基于改进蛙跳算法测量圆度误差

针对传统圆度误差评定方法容易陷入局部最优而影响测量精度的问题,提出一种基于改进蛙跳算法的圆度误差评定方法.首先分析了最小区域圆法、最小二乘圆法、最大内接圆法和最小外接圆法这四种圆度误差评定方法的基本原理,并分别建立了非线性优化的数学模型然后介绍了蛙跳算法的基本思想,引入邻域搜索操作提出了一种改进的蛙跳算法,并给出了利用该算法求解圆度误差问题的具体步骤.最后为了验证新算法的有效性,进行了仿真实验,实验结果表明本文算法可以有效、正确地评价圆度误差.这也为圆度误差评定问题的研究提供一种新的途径和手段.     

基于混沌和蚁群算法测量圆度误差

提出一种基于混沌和蚁群算法计算圆度误差的方法,它将混沌搜索与蚁群算法相结合,在蚁群搜索完成后,利用混沌进行搜索,以提高搜索精度.简要地介绍了混沌和蚁群算法的基本原理,详细地描述了蚁群算法和混沌解决圆度误差评价问题的步骤.最后给出实验结果.仿真实验结果表明,这种方法可以有效、正确地评价圆度误差,克服了利用最小二乘法评价圆度误差的局部收敛问题.     

新变异DNA遗传人工鱼群优化DNA序列的多模算法

为了提高多模信号的均衡效果,提出一种新变异DNA遗传人工鱼群优化DNA序列的频域加权多模算法(nm DNAGAFS-DNA-FWMMA)。该算法利用新型变异DNA遗传人工鱼群算法收敛速度快和全局搜索能力强的优点,通过DNA约束模型和代价函数来寻找最优DNA序列,将该序列解码后作为频域加权多模算法(FWMMA)初始最优权向量,以提高收敛速度并减小剩余均方误差。仿真结果表明,nm DNAG-AFS-DNA-FWMMA的收敛速度快、均方误差小。     

基于粒子群与人工鱼群混合算法的TSP求解模型

传统的群智能算法不断被优化和改进,但由于传统单纯算法的固有缺陷和局限性很难从根本上去除,因此衍生出许多群智能混合算法。针对人工鱼群算法(AFSA)收敛速度慢及粒子群算法(PSO)全局收敛性差的缺陷,提出了一种新的粒子群与人工鱼群的混合算法。算法以人工鱼群算法为基础,将粒子群算法的线性递减惯性权重策略引入到人工鱼群算法中,对人工鱼进行编码处理以及动态改变人工鱼个体的视野,使之形成新的粒子群人工鱼群混合算法(PSO-AFSA)。完成算法融合并将混合算法应用于旅行商(TSP)问题。仿真结果表明:与传统的人工鱼群算法和粒子群算法相比,该混合算法全局收敛性效果更好,收敛速度更快。     

利用人工鱼群算法求解一类函数的极值

人工鱼群算法是一种基于动物行为的群体智能寻优算法。具有并行性、全局性、简单性、快速性、跟踪性等优点。可以处理一些非凸、非线性等方面的问题．针对一类不可用经典方法求解极值的函数,提出了一种基于人工鱼群算法求解这一类函数极值的方法,并通过仿真实验的研究,验证了该算法求解函数极值是有效可行的．     

基于三坐标测量机的圆度误差不确定度评估

为了实现圆度误差的不确定度准确评估,提出了一种在快速准确微分进化算法评定基础上的圆度误差蒙特卡洛(MCM)不确定度评估方法.针对最小区域圆圆度误差评定特点,提出了一种基于种群优化的微分进化算法用于圆度误差评定,并在此基础上利用蒙特卡洛方法进行圆度误差的不确定度评估.通过三坐标测量机对圆度零件的实测数据,给出了一个实例,以验证方法的可行性.分析了圆度误差的不确定度来源,给出了不确定度数值和95%置信概率下的不确定度包含区间,并与传统测量不确定度的表示指南评定方法(GUM)进行了比较.结果表明,蒙特卡洛不确定度比GUM方法的不确定度小0.3μm,包含区间也小于GUM.所提出的方法也适用于其他形状误差的评定与不确定度评估.     

