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.     

函数优化的量子蝙蝠算法

基于量子进化算法和蝙蝠算法,提出一种新型优化算法——量子蝙蝠算法。该算法采用量子位对蝙蝠的位置进行编码,用量子旋转门实现对蝙蝠最优位置的搜索,用量子非门实现蝙蝠的变异以避免早熟收敛。通过对典型复杂函数的实验和与其他算法的比较,结果表明,该算法能够有效避免局部最优,全局寻优能力强。     

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.     

蝙蝠算法优化极限学习机的电力负荷预测模型

为提高电力负荷预测的准确性,提出蝙蝠算法优化极限学习的电力负荷预测模型.首先收集电力负荷历史数据,然后采用蝙蝠算法对延迟时间和嵌入维以及极限学习的隐含层结点数目进行优化,利用电力负荷历史数据进行重构,最后采用最优隐含层结点数目的极限学习机建立电力负荷预测模型,并采用具体数据仿真测试.实验结果表明:模型建立了整体性能优异的电力负荷预测模型,提高了电力负荷的预测精度.     

基于交叉组合运算的密钥认证网络安全研究

针对当前多服务器网络安全性低和通信开销大的问题，提出了一种基于交叉组合运算的密钥认证网络安全研究方法.该方法通过蝙蝠算法优化后的随机森林算法提取数据的有效特征，然后基于交叉组合运算建立协议模型完成数据判别，最后利用该协议模型对不同类型的网络攻击进行检测.实验结果显示，该交叉组合运算方法能有效地减少网络中的通信开销并提升网络安全水平，所建立的协议模型可以有效减少网络攻击的危害，且在召回率和查准率方面都有较好的效果，具有一定可行性.     

仿生蝙蝠扑翼飞行器设计及气动特性分析

研究仿生蝙蝠扑翼飞行器扑翼过程中的气动特性,分析蝙蝠扑翼飞行周期的扑动流程为展开—下扑—收缩—抬升,将飞行器翅翼主要分为驱动机构及折叠机构.运用UG软件进行三维建模后建立数学模型,并利用ADAMS软件仿真验证,分析得到扑翼飞行器运动参数.采用ADAMS-XFlow联合仿真,考察不同翼型、来流速度和扑动频率对气动特性的影响.仿真结果表明,本文设计的扑翼飞行器半椭圆翼飞行参数优于矩形翼;3 m/s的飞行速度为最佳飞行速度;扑动频率应控制在2 Hz.仿真结果能够为扑翼飞行器结构设计选型、飞行环境及飞行参数设定等提供理论参考.     

基于自适应指数蝙蝠和SAE的并行大数据分类

为解决深度学习进行大数据分类时效率低的问题，本文提出一种基于自适应指数蝙蝠和堆叠自编码器(SAE)的并行大数据分类方法.在并行计算框架中，Map阶段使用自适应指数蝙蝠算法进行特征选择，自适应指数加权移动平均值蝙蝠算法(AEB)由指数加权移动平均值(EWMA)和自适应权重策略得到.将选择的特征作为Reduce输入进行大数据分类，Reduce阶段使用AEB算法训练的深度堆叠自动编码器(SAE)进行分类，进一步提高了分类精度.实验结果表明，针对不同的训练数据百分比，本文所提方法在准确度和真正例率(TPR)性能方面优于其他现有方法.