求解柔性作业车间调度问题的细菌算法对比及改进

为充分探讨细菌系列算法求解离散优化问题的能力,针对柔性作业车间调度问题,采用细菌趋化算法、细菌群体趋化算法、细菌进化算法、细菌群游算法和细菌觅食优化算法进行求解.首先建立了以完成时间为目标的柔性作业车间调度问题模型,然后用5种细菌算法进行求解,数值试验结果表明:细菌觅食算法的寻优能力最强.接着,进一步对细菌觅食算法进行了改进,针对其关键操作设计了数十种算子,最终得到优化能力最强的算法结构和算子组合.最后的数值实验表明,改进的细菌觅食算法寻优能力及稳定性大幅提升,体现出非常好的全局开发能力和局部搜索能力.

基于智能优化算法的T-S模糊模型辨识

将智能算法应用在T-S模糊模型的辨识方面,是模糊系统辨识的一种新途径。文中对几种智能优化算法,如遗传算法(genetic algorithm,GA)、粒子群(particle swarm optimization,PSO)算法、菌群优化(bacterial foraging optimization,BFO)算法等的优化原理和在模糊辨识方面的应用现状进行了综述和分析,并给出了它们在T-S模糊模型辨识中对参数进行优化的过程。最后将这些优化方法用于一非线性动态系统的建模,并对仿真结果进行了对比和详细的分析,为进一步了解这几种优化方法在模糊模型辨识参数优化方面的作用提供了仿真实验依据。

一种群体智能融合算法及其在应急设施选址的应用

针对粒子群优化算法早熟及细菌觅食算法收敛慢的问题,提出了将量子粒子群优化与细菌觅食算法融合的一种群体智能融合算法。该算法将细菌觅食、量子计算理论及粒子群优化的优点进行融合,以细菌觅食算法为主体,将量子进化算法及粒子群优化算法嵌入其中,从而极大地提高了算法的性能。通过对三个标准函数求解和验证,结果表明该算法提高了收敛精度及速度。最后用该算法求解公共卫生应急服务设施点选址问题,取得了较好的效果,说明了该算法的有效性。

自适应细菌觅食算法的局部放电定位

实现局部放电(partial discharge, PD)源准确定位对保证电气设备长期安全运行具有重要意义。为提高PD源定位的精度,基于到达时间差(time difference of arrival, TDOA)法的原理,提出自适应惯性权重细菌觅食定位算法(adaptive inertia weighting-bacterial foraging algorithm, AIW-BFA),自适应调整搜索步长,通过驱化、复制和分散进行全局寻优。由于电磁波在变压器内传播会发生反射、折射和衍射,使得PD源的定位变得更为复杂。基于最短光程原理,提出在变压器箱体内存在障碍物情况下的电磁波传输路径计算模型,来降低时延误差。仿真实验和现场实验结果表明,AIW-BFA定位精度可以满足定位需求,并且优于BFA法和粒子群优化(particle swarm optimization, PSO)法,证明了提出模型以及定位算法的有效性。