基于人工鱼群优化LS-SVM的卫星钟差预报

针对导航卫星短期钟差预报精度不高的问题,提出了一种基于人工鱼群(AFSA)优化最小二乘支持向量机(LS-SVM)的卫星钟差预报方法。利用人工鱼群算法较强的全局寻优能力优化LS-SVM模型的惩罚参数和核宽度参数,避免人为选择参数的盲目性,提高了LS-SVM的泛化能力和预报精度。选取IGS产品中4颗典型卫星的钟差数据,分别采用人工鱼群优化LS-SVM模型、神经网络模型和灰色系统模型进行短期钟差预报,计算结果表明:人工鱼群优化LS-SVM模型的预报精度优于其它2种模型,尤其是在铷钟方面,预报误差在0.5 ns内,运行时间在5 min内。     

基于人工鱼群算法优化神经网络的WSN数据融合

无线传感网(wireless sensor network, WSN)通常节点众多、数据冗余度高,传统的基于随机权值和阈值的前馈反向传播神经网络(back propagation neural network, BPNN)数据融合方法易陷入局部极值,导致融合结果准确性差。提出一种优化神经网络的权值和阈值进而改善WSN数据融合质量的方法-人工鱼群算法前馈反向传播(artificial fish swarm algorithm back propagation, AFSABP)神经网络数据融合。仿真和对比实验结果表明,改进的鱼群算法在收敛速度和寻优精度上都有明显提升,改进后的人工鱼群BP算法数据融合方法相较于传统BP数据融合方法,可减少3.06%的相对误差和3.74%的均方根误差。     

AAFSA-RA:一种采用高级人工鱼群算法的多资源分配方法

针对资源受限环境中多任务间的多资源分配问题,提出一种采用高级人工鱼群算法的多资源分配方法(AAFSA-RA)。对多资源分配进行建模,结果表明多资源分配是多约束多维度的复杂函数最优化问题。针对基本人工鱼群算法(AFSA)在寻优过程中速度慢的问题,提出一种高级人工鱼群算法(AAFSA)。通过适当地限制人工鱼的随机游动来改进觅食行为。引入步长和视野的两级动态调整机制,基于鱼群进化过程进行一级调整,基于人工鱼个体的食物浓度及变化情况进行二级调整。根据人工鱼个体食物浓度控制人工鱼的生命周期。基于AAFSA进行多资源分配。仿真实验结果表明:AAFSA-RA可以稳定地搜索到全局最优值,与现有AFSA算法相比,AAFSA寻优速度更快;与传统资源分配方法相比,AAFSA-RA可以达到更高的精度,并且对效用函数无特殊要求。     

改进人工鱼群算法及其收敛性分析

为了克服人工鱼群算法容易收敛于局部最优和解精度不高的缺点,提出了一种新的小生境人工鱼群算法(NAFS)。在算法后期根据鱼群聚集程度引入小生境排挤机制,维持种群的多样性。为了说明该算法的有效性,利用压缩映射定理从理论上证明了该算法的全局收敛性。最后,通过在四个典型Benchmark函数上的实验,并与差异演化算法、粒子群算法、鱼群算法对比,证明该算法的解精度比原始人工鱼群算法有较大的提高。     

基于人工鱼群算法的分类规则发现

人工鱼群算法(AFSA)是一种最新提出的新型仿生优化算法,具有良好的克服局部极值和获得全局极值的能力.利用鱼群算法进行分类规则挖掘,建立了相应的优化模型.通过对公用数据的实验和CN2算法的对比表明,本算法可得到预测准确率较高的分类规则,同时规则更为简单.     

