一种新的WSN故障数据挖掘算法

为了有效提高无线传感器网络故障数据的判别能力,在以往的研究基础上,本文结合菌群优化算法提出了一种新的挖掘方法FDMBFO(Fault Data Mining algorithm based on Bacteria Foraging Optimization).该算法首先通过小波变换和关联系数给出了故障数据分布区间的划分方法,建立了目标挖掘函数,同时利用菌群优化算法实现对目标函数的求解.最后,通过实际样本数据进行仿真实验,深入分析了影响FDMBFO算法的关键因素,并对比研究了FDMBFO算法与其它算法之间的性能状况,结果发现FDMBFO算法具有较好的适应性.     

菌群优化算法分析

菌群优化算法虽然有诸多优点,但因算法较新而使得其适用范围有待进一步明确。本文通过对简单非线性模型、典型非线性模型以及复杂非线性模型的仿真,验证了该算法的有效性并对算法进行了分析。通过实际算例的仿真结果确定了该算法不适合运用于无显著峰谷的非线性优化问题的求解上,并在此基础上对该算法的特性通过仿真结果进行了分析。     

基于细菌觅食优化多核支持向量机的作物生长环境控制

为了解决大规模生长环境变量所带来的计算复杂度较高的问题,采用细菌觅食优化多核支持向量机算法对农作物产量进行预测分析,从而实现作物生长环境的最优控制;首先,采用高斯核函数、多项式核函数和Sigmoid核函数组合方式建立多核支持向量机,其输入为作物生长环境,采用细菌觅食优化算法优化核函数关键参数;其次,利用多核函数的参数构建菌群进行训练,设置作物产量作为细菌觅食优化算法适应度;最后,通过菌群位置更新优化后的最优核函数参数进行多核支持向量机优化求解,获得空气温度、湿度,土壤温度、湿度等生长环境特征数据。结果表明,选择合适的多核函数组合,并合理设置细菌觅食优化算法的引力和斥力系数、迁徙概率阈值等参数,能够获得最高产量所对应的作物生长环境特征数据。     

基于菌群优化算法优化生产车间传感网能耗

为了降低制造车间传感网能耗,采用基于菌群优化的径向基函数神经网络算法对传感网数据进行融合,去除冗余感知数据并降低数据维度;首先分析传感网节点的分簇及数据传输方式,然后建立基于径向基函数神经网络的生产车间传感网数据融合模型,引入菌群算法,利用菌群算法的趋化、复制和迁徙操作对神经网络的权重进行优化,获得稳定的径向基函数神经网络结构。结果表明,相比常用传感网能耗优化算法,采用菌群优化的径向基函数神经网络优化效率高,在网络能量一定的情况下,能有效减缓节点的"脱网"速度,并增加汇聚节点的接收数据量,通过改变菌群趋化步长的策略获得更优的优化性能。     

一种基于改进BFO和RLS的模糊建模方法

为了提高非线性系统的模糊建模精度,提出了一种基于改进的菌群优化算法(IBFO)和递推最小二乘(RLS)算法的模糊建模混合学习算法。该方法采用T-S模糊系统进行函数逼近,首先用改进的菌群优化算法优化模糊模型的前提参数,然后用递推最小二乘算法优化模糊模型的后件参数,实现对模糊模型全局参数的优化。对非线性系统、煤气炉数据和气动加载系统的建模表明,该方法在逼近精度方面优于其他方法。     

混合优化算法及在约束优化问题中的应用

针对混沌优化方法和Alopex算法的特性,将改进的Alopex算法嵌入到混沌优化算法中,提出了一种混合优化算法,此算法充分发挥了改进的Alopex算法的快速搜索能力和混沌优化方法细致寻优的特性,提高了算法的收敛速度,避免了优化算法陷入局部最优的缺陷;同时将混合优化算法应用于约束优化问题中．仿真结果表明了混合优化算法的有效性．     

基于菌群优化Spiking神经网络的渲染时间估计

为了提高三维模型渲染时间估计的准确度，采用Spiking神经网络算法进行渲染时间预估。目前，基于Spiking理念的神经网络模型有多种，选择了其中的卷积Spiking神经网络(Convolutional Spike neural network, CSNN)来实现渲染时间计算。首先，建立了基于CSNN的渲染时间预估模型。通过点火时间序列完成编码，从而触发脉冲响应实现数据传递。其次，利用CSNN的权重、卷积核尺寸、偏置等参数来构建菌群优化(Bacterial foraging optimization, BFO)算法，并以渲染时间预估值和实际值的差值作为适应度函数。通过驱化、繁衍和迁徙操作不断更新菌群个体的适应度值来获得最优个体。最后，以最优参数进行CSNN的渲染时间预估。试验结果表明，通过合理设置BFO算法的引力系数、斥力系数和迁徙概率阈值等参数，BFO+CSNN算法能够获得较高的渲染时间预估准确率。相比于其他渲染时间预估算法，BFO+CSNN算法具备更高的渲染时间预估准鲁棒性。     

优化算法在天然气管网运行中的应用

阐述了天然气管网运行优化的数学模型,建立了两种目标函数,最大收益目标函数和最大流量目标函数,8种约束条件。通过研究各种典型优化算法的优劣性,确定了线性化优化算法、复合形优化算法、可行方向优化算法三种方法来求解天然气管网运行优化模型,并编制了应用程序。结合实例,对三种算法在天然气管网运行优化中的应用进行了研究,结果表明,三种算法的优化结果误差在I%内,线性化优化算法在收敛速度和解的质量方面均优于其他两种算法,更具实用性。     

