重定义惯性权重,采用动态递减的权值来平衡局部搜索与全局搜索;针对算法易陷入局部最优解的缺点,结合遗传算法的变异操作,提出一种基于变异操作的邻域搜索算法;同时根据编码方式以及位置更新可能造成的无效解情况,利用遗传算法的交叉操作提出混合列交叉方法来完成位置更新;最后,通过三个实例测试了算法的性能,实验结果验证了提出的算法在求解FJSP时的有效性.

一种改进的混合蝙蝠算法

为解决基本蝙蝠算法中存在的易陷入局部最优且求解精度不足的问题,提出一种改进的混合蝙蝠算法,引入了分组迭代模式和多种速度迭代公式加强了全局搜索能力,更新了种群领域搜索公式的基础上引用了t分布作为种群最优解的领域搜索方式,补足了蝙蝠算法的局部搜索能力,避免了算法陷入局部最优解。通过多个标准测试函数的实验验证改进的混合蝙蝠算法能有效解决基本蝙蝠算法中出现的问题。

求解带硬时间窗的多目标车辆路径问题的多种混合蝙蝠算法

针对多目标车辆路径问题的研究,考虑了车载量限制和硬时间窗的约束条件,以最小派车数和最小车辆行驶距离为目标建立了数学模型。在分析基本蝙蝠算法求解离散问题局限性的基础上,混合蝙蝠法加入交叉算子和重组算子,提高算法性能。利用遗传算法的特点,构建出三种混合蝙蝠算法。算例测试结果表明,混合蝙蝠算法是解决离散型问题的一种有效方法。与基本蝙蝠算法相比,混合蝙蝠算法具有较高的计算效率和持续优化能力,其中单点重组精英遗传混合蝙蝠算法解决算例寻优能力最佳。

易腐生鲜货品车辆路径问题的改进混合蝙蝠算法

针对配送易腐生鲜货品的车辆其配送路径的选择不仅受货品类型、制冷环境变化、车辆容量限制、交货时间等多种因素的影响,而且需要达到一定的目标(如:费用最少、客户满意度最高),构建了易腐生鲜货品车辆路径问题(VRP)的多目标模型,并提出了求解该模型的改进混合蝙蝠算法。首先,采用时间窗模糊化处理方法定义客户满意度函数,细分易腐生鲜货品类型并定义制冷成本,建立了最优路径选择的多目标模型;然后,在分析蝙蝠算法求解离散问题易陷入局部最优、过早收敛等问题的基础上,精简经典蝙蝠算法的速度更新公式,并对混合蝙蝠算法的单多点变异设定选择机制,提高算法性能;最后,对改进混合蝙蝠算法进行性能测试。实验结果表明,与基本蝙蝠算法和已有混合蝙蝠算法相比,所提算法在求解VRP时能够提高客户满意度1.6%~4.2%,且减小平均总成本0.68%~2.91%。该算法具有计算效率高、计算性能好和较高的稳定性等优势。

改进模因-混合蝙蝠算法及在定位中的应用

为了进一步提高蝙蝠算法的搜索性能,将模因算法双重搜索的功能引入蝙蝠算法,提出一种改进模因-混合蝙蝠算法。通过6个标准测试函数的验证,表明了该算法在收敛速度和性能上的优势。进一步将本文提出的算法应用到无线传感器网络节点定位上,来提高定位精度。从结果可以看出:在设置的条件相同的情况下,与CBA相比,其节点定位精度平均提高了0.5 m。

具有自适应步长与协同寻优的蝙蝠烟花混合算法

论文提出了一种新的群体智能优化算法--蝙蝠烟花混合算法.该算法采用蝙蝠算法在全局最优附近的位置信息、蝙蝠发出的频率、全局最优以及烟花的位置信息构造了新的爆炸半径,使烟花算法在寻优的过程中能够自动地调整步长;并且使蝙蝠个体与烟花个体实现协同寻优;最后,采用"精英-随机"策略选择下一代烟花,增加了烟花种群的多样性.与其他算法(如蝙蝠算法、标准粒子群算法、烟花算法等)相比,函数优化问题以及0-1背包问题的对比实验结果表明:论文提出的混合算法的整体性能优于其他五种算法.

