双核因素蝙蝠算法

提出了一种基于蝙蝠算法的新型仿生优化算法——双核因素蝙蝠算法(DCFBA).通过改变蝙蝠算法中的速度更新公式,可有效提高寻优效率.为了验证DCFBA的性能,在9个测试函数上使用标准蝙蝠算法(BA)、粒子群算法(PSO)和DCFBA进行了实验.结果表明:DCFBA在算法的有效性、优越性和稳定性上都优于BA和PSO算法.     

基于蝙蝠算法的花粉算法改进

针对花粉算法(FPA)易陷入局部最优,收敛速度慢,收敛精度不高等缺陷,将蝙蝠算法(BA)引入到花粉算法中,优化花粉配子初始位置,建立基于蝙蝠算法的花粉算法(BA-FPA).为了验证改进后的BA-FPA算法收敛性能优于基本FPA算法和BA算法,任意选取6个标准测试函数进行测试.结果表明,BA-FPA的收敛速度、收敛精度等性能都优于标准FPA和BA.     

基于Fuch映射的混沌蝙蝠算法

为了改善基本蝙蝠算法(bat-inspired algorithm,BA)的求解性能,提高其搜索效率,避免其搜索过程陷入局部最优,利用Fuch映射对基本蝙蝠算法的局部最优解的邻域和蝙蝠的频率变化区间进行混沌遍历搜索,提出了一种新型混合蝙蝠算法——Fuch混沌蝙蝠算法(FCBA).仿真计算结果表明:与BA相比,FCBA具有较好的收敛性能,能够较快地收敛于测试算例的全局最优解.     

基于遗传扰动机制的改进蝙蝠优化算法

针对蝙蝠算法现存的缺点,如收敛速度慢、优化精确度低、早熟,提出一种基于遗传扰动机制的改进蝙蝠算法(GDBA).该优化算法引入了遗传竞争机制,通过比较与全局最优解的差异,随时调整遗传算法的交叉率和变异率,使得种群具有遗传性和多样性,解决了蝙蝠算法早熟的问题,同时加快了收敛速度,提高了优化精度.采用基准测试函数进行仿真验证,实验结果表明:与蝙蝠算法(BA)和基于速度权重扰动机制的改进蝙蝠算法(WDBA)相比,该算法(GDBA)具有更好的收敛速度和搜索精度,加强了寻找全局最优解的能力.     

DBA算法的研究与设计

将以太无源光网络(EPON)与计算机现场控制系统结合,解决现场总线的不足是一种不错的解决方案。文章基于EPON接入系统,提出了适用于现场控制系统的DBA(动态带宽分配)算法设计的基本原则,并提出了一种改进的DBA算法。     

航空网络航路点布局的多目标优化设计

航路网络中航路点布局问题（CWLP）是航路网络规划的核心。基于此,从航路网络经济性和安全性出发,考虑航路运行成本和潜在冲突系数两个因素,建立航路点布局多目标优化模型,求解时采用动态递变权重系数的蝙蝠算法以保证运行成本和潜在冲突系数能同时获得较优解。最后对北京飞行情报区进行仿真实验,将蝙蝠算法（BA）与其他多目标算法对比,得到4种算法的非支配解,证明多目标蝙蝠算法在求解航路点布局的大规模优化问题上,能够获得更优解。同时,考虑偏好经济性和偏好安全性两种情况选择两组权重,数据显示,与初始网络相比,这两种情况下网络运行成本和冲突系数减少比例分别为9.99%、15.64%以及-3.97%、65.81%。实验结果表明,该方法能够在航路点布局规划上给决策者以多种优化方案。     

基于客户满意度的车辆路径问题的混合蝙蝠算法

车辆路径问题对现实有着良好的指导意义,自提出以来便吸引了企业界和学术界的广泛关注。然而,传统车辆路径问题仅仅将车辆行驶里程最短作为目标,忽视良好的客户体验对于企业的重要性。考虑客户满意度这一目标,建立以客户满意度和车辆行驶里程最短为目标的多目标优化模型,根据车辆路径问题的具体特征,改变基本蝙蝠算法的编码方式。为克服基本蝙蝠算法求解精度低、易陷入局部最优的缺陷,加入贪婪随机自适应启发式算法提高求解精度,引入病毒进化机制以增强蝙蝠算法跳出局部最优的能力。算例分析表明:病毒进化混合蝙蝠算法相比于基本蝙蝠算法,在求解精度上有较大幅度提高,是一种有效求解车辆路径问题的方法。     

基于蝙蝠算法-随机森林分类算法和脉搏波的精神疲劳检测算法

针对精神疲劳易诱发慢性病和癌症但却难以精准量化评估的问题,提出了一种基于BA-RFC的光电容积脉搏波信号(Photoplethysmographic,PPG)人体精神疲劳检测方法。模拟脑力工作者的疲劳状况,以被试者脉搏波信号为元数据,以蝙蝠算法(BatAlgorithm,BA)和随机森林分类算法(Random forest classification,RFC)相结合,建立疲劳检测模型。首先使用蝙蝠算法对随机森林分类算法中的决策树和分类特性等参数进行优化,通过迭代选取最优的决策树树数和分类特征数,然后根据最优决策树和分类特征进行疲劳识别。仿真结果表明,BA-RFC算法能筛选出与疲劳相关性较高的特征,利用筛选后的特征进行疲劳识别,该方法优化了参数,降低了维度灾难,提高了疲劳检测精度。识别准确率从93.3%提高到96.7%。     

