信息传播影响下基于进化蜂群算法的应急车辆路径优化设计

为了能够准确反映信息传播对于应急物资需求的影响以及有效优化应急配送车辆的路径,构建了基于双层扩散网络的需求预测模型和改进的离散人工蜂群算法（进化蜂群算法）。首先,在分析扩散网络中事件层和信息层关系的基础上构建了物资需求预测模型。其次,在进化蜂群算法中,依据适应度值和历史进化程度来甄别优秀信息,并融合了交叉算子和变异算子使蜜源得以不断进化,从而充分挖掘了蜂群价值并有效提升了迭代效率。仿真实验结果表明,应急物资得以被短时高效地配送到所需区域,从而验证了所构建的模型和算法能够有效求解信息传播影响下的应急车辆路径多目标优化问题。     

基于ABC-SVM模型的固体氧化物燃料电池预测控制仿真研究

为了满足直流负载电压的稳定性及固体氧化物燃料电池（SOFC）的耐用性和安全性的要求,设计了两个控制回路分别对SOFC的输出电压和燃料利用率进行控制。通过设计一个简单的控制回路来使燃料利用率保持在恒定值,并在此基础上开发了一个非线性模型预测控制器以控制SOFC的输出电压。该非线性模型预测控制器基于改进的支持向量机（SVM）预测模型,首先利用Lipschitz quotients准则确定SVM预测模型的结构,然后通过人工蜂群算法（ABC）优化SVM参数。仿真结果表明,所提的基于ABC-SVM模型的SOFC预测控制算法可以很好地跟踪电压设定值,证明了ABC-SVM模型在SOFC非线性动态建模中的有效性。     

基于改进蚁群算法的二维码移动机器人路径规划方法

针对在结构化栅格工作环境下,基于蚁群算法的路径规划存在停滞和收敛速度慢的问题,提出了一种基于改进蚁群算法的二维码移动机器人路径规划方法.通过限制蚂蚁的搜索方向,即将机器人置于结构化栅格工作环境下,使其只能在水平和垂直方向上移动,进而提高算法的搜索效率.引入自适应期望函数和启发因子,动态调整状态转移概率,避免算法陷入停滞状态,提高算法的收敛速度.针对机器人在转弯过程中耗费时间较长的问题,通过引入转弯影响因子得到扩展路径长度,进而根据扩展路径长度选取最优路径.实验结果表明,提出的方法可以为二维码移动机器人规划出最优路径.     

一种基于PSO-ABC的全局优化算法

针对粒子群算法和蜂群算法在寻优中存在的一些早熟和收敛速精度不高等问题,论文分别时粒子算法和蜂群算法的更新策略以及更新公式进行了改进,利用改进的粒子群算法和改进的蜂群算法同时对一个粒子位置进行部分算术更新的方法,提出了一种新混合的优化算法.并将其在12个多极值基准函数进行全局最优化测试,实验结果表明,笔者提出的混合优化算法收敛的速度和收敛精度大大提高了,其性大大优于改进的粒子群算法（CLPSO算法）和人工蜂群算法,对于高、低维复杂函数的优化均适用.     

基于限时免费换乘的公交线网优化模型与求解算法

针对"限时免费换乘"政策的提出,为了使轨道交通与地面常规公共交通线网构成的综合公共交通网络更加合理,以公交线网系统总费用最小为目标,将"限时免费换乘"条件作为乘客乘车成本因子,以公交单条线路长度、线路非直线系数、线路重叠系数、换乘次数为约束条件,建立了城市轨道交通与地面常规公共交通线网优化模型。考虑"限时免费换乘"条件,从信息素的累积与惩罚机理着手改进了蚁群算法,并给出了将该算法求解城市轨道交通与地面常规公共交通线网优化模型的算法流程。所建立的模型与改进的蚁群算法为优化轨道交通与常规公共交通系统构成的综合公共交通网络提供了一种新方法。     

现代住宅的智能化系统设计

简要说明智能化住宅小区的概念,现代住宅小区的智能化系统主要包括信息通讯系统、有线电视系统、住宅智能化管理系统、楼宇自控系统、火灾自动报警系统、安全防范系统和小区综合网络管理系统。     

一种基于蚁群智能算法的航迹优化方法

航路规划是飞机地形回避系统的一个关键环节,是完成低空飞行任务的基础。针对飞机地形回避过程的航路规划技术进行研究,利用k均值算法对地形采样点进行聚类,建立地形障碍空间模型。运用狄克斯特拉算法进行初始航迹规划,然后利用蚁群智能算法对航迹进行优化,缩短整个航线的航程。通过仿真验证了方案的可行性和合理性。     

rhGM-CSF/IL-3融合蛋白中残余菌体DNA的检测

本文利用地高辛标记及检测试剂盒,标记ｐｏｐ２１３６（ＰＭＴＧ３）工程菌染色体ＤＮＡ作为探针,检测基因工程药品重组人粒细胞－巨噬细胞集落刺激因子／白细胞介素－３（ｒｈＧＭ－ＣＳＦ／ＩＬ－３）融合蛋白中残余的菌体ＤＮＡ．结果符合质量标准每剂＜１００ｐｇ．     

基于相位编码的量子蚁群算法

针对蚁群算法只适用于离散优化问题的局限性和收敛速度慢的问题, 提出一种适合连续优化的量子蚁群算法. 该方法直接采用量子位的相位对蚂蚁编码. 首先基于信息素强度和可见度构造的选择概率, 选择蚂蚁的前进目标; 然后采用量子旋转门更新描述蚂蚁位置的量子比特, 完成蚂蚁移动; 采用Pauli-Z 门实现蚂蚁的变异增加位置的多样性; 最后根据移动后的新位置完成蚁群信息素强度和可见度的更新. 由于优化过程统一在空间[0,2π]ⁿ 进行, 而与具体问题无关, 因此, 对不同尺度空间的优化问题具有良好的适应性. 以函数极值优化和聚类优化为例, 仿真结果表明该方法的搜索能力和优化效率明显优于普通蚁群算法和标准遗传算法.     

北京终端区扇区容量评估及优化

构建了一种基于管制员工作负荷终端区扇区优化模型。首先通过测量各时段终端区域内飞机平均数、陆空通话以及进程单填写等情况,对终端区管制员的工作负荷进行了量化,进行了基于管制员工作负荷的扇区容量评估。然后根据空域中航路点的分布,建立了Voronoi图,以蚁群算法应用到单元搜索,对空域中的Voronoi多边形进行了优化组合,并使其满足空域划分的基本原则,从而得到优化后的扇区图。最后通过北京终端区空域容量评估和扇区优化的计算结果,对该扇区优化方法进行了验证。