基于井间动态连通性模型的注采参数优化方法

水驱油田开发过程中,由于储层非均质性以及注采参数与井网不匹配,造成优势通道发育,注入水低效无效循环严重.为了对注采井间各方向优势通道进行定量描述,基于物质平衡理论与叠加原理,在考虑井底流压变化的基础上,建立了油藏井间动态连通性反演模型——阻容模型,并运用人工蜂群算法进行求解,通过模型求解得到了不同注采井间的连通系数,经验证该系数合理表征了油藏井间动态连通程度.针对优势通道发育造成注水井在各注采方向上水驱不均衡、剩余油饱和度分布差异较大的问题,基于最优化理论,以当前各生产井含水率条件下生产井总产油量最大为目标函数,结合油水井动态生产数据,建立一种基于井间动态连通性模型的注采参数优化方法,并利用优化算法对该模型进行求解.实例应用表明:利用本文方法优化注采参数后,含水率得到明显控制,注入水驱替效率明显提高,并且本文方法仅需要油水井的动态生产资料,简单实用,对矿场具有较高的应用价值.     

基于蚁群算法的电能质量扰动源容错性定位方法

提出一种基于蚁群算法的电能质量扰动源定位方法,解决了现有方法在扰动方向信息出现误判或畸变信号时扰动源定位不准确的问题,实现了扰动源在扰动方向信息不可靠时的准确定位。该方法根据配电网拓扑结构建立扰动源定位数学模型,把扰动源定位问题看作全局寻优问题,利用蚁群算法的正反馈和容错性优势,快速定位扰动源位置。MATLAB仿真结果证明所述方法在部分监测点扰动方向信息有误情况下能够实现电能质量扰动源的快速准确定位。     

一种基于链路质量的蚁群优化VANET路由算法

针对城市环境下车载自组织网络(vehicular ad hoc network， VANET)中车辆信息传输性能不稳定的问题，提出了一种基于链路质量的蚁群路由算法实现信息可靠稳定的传输。通过道路中的车辆密度，通信半径，数据包大小分析当前道路的连通概率、传输时延以及分组投递率，并建立数学模型，评价当前传输道路的链路质量；引入局部链路质量(local link quality， LQ)和全局链路质量(global link quality， GQ)改进蚁群算法的路段选择公式，得到最优的信息传输路径。仿真结果表明，该算法在收敛速度、数据包传输时延和分组投递率方面优于其他算法。该算法的提出能够实现城市场景下车辆信息可靠、稳定、高效地传输。     

基于模糊均值的细菌群体趋药性复杂网络社团结构发现

复杂网络的社团发现问题是网络数据挖掘中的重要问题之一.利用基于模糊C均值的细菌群体趋药性算法最大化网络的模块度,算法中模糊C均值的初始值由群体细菌取药性算法获得.模糊C均值算法在此基础上发现复杂网络的社团结构.其创新点在于最佳模块度的寻找.实验结果表明:该算法具有对现实世界网络社团划分的可行性和有效性.     

基于智能搜索和特殊划分的人工蜂群算法

人工蜂群算法是一种具有强大搜索能力的全局搜索算法。传统的人工蜂群算法使用雇佣蜂、观察蜂和侦察蜂进行相互合作，每种蜜蜂有不同的分工，但不同类型的蜜蜂之间并没有差别。提出一种通过智能搜索和特殊划分来提升性能的人工蜂群算法。该算法中，不同的雇佣蜂和观察蜂会使用不同的搜索策略来寻找食物来源。该算法放弃了贪婪选择算法且在每次迭代时更新食物来源的位置。因此，该算法能够利用整个蜂群的经验来引导蜜蜂的搜索，通过一系列基准算法的性能分析证明了该算法的有效性。     

基于多目标蜂群算法的数据分类方法

为了保证运算时效的同时,提高复杂数据的分类精度,提出了基于多目标蜂群算法和极限学习机的数据分类算法。该方法以最小的特征个数和最高的分类精度为优化目标,利用改进的多目标蜂群算法对数据的特征个数和分类器参数进行寻优,针对多个有代表性的数据集进行仿真,结果表明所提出方法的有效性。     

考虑节能的城市物流配送方案优化

针对城市物流配送环节,提出了一种能够节约车辆能耗的物流配送方案优化方法.首先,在考虑载重和车速对车辆能耗因子的影响及时间窗开启前的等待时间约束等条件的基础上,提出了以能耗最小为目标的物流配送路径选择数学模型,并采用蚁群算法求解该问题,实现物流配送方案的一次节能优化;然后,基于一次优化结果,通过调整配送车辆从配送中心及各配送点出发的时刻,实现物流配送方案的二次节能优化;最后,基于北京市道路网的仿真试验显示,相对于以最短时间为目标的优化方法,本文提出的节能优化方法可使城市物流配送过程中的能源消耗平均降低约6.68％.     

基于蚁群几何优化算法的全局路径规划

将改进的蚁群算法与路径几何优化相结合,用于解决移动机器人的全局路径规划问题.算法结合机器人的越障性能对移动机器人的环境空间进行建模.通过设置初始信息素加快蚂蚁的搜索速度,同时设置自适应信息素挥发机制,解决特定地图中初始信息素的干扰问题;设置自适应路径长度,筛选规划路径的优劣;提出由路径优劣程度决定的信息素散播策略,并从几何原理出发,对规划路径进行优化处理,加快最优解的收敛速度.仿真结果验证了该算法的有效性和普遍应用性,在随机给定的环境地图中,该算法能够迅速规划出最优路径.     

求解TSP的离散人工蜂群算法

针对旅行商问题,提出了一种新型的离散人工蜂群算法.根据该优化问题及离散量的特点,对引领蜂、跟随蜂和侦查蜂角色转变机制和搜索策略进行了重新定义.蜂群角色转变基于定义的收益比因子.引领蜂邻域搜索采用2-Opt算子和学习操作来加速算法收敛速度;跟随蜂搜索引入禁忌表来提高算法的局部求精能力;侦查蜂搜索定义了排斥操作来保持种群的多样性,从而较好地平衡了算法的探索及开采能力.实验结果表明,算法能够在较短时间内找到相对满意解,提高了TSP的求解效率.     

蚁群算法求解离散最小约束去除问题

摘要： 引入蚁群算法解决最小约束去除运动规划问题,在求解过程中对蚁群算法的启发函数以及信息素更新策略进行改进,使其不再易于陷入局部极值并适合求解该问题.仿真实验结果表明,该算法在解的质量和收敛速度上优于精确搜索与贪心算法.