考虑综合运输成本的多式联运路径优化问题

基于客户满意度和企业社会责任视角,考虑运输工具的排放、在途、不准时和货物价值衰变等因素造成的损失,结合运输工具成本,建立以综合运输成本最低为目标的多式联运路径优化模型,设计混合蝙蝠算法(HBA)对模型进行求解。采用随机算例进行仿真实验,并与和声算法(HSA)和混合算法(HA)进行对比。研究结果表明,模型及算法均可行有效,且HBA算法的全局寻优能力、稳定性和运行速度均优于HSA算法和HA算法。

求解有限缓冲区流水线调度问题的混合蝙蝠算法

针对最小化最大完成时间的有限缓冲区流水线调度问题(LBPFSP),提出一种混合蝙蝠算法(HBA)。在算法设计中,采用基于SPV的编码规则以实现连续的实数向离散的作业序列的转变,在种群初始化时引入NEH启发式算法,为提高算法的搜索效率,以一定的概率执行基于Pairwise的邻域搜索。对标准测试问题在不同缓冲区下的最优值进行仿真并与其他算法进行对比,并对基于Pairwise的邻域搜索的执行概率值对算法性能的影响进行讨论,其结果验证了HBA求解LBPFSP的有效性。

基于遗传蝙蝠算法的选择性拆卸序列规划

针对产品选择性拆卸序列规划问题,提出一种基于遗传蝙蝠算法的产品拆卸序列规划方法.利用Python语言对传统蝙蝠算法进行离散化处理,并在种群更新过程中引入遗传算法的交叉与变异机制,生成遗传蝙蝠算法,以增强解搜索的多样性;在构建适应度函数模型时以拆卸工具的变化次数与拆卸方向的重新定位次数作为评价指标,同时加入零部件的回收收益指标,使适应度函数更加完善.以工业机械臂为实例,利用所提方法进行产品拆卸序列规划求解,对比传统蝙蝠算法以及遗传算法的求解结果,发现在一定的种群数目下,所提方法收敛时间较短;在不同种群数目下,所提方法得到的适应度函数最优值质量较高,从而验证了遗传蝙蝠算法的搜索优越性.

混合蝙蝠算法对直线电机参数优化的研究

针对模型求解和数据优化问题,提出了混合蝙蝠算法(HBA),将标准蝙蝠算法(BA)与小生境思想结合在一起,借鉴并引入了粒子群优化算法(PSO)中的速度和位置更新公式,并在最后求解时引入了分布式计算的思想。通过分别采用BA算法和HBA算法对直线电机运动模型的加速度参数的优化试验,证明了HBA算法比传统的标准BA算法具有更快的收敛性和更高的求解精度等优点,在实际工程中HBA算法具有很大的实用价值。

基于混合离散蝙蝠算法的跨工序协同调度问题

针对跨工序的生产与配送协同调度问题,构建了前工序单机批加工、后工序多产线逐订单加工,且工序之间采用自动引导车循环配送的协同调度模型。以最小化最大完工时间和后工序前的在制品等待时间为调度目标,设计了融合模拟退火算法与解串算法的混合离散蝙蝠算法,与改进的离散粒子群算法和Ullrich遗传算法相比,该算法能很好地减少后工序产线前的队列等待时间,缩短产品的生产周期。

基于蝙蝠算法和动态窗口法的混合路径规划

为了更好解决移动机器人路径规划中的最优路径及动态避障问题,提出了一种蝙蝠算法与动态窗口法相结合的混合路径规划方法。针对基本蝙蝠算法存在后期收敛速度慢、收敛精度低等问题,首先提出基于对数递减策略和柯西扰动的改进蝙蝠算法。在此基础上,将多个路径指标作为适应度函数,实现了基于蝙蝠算法的全局路径搜索。最后,将全局路径规划的路径节点依次作为动态窗口法的局部目标点,实现了全局路径规划与局部动态避障的结合。实验结果表明,改进的蝙蝠算法具有更好的寻优性能,动态窗口法与蝙蝠算法结合后,在保证路径长度尽可能短的同时,实现了动态避障。

基于DE蝙蝠算法的混合推荐模型设计

针对单一推荐算法的精度不足以及数据稀疏问题,普通加权混合推荐模型权值难以收敛到全局最优的问题,提出了一种基于差分进化蝙蝠算法构建的多元加权混合推荐模型(DEBA-Hybrid Recommendation Model)。该模型通过差分进化蝙蝠算法优秀的全局寻优能力来寻找到适当的权值,对多种主流的推荐算法进行加权融合,以生成最终的用户评分预测矩阵进行物品推荐。使用RMSE和MAE指标在Movielens公开数据集上进行模型评估,结果表明该模型对比单一推荐算法和传统的加权混合推荐模型在推荐效果上有明显提升,具有实际意义。

基于混合蝙蝠算法的多车场车辆调度研究

多车场车辆调度问题是物流配送研究中的NP难题,同时也是现代物流的发展趋势。针对多车场车辆调度问题,考虑客户和物流运营商的利益,以客户不满意度最低、物流成本最低为目标,建立多目标车辆调度数学模型,并对目标函数进行规范化处理,将多目标问题化简为单目标问题。针对传统的蝙蝠算法在局部搜索能力上存在着不足的问题,将遗传算法中的自适应交叉操作引入到蝙蝠算法中,设计一种混合蝙蝠算法计算数学模型。通过MATLAB软件进行仿真,仿真结果与传统的蝙蝠算法进行对比。结果表明:此方法在解决多车场车辆调度问题上是可行的,并且优于传统的蝙蝠算法。