改进的人工鱼群算法在二维板材下料问题中的应用

为提高板材利用率,采用人工鱼群算法进行研究,算法中加入改进的觅食行为和改进的聚群行为,对行为进行了改进,并将该算法用于求解二维板材下料问题.通过仿真实验与文献中的改进粒子群算法和基本人工鱼群算法进行比较,结果表明:改进后的算法得到的最优解要优于文献中的算法,实现提高板材利用率的问题.     

基于非等距BFA GM(1,1)模型的尾翼疲劳寿命预测

针对非等距GM(1,1)模型中背景值系数α对模型的预测能力影响很大而最优值难以确定的问题,将细菌觅食算法与GM(1,1)模型相结合,提出了BFA-GM(1,1)优化模型.以飞机尾翼疲劳寿命预测为实例,分析比较了BFA-GM(1,1)模型、PSO-GM(1,1)模型和GA-GM(1,1)模型的性能.从试验的结果来看,本文提出的BFA-GM(1,1)模型消耗的时间少于其他2种模型消耗的时间,而平均预测误差低于其他2种模型的平均预测误差,这说明本文提出的BFA-GM(1,1)模型能够更快速、更准确地找到最优的背景值系数α,从而提高了"小样本""贫信息"条件下的飞机尾翼疲劳寿命预测的精度.     

基于细菌觅食优化多核支持向量机的作物生长环境控制

为了解决大规模生长环境变量所带来的计算复杂度较高的问题,采用细菌觅食优化多核支持向量机算法对农作物产量进行预测分析,从而实现作物生长环境的最优控制;首先,采用高斯核函数、多项式核函数和Sigmoid核函数组合方式建立多核支持向量机,其输入为作物生长环境,采用细菌觅食优化算法优化核函数关键参数;其次,利用多核函数的参数构建菌群进行训练,设置作物产量作为细菌觅食优化算法适应度;最后,通过菌群位置更新优化后的最优核函数参数进行多核支持向量机优化求解,获得空气温度、湿度,土壤温度、湿度等生长环境特征数据。结果表明,选择合适的多核函数组合,并合理设置细菌觅食优化算法的引力和斥力系数、迁徙概率阈值等参数,能够获得最高产量所对应的作物生长环境特征数据。     

面向半导体车间多目标可重入调度研究

针对半导体制造车间产品重入机台时存在机台状态不一致,使得传统可重入调度方法难以适用的问题,根据半导体车间生产特性,提出了半导体车间多目标可重入混合流水车间调度问题,以最小化最大完工时间为基础,考虑以降低产品不合格率、减少机台工序切换次数为目标,建立此问题的多目标数学模型．提出基于实质不确定因子的最优觅食算法,采用灰色关联分析与MYCIN不确定因子的勾股模糊集的多目标处理策略,将帕累托(Pareto)解的实质不确定因子作为最优觅食算法的适应度值．编码采用基于工件号编码方案,解码通过三段式方法生成可行的调度解．通过仿真实验和半导体车间案例与其他三种算法对比,验证了所提出的模型,算法性能分析结果表明所提出的模型合理,算法具有明显优势．     

基于信息素反应的群体觅食行为研究

群集智能在没有集中控制、不提供全局模型的前提下,为寻找复杂问题的解决方法提供了新的思路.基于群集智能的思想,针对群体系统的协作觅食任务,引入多种可以反应的信息素,提出了一种信息素反应的群体觅食方法.以计算机仿真实验为手段,在给出了个体有限状态机的控制结构下,并以任务完成时间为性能指标进行了单食物源和双食物源下的觅食实验.结果表明该方法可以减少个体之间的冲突,有效的提高系统性能.     

基于改进HHO与K-Medoids的混合聚类算法

针对K-Means在聚类过程中对离群点敏感以及容易陷入局部最优的不足,本文提出一种基于改进HHO(IHHO)与K-Medoids的混合聚类算法(IHHO-KMedoids)。在IHHO中,带有Logistic混沌扰动的控制参数策略更好地实现了探索与开发之间的平衡,集成变异策略提高了算法的全局搜索能力,翻筋斗觅食策略增强了种群多样性,避免算法陷入局部最优。将所提IHHO与5种其他群智能算法和4种改进的HHO算法在CEC 2014测试函数上进行对比,实验结果表明IHHO算法的优化效果较好,求解精度较高。K-Medoids与K-Means相比对噪声点和离群点更鲁棒。IHHO-KMedoids算法稳定性好,不易陷入局部最优。UCI数据集和文本数据集上的仿真结果表明IHHO-KMedoids算法效率高,聚类精度高。     

细菌觅食算法优化归一化准则的彩色图像分割

为了求解彩色图像分割问题,采用一种基于离散细菌觅食算法优化归一化准则的彩色图像分割方法。引入模糊C均值聚类算法对图像预处理,降低算法维度;同时用细菌觅食优化算法求解Ncut的最小值,提高了算法的稳定性和收敛速度;通过最优个体菌得到分割结果。实验表明,该方法能够较好地分割图像,优于SM算法和遗传算法处理问题的分割效果,且耗时少。     

细菌觅食算法的研究综述

细菌觅食算法是一种通过趋化、复制和驱散三种行为来实现寻优的新型群体智能优化算法,鉴于此,本文首先介绍了细菌觅食算法的基本原理,然后从三个方面探讨了细菌觅食算法的改进方法,最后总结了细菌觅食算法在图像工程中的未来研究方向。     

基于GBFA求解复微分方程

为了提高传统方法在求解二阶以及高阶复微分方程之时搜索能力差、后期收敛速度较慢以及难以得到的缺陷,基于传统的免疫算法(generate and test)和BFA(Bacterial Foraging Algorithm,细菌觅食算法)的相关概念,融合半解析解的相关思想,构建一种新的算法GBFA(Generate Bacterial Foraging Algorithm),并基于此方法进行求解实验,结果表明该方法具有极高的收敛速度,可以得到二阶以及高阶复微分方程解析表达式.