基于AFSA算法的掘进机外喷雾效率最高的参数优化设计

为了提高掘进工作面的降尘效率,通过对喷雾降尘机理的研究,分析了影响降尘效率的因素,建立了纵轴式掘进机外喷雾降尘效率的数学模型.以外喷雾降尘效率最高为优化目标,采用人工鱼群算法(AFSA)对喷雾压力、喷嘴和工作面的距离、喷嘴直径和喷嘴的雾化角进行了优化.优化的结果表明,在保证一定的雾流流量和一定的雾粒存活时间的条件下,喷雾的耗水量减少了3.48％,降尘效率增加了15.33％.该项研究对于合理设计掘进机外喷雾参数,提高喷雾降尘性能,改善掘进工作面环境等具有一定的指导作用和参考价值.     

基于人工鱼群算法的喷油系统断油电磁阀的优化设计

为合理选择和正确设计柴油自卸车喷油系统的断油电磁阀,根据电磁阀的结构特点,建立了在自卸车出现转速失控时喷油系统断油时间最短的目标函数。利用人工鱼群算法对断油电磁阀的阀芯质量、弹簧刚度、线圈匝数、工作气隙、阀芯举升高度进行优化,得出断油电磁阀的最佳动态响应参数,并利用HYDSIM分析了优化前后喷油系统的响应特性。结果表明：断油电磁阀参数优化后的喷油系统比优化前的系统的响应时间减小了5．59ms,能更有效地控制柴油机自卸车转速失控,明显提高柴油自卸车的运行安全和使用寿命．     

一种基于人工鱼群算法的K覆盖WiFi热点安置方案

针对室内定位导航、多路由选择等热门应用中对多次无线信号覆盖的需求,提出了一种基于改进的人工鱼群优化算法的K覆盖安置策略.其中特别设计出一种简单的障碍物干扰描述模型,以期更真实地刻画应用场景.仿真结果表明,我们的方法可在保证覆盖的前提下,明显节省AP数量同时改善节点的聚集.     

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。     

基于极坐标编码的改进人工鱼群算法

针对人工鱼群算法收敛速度慢、求解精度低及易陷入局部最优的问题,提出了一种改进的人工鱼群算法。为提高求解精度,算法采用极坐标编码形式增加单个母体解空间表达的多样性,在迭代求解过程中根据适应度值依概率调整极角,逐步降低观测结果的不确定性。通过对三种行为方式进行调整,去除影响搜索方向性的随机移动行为,将搜索重点集中在最优解邻域内,有效降低算法重搜索的可能性,以提高算法的收敛速度。实验结果表明,该算法在收敛性和稳定性上优于基本人工鱼群算法、自适应人工鱼群算法和生境人工鱼群算法,验证了算法的有效性。     

基于改进人工鱼群算法的梯级水库群优化调度

分析了人工鱼群算法存在的问题, 提出一种改进人工鱼群算法, 并将其用于梯级水库群的优化调度. 其改进思想是采用动态调整人工鱼视野和步长的方法, 较好地平衡了人工鱼群算法的全局搜索能力和局部搜索能力的矛盾; 在此基础上, 针对算法局部更新策略引起的更新操作前后个体空间位置变化较大, 降低收敛速度这一问题, 在局部更新时采用了阈值选择的策略. 通过实例验证了该改进算法的有效性, 并对改进算法的阈值参数进行了率定.     

一种新的粒子群算法与人工鱼群算法的混合算法

通过分析粒子群算法和人工鱼群算法的优缺点,利用粒子群算法收敛速度快及人工鱼群算法能较好地收敛到全局最优解的特点,提出了一种新的混合算法.算法以粒子群为基础进行设计,根据人工鱼群的公告板、群聚和随行策略的模式对粒子群进行速度与位置变更,使原有的粒子群变成具有一定智能的粒子,从而达到提高搜索精度及效率的目的.通过Generalize-Schwefel等3个经典函数进行优化仿真后发现,该混合算法具有搜索精度更高及收敛速度更快的特点,同时该算法在求解高维问题时具有明显优势.     

基于人工鱼群算法及Hicks-Henne型函数的翼型优化设计研究

人工鱼群算法作为一种新型智能算法,具有良好的克服局部极值、取得全局极值的能力,并且该算法具有对搜索空间具有一定自适应能力、寻优速度较快、算法的实现无需目标函数梯度值等特性,使得其能够适用于多种翼型的优化设计。将人工鱼群算法与N-S方程气动数值解法结合,依靠计算流体动力学(CFD)计算技术,对翼型进行气动外形优化设计。在基准翼型的基础上,对翼型的描述采用基于Hicks-Henne型函数的解析函数线性叠加法。利用上述开发的算法对NACA0012和RAE2822进行翼型优化设计,设计结果表明本文发展的优化方法能够很好地适用于进行多种翼型的优化设计。     

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。     

基于人工鱼群算法的出租车智能调度

出租车以其方便、快捷、舒适等特点成为城市公共交通工具的重要补充,但是当前出租车资源普遍存在着分布不合理、空载率高、营运效率低下等问题.本文运用群智能的思想,提出基于人工鱼群算法的出租车智能调度方法,以实现对出租车资源的全局调度与合理分配.论文提出标准人工鱼群算法中的觅食函数、聚群函数和追尾函数的改进方案以及当前最优状态阈值限定的优化策略,使得改进算法具有全局寻找最优解的良好搜索能力.同时通过模拟实验分析视野、尝试次数、拥挤度因子、迭代次数和游动步长等参数对出租车调度算法寻优能力的影响.研究成果为城市出租车资源得到科学合理规划以及全局优化分配提供新思路和依据.