基于蝙蝠算法的支持向量机参数优化

目的针对支持向量机(support vector machine,SVM)的参数选择的重要性,研究一种新的参数优化方法。方法介于蝙蝠算法的模型简单、全局搜索能力强等特点。本文提出基于蝙蝠算法(BA)的SVM参数优化方法,对SVM的惩罚参数和核参数进行优化。结果通过8个UCI标准数据库集的Matlab仿真实验,验证了算法的有效性和可靠性。结论本文方法搜索的最优参数较大地提高了SVM的分类精度,加强了SVM的学习和泛化能力,是一种有效及稳定的支持向量机参数优化方法。     

采用改进二进制蝙蝠算法的任务调度算法

针对海服务系统环境中任务完成时间过长的问题,提出一种基于改进二进制蝙蝠算法(IBBA)的任务调度算法。该算法通过在二进制蝙蝠算法(BBA)寻优过程中引入非线性惯性权重因子,平衡全局搜索和局部搜索能力;利用2个不同的邻居蝙蝠算子构成扰动项,避免算法陷入局部最优;利用自适应学习因子调整全局最优算子和邻居蝙蝠算子的权重,控制整个寻优过程由全局搜索为主向局部搜索为主过渡。实验结果表明:IBBA可以稳定地搜索到全局最优值,与现有的基于二进制粒子群算法(BPSO)和二进制蝙蝠算法的任务调度算法相比,在任务数较多时,基于IBBA的任务调度算法能避免过早收敛,使任务完成时间显著减少。在海服务网络中,将该算法应用于任务调度,可提高处理大粒度服务的效率。     

广义分配问题的一种小生境遗传蚁群优化算法

提出一种小生境遗传算法与蚁群优化算法相结合的小生境遗传蚁群优化算法用于求解NP难的广义分配问题,以避免经典求解算法存在的易陷于局部最优的缺陷.以典型的广义分配问题——火力分配为例,对该算法进行实验,并将实验结果与其它算法进行分析比较.结果表明:新复合算法优化效率高,运行时间短,对其它的NP问题同样适用.     

全局混沌蝙蝠优化算法

为提高蝙蝠算法进行特征选择的正确率，提出全局混沌蝙蝠优化算法(GCBA).首先，GCBA采用混沌映射方法使种群的初始化能够遍历整个解空间，获取蝙蝠初始的最优位置，使其具有更加丰富的种群，解决了初始化种群随机性的问题.同时，GCBA引入当前粒子的最优解和当前种群的最优解跳出局部最优解，可有效避免算法早熟，有利于提高算法的全局搜索能力.蝙蝠算法(BA)、粒子群算法(PSO)与遗传算法(GA)在10个数据集上的测试结果表明，所提算法具有更高的分类精度和更强的跳出局部最优的能力.     

基于偏序对改进蝙蝠算法的旅行商问题研究

作为一种新兴的群智能启发式算法,蝙蝠算法近年来被广泛用于求解离散、连续、及组合优化问题。针对典型组合优化问题中的旅行商问题,本文提出一种基于偏序对改进的蝙蝠算法用于求解离散型旅行商问题。通过对蝙蝠速度、位置的更新,使算法具有更强的适用性。本文对16个标准TSP问题进行测试与对比分析以验证算法有效性。实验结果表明,本文提出的偏序对蝙蝠算法在大多数实例中均优于其他算法。     

求解P中位问题的混合蝙蝠算法

根据P中位问题的数学模型及其具体特征,重新定义了蝙蝠位置与位置之间的减法操作算子、速度与位置之间的加法操作算子和可行化函数,引入了遗传算法中交叉的思想对当前解进行局部搜索,提出了求解该问题的混合蝙蝠算法。通过对多个P中位算例进行测试,并将测试结果与其他算法进行比较,验证了该混合蝙蝠算法求解P中位问题的可行性与有效性。     

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。     

电力系统中机组组合问题算法的研究

机组优化组合问题是电力系统经济调度的一个重要环节，合理的开停机方案可带来很大的经济效益．实践表明机组优化组合比优化分配负荷更加经济，但由于问题十分复杂，很难找出理论上的最优解．介绍了解决机组组合问题的拉格朗日松弛法及遗传算法，并将两者结合起来对实际算例进行了分析．结果表明，两种算法结合求解能有效克服遗传算法的早熟现象，使生成解的对偶间隙减小，振荡现象得到抑制，能很快收敛到最优解，运行效率高，比传统的算法具有更高的鲁棒性．     

求解混合互补问题的LG算法

基于混合互补问题等价的非光滑方程组,提出了求解混合互补问题的一个LG算法,并在不需要严格互补条件成立的条件下证明了算法的全局收敛性。