鱼群算法优化组合核函数GPR的油井动液面预测

针对抽油井动液面(DFL)检测主要依靠人工操作回声仪测试,无法实时在线检测,而单一核函数的高斯过程回归(GPR)无法明显提高预测精度和泛化能力,提出了一种人工鱼群算法(AFSA)优化组合核函数的动态高斯过程回归动液面预测模型.采用多项式函数、线性函数与径向基函数组合构建核函数,利用人工鱼群算法对核函数模型参数进行寻优,采用快速傅里叶变换(FFT)和核主元分析(KPCA)融合提取时频数据非线性特征作为模型输入,提高模型的预测精度和泛化能力.油田现场应用验证了该方法的有效性.     

圆度测量误差分离技术解决ICA的不确定性问题

独立分量分析方法(Independent Component Analysis，简称ICA)在国内尚属一门新型的方法。在介绍ICA的无噪声模型、原理、预处理、非高斯性量度以及ICA快速定点算法的基础上，重点讨论了ICA的不确定性在圆度误差分离中的处理方法。仿真结果表明，基于独立分量分析的圆度误差分离技术比传统的频域法和时域法均简单、实用、高效。同时，由ICA分离出的信号的不确定性问题得到了很好的解决。     

基于等厚干涉原理的圆度误差测量方法

提出了一种基于等厚干涉和CCD自动测量圆度误差的新方法.阐述了利用等厚干涉,通过线阵CCD图像处理系统自动测量圆度误差的测量原理.采用最小二乘圆法对测量到的数据进行圆度误差评定,测量结果表明,新方法测量迅速、精确度高.该测量方法可以实现圆度误差的实时在线准确测量,适用与高精度加工工件的进一步精确测量,具有较广阔的应用前景.     

大轴圆度误差分离的独立分量分析方法

文章介绍独立分量分析的基本理论和算法,提出在大轴圆度误差的三点法测量中应用独立分量分析进行误差分离,可降低对测量系统结构精度、测头布置及测头间夹角精度的要求。采用基于负熵的独立性判决准则的FastICA算法,对三点法测量模型进行仿真,结果表明,基于独立分量分析的圆度误差分离技术比传统的频域法和时域法均简单、实用及高效。     

改进的人工鱼群算法在置换Flow Shop调度中的应用

分析了人工鱼算法(AFSA)存在的不足,在保持AFSA算法基本行为的基础上,提出了在觅食行为过程中采用基于交换列表的排序法,在随机移动行为中采用自适应的小范围移动行为的改进人工鱼群算法。根据置换Flow Shop调度问题的数学模型,给出了基于改进的人工鱼群算法的置换Flow Shop调度问题的求解策略,并详细讨论了求解步骤。仿真实验结果表明:该算法具有较强的全局搜索能力、更高的搜索效率,同时验证了该算法的可行性和有效性。     

一种混合仿生算法在弹道优化中的应用

针对导弹滑翔段弹道优化问题,考虑人工鱼群算法局部搜索不精确、微粒群优化算法易发生过早收敛等问题,提出一种新的人工鱼群与粒子群混合优化算法。算法的主要策略是在人工鱼群算法的基础上,将人工鱼群优化算法中的觅食行为变为粒子群在感知范围内进行小范围寻优,在人工鱼群算法的最后,再利用粒子群进行精确寻优。以导弹飞行中的吸热量为优化目标,运用此算法设计得出了导弹滑翔段的优化弹道。     

人工鱼群和蒙特卡罗混合算法的应用

为方便快捷地使用计算机求解二重积分的数值解,采用人工鱼群和蒙特卡罗的混合算法,将蒙特卡罗求解二重积分数值解的思想引入到人工鱼群算法中,改进了人工鱼群算法中的适应度函数和积分求和公式。最后,通过一个算例进行了验证,实验结果表明:当分割点数目仅为100时,误差已经降低为0.000 410 7;而进化策略的实验结果是:当分割点数目达到1 024时,误差才降为0.000 148.改进的后算法一方面很好的体现了人工鱼群算法易于和蒙特卡罗算法结合的优点,另一方面在保留改进的蒙特卡罗算法原有优点的基础上,也在一定程度上减少了分割点的数目,提高了算法的收敛速度和数值计算精度。经过分析研究与实例验证,其计算结果和其他方法进行比较表明该方法是可行有效的,对构建高效的二重积分数值求解算法进行了有益的探索。