现代智能优化算法的研究综述

本文着重回顾了现代智能优化算法的发展历程,主要介绍了现代智能优化算法的基本概念,主要包括模拟退火算法、遗传算法、神经网络优化算法、蚁群算法、粒子群优化算法等,并阐述了其工作原理和特点,归纳了它们主要的应用方向,同时对智能计算方法的发展进行了展望。     

弹性粒子群优化算法及其在水电优化调度中的应用

为有效避免粒子群优化算法后期收敛速度慢的问题,提高寻优能力,设计了一种以自适应方式更新粒子飞行速度的弹性粒子群优化算法,建立了水电优化调度数学模型,提出了弹性粒子群优化算法解决水电优化调度问题的实现方法,包括粒子编码设计、适应度函数设计以及弹性修正值设计,并编制了基于Matlab语言的优化程序.实例仿真结果表明:弹性粒子群优化算法是有效的;相比基本粒子群优化算法和自适应粒子群优化算法,弹性粒子群优化算法求解水电优化调度问题具有更强的全局寻优能力和更快的收敛速度.     

基于细菌觅食优化算法的图像聚类方法研究

利用细菌觅食优化算法研究图像聚类问题,采用群体智能模式实现问题解的搜索.首先提取图像特征以确定解的编码形式,初始化种群,在此基础上利用细菌觅食优化算法的细菌迁徙算子、繁殖算子和趋化算子实现群体内个体之间的相互合作和竞争,提高了算法的搜索能力,实验证明该算法具有较强的适应性和鲁棒性.     

一种基于反馈策略的自适应选择人工蜂群算法

雇用蜂觅食策略对人工蜂群算法性能有较大影响,而单一的觅食策略难以适用于所有问题的搜索空间,并且算法运行的不同阶段所适合的搜索策略也不尽相同.因此,如何为一个给定的函数优化问题选择最佳的觅食策略尤为重要.针对这一问题,提出了一种基于反馈的觅食策略自适应人工蜂群算法SSABC,该算法能够在优化过程中为一个给定的优化问题自动选择最佳的觅食策略.实验表明,与经典ABC(artificial bee colony algorithm),PSO(particle swarm optimization),DE(differential evolution),GA(genetic algorithm)算法相比,SSABC算法的寻优能力有较大提高.     

基于几何速度稳定性的最优觅食微粒群算法

最优觅食微粒群算法是一种高效的改进微粒群算法,该算法通过引入动物的最优觅食策略,较为真实地模拟了动物的觅食行为。利用几何速度稳定性分析了最优觅食微粒群算法的稳定性,给出了稳定性条件。为验证其性能,选取了5个典型测试函数,仿真结果证明了该策略的有效性。     

最优证券投资组合的蜂群算法

为求解证券投资组合问题,基于蜂群觅食规律提出一种蜂群算法.分析了算法寻优原理,给出了算法的实现流程,并在计算机上予以实现.经大量仿真试验,验证了算法的可行性和有效性.     

基于免疫进化细菌觅食算法的无功优化

针对传统细菌觅食算法在优化过程中步长一致、收敛速度较慢的缺陷,提出了一种免疫进化细菌觅食算法(IBFO),并将其用于电力系统无功优化问题上.这种改进的算法赋予了细菌对搜索空间的感知能力,利用灵敏度的概念来调节步长,加快收敛速度;将免疫算法中的克隆选择思想引入算法中,对精英细菌进行克隆、高频变异和随机交叉,提高收敛精度.将IBFO算法在IEEE 14、IEEE 30节点标准测试系统中进行了无功优化仿真,结果表明:新算法较其它算法具有较强的全局搜索能力,且收敛速度快、鲁棒性好,可以作为求解电力系统无功优化问题的一种新途径.     

一种改进细菌觅食算法的模糊控制规则库设计

模糊控制规则库的建立决定了模糊控制系统的性能,而在能源生产、机器人控制等领域中对控制精度要求越来越高,使得常规的模糊控制规则库建立方法有时不再适用。为此,提出一种新型的基于集群智能算法的改进细菌觅食算法IBFO(improved bacterial foraging optimization)来改进规则库的建立过程,剖析了依据人工经验归纳来制定模糊规则库的不完善性,描述了对改进型的模糊控制系统的构建步骤,优化了改进型TSK(takagi-suegeno-kang)模糊系统C-ATSKFS(constant-ameliorative TSK fuzzy system)规则库的高斯隶属函数参数。通过与现有的规则库建立方法相比对,可知改进算法能有效地提高模糊控制系统的识别精度。MATLAB仿真结果表明:提出的新型细菌觅食算法对模糊控制规则库的建立具有较高的实用价值。     

蝴蝶优化算法研究综述

蝴蝶优化算法是一种新兴的元启发式算法,其思想来源于蝴蝶觅食和求偶的行为。为了进一步改善蝴蝶优化算法的搜索性能,加快对算法的研究与应用进程,综述了蝴蝶优化算法的原理与改进、与其他元启发式算法的对比及发展趋势。首先介绍了算法的基本模型;然后结合国内外文献,分类阐述了基于算法参数、基于混沌和量子优化、基于学习策略、基于种群多样性等方面的改进蝴蝶优化算法,同时,归纳总结了蝴蝶优化算法在图像处理、无线网络、粒子滤波、光伏系统、医疗系统等领域的应用;其次在优缺点和适用性等方面将其与其他元启发式算法进行了对比;最后对蝴蝶优化算法的未来研究发展方向进行了展望。     

基于粒子群算法的电力通信光纤网络恢复优化

针对电力通信光纤网络的恢复,提出一种基于粒子群算法的电力光纤网络恢复优化算法,算法以电力光纤网络的虚拓扑结构为主要研究对象,模拟鸟群觅食行方式获得网络业务受损节点恢复方案。结果表明,粒子群算法可以快速、有效求得网络恢复问题的优化解,是求解网络恢复问题的一个较好方案。