生物地理学优化算法

摘要： 郊狼优化算法(coyote optimization algorithm,COA)是最近提出的一种群智能优化算法,具有独特的搜索结构和较好的优化性能。为了进一步提高COA的优化性能,提出了一种多策略的郊狼优化算法(multi-strategy COA,MSCOA)。首先,对于组内最优郊狼,采用一种全局最优郊狼引导的成长策略提高其社会适应能力,对于组内最差郊狼,采用一种最优郊狼引导强化策略强化最差郊狼的能力;其次,对于组内其他郊狼采用一种动态调整信息交流的组内成长策略提升组内郊狼之间的信息共享程度,并将这种组内成长策略与一种改进的迁移策略融合,更进一步提升搜索能力;最后采用动态分组策略减少参数手动设置,提高算法的可操作性。以上多种策略的使用更好地平衡了探索与开采,使算法的性能最大化。大量来自CEC2014测试集的复杂函数实验结果表明,与COA相比,MSCOA具有更强的搜索能力、更快的运行速度和更高的搜索效率,与其他优秀优化算法相比,具有更明显的优势。

摘要： 针对传统多目标算法在应用中解决多目标优化问题时存在的Pareto前沿收敛不好、解集均匀性差等问题,文章通过实例对BBO算法进行研究和综合分析,将其与传统经典多目标算法相互结合来求解多目标优化的问题。首先,将其与NSGA-Ⅱ算法相结合提出一种混合多目标BBO优化算法;然后,改进BBO的迁移算子应用于群体的进化,增强了种群的多样性;最后,提出一种改进的变异算子,防止种群陷入局部收敛。将提出的基于生物地理学的多目标优化算法(MOBBO),通过标准函数测试和经典的进化的多目标优化算法进行比较,结果表明该算法所得的Pareto最优解集能够逼近真正的Pareto前沿,具有一定的竞争性。

摘要： 手术室资源调度关系到医院资源配置的合理性,对医院竞争力具有至关重要的影响。针对BBO算法收敛速度效率低、易陷入局部最优的缺陷,提出了云模型BBO算法,并结合所建立的医院手术室资源调度模型,提出了一种基于CMBBO的医院手术资源调度模型。将该模型应用于某大型三甲医院,结果表明手术资源使用率和手术服务能力得到提升、手术等待时间降低,提出的算法对其他医院手术资源调度具有一定的参考价值。

摘要： 针对生物地理学优化算法(biogeography-based optimization,BBO)易早熟收敛、陷入局部最优的问题,引入物种演化理论提出了改进生物地理学优化算法。该算法将所有栖息地按照物种数量划分为三种地区,并建立协同进化关系,合理地采用区间入侵、区内合作/竞争策略,满足多样性的同时避免了早熟收敛。定义了物种更迭和物种进化两种变异策略,提出的双策略协同变异算子旨在解决变异算子对较优解的破坏。通过CEC2017中的八个基准测试函数与标准BBO及相关改进算法相比,该算法在算法性能、稳定性等方面优于BBO及其他改进算法,且该算法不易被局部最优值所限制。将该算法应用于以最大完工时间为目标的柔性作业车间调度问题(flexible Job-Shop scheduling problem,FJSP)以检验其实际应用价值,实验表明,该算法在解决FJSP上具有一定的有效性。

摘要： 为增强生物地理学优化算法(biogeography-based optimization,BBO)的优化能力并克服其不能很好平衡开发能力与避免陷入局部最优解之间的矛盾,提出基于微扰动和混合变异的差分生物地理学优化算法(differential biogeography optimization algorithm based on micro-perturbation and mixed variation,MDEBBO).引入差分变异算子和自适应的微扰动因子来改进迁移算子,使算法朝着最优解快速移动,提高算法的查找精度.采用混合变异算子代替原变异算子,在迭代前期算法具有良好的全局探索能力,在后期具有较优的局部开发性.基准测试函数的仿真结果表明了MDEBBO算法的有效性.通过MDEBBO算法对Richards模型进行参数估计预测谷氨酸菌体生长浓度,实验结果表明,MDEBBO算法较对比算法更适用于Richards模型的参数估计.

摘要： 针对生物地理学优化算法(biogeography-based optimization,BBO)前期搜寻范围不足、后期易陷入局部最优等问题,提出一种引入生态扩张主义(ecological imperialism,EI)的改进生物地理学优化算法(EI-BBO).首先,该算法通过在原始栖息地的周围寻找新栖息地,增强了初始化群体的多样性;其次,通过对栖息地进行改良式扩张,提高了算法后期的收敛效率;最后,通过梯度下降对最优解领域进行二次收敛,提高了算法的收敛精度.在CEC2014常用的12个优化测试函数上进行50次蒙特卡罗实验,结果表明无论是最优适应度值、平均适应度值还是标准差值EI-BBO,该算法总体表现均优于其他三种智能优化算法,说明EI-BBO能够提高寻找最优解的能力并提升搜索稳定性.

摘要： 考虑中转旅客在换乘过程中的流程时间、捷运时间及步行时间建立了"换乘紧张度"的参量,评价登机口分配对于中转旅客换乘的影响.以中转旅客总换乘紧张度最小、航班分配失败率最低及登机口使用数量最少为优化目标,并考虑航班分配的登机口类型约束、航班冲突约束等条件,建立多目标多约束的中转旅客登机口分配优化模型,并采用生物地理学优化算法求解模型.研究结果表明:登机口分配优化模型与先到先服务原则下的登机口调度方案相比,成功分配航班的数量增加54架次,提高了12％,且宽体机分配成功率为100％;旅客换乘紧张度在1.0之内比例为70％,成功换乘人数增加了30％;总换乘紧张度降低了25％.

摘要： 通过分析生物地理学优化算法(BBO)性能的不足,提出了一种基于混合凸迁移和趋优柯西变异的对偶生物地理学优化算法(DuBBO).在迁移算子中,采用动态的混合凸迁移算子,使算法能够快速地向最优解方向收敛;在变异机制中,采用趋优变异策略,并加入了柯西分布随机数帮助算法跳出局部最优解;最后将对偶学习策略集成到算法中,加快了算法收敛速度并提升了搜索能力.在23个benchmark函数上的实验结果证明了提出的三种改进策略的有效性和必要性.最后将DuBBO与BBO以及另外六种优秀的改进算法进行对比.实验结果表明,DuBBO在整体性能上最好、收敛速度更快、收敛精度更高.

摘要： 针对产品加工时间不确定条件下带阻塞的流水车间调度问题,采用梯形模糊数描述处理时间的不确定性,在模糊规划理论的基础上建立了以最小化最大完成时间为目标的模糊调度模型.通过一种模糊数排序的方法,将模糊调度模型转化为确定的单目标模型,并提出一种改进的生物地理学优化算法(IBBO)求解此类问题.IBBO算法在连续多代最优解没有发生改变的情况下,对最优解执行破坏重建的操作,并借鉴模拟退火算法,以一定概率接收劣解.最后通过仿真实验,验证了改进算法的有效性和优越性.

摘要： 生物地理学优化（BBO）算法是一种新的全局优化算法,但该算法的搜索能力还有待改进.为了提高算法的优化特性,提出一种BBO算法的改进算法——改进的基于局部搜索策略的生物地理学优化算法(ILSBBO).改进的算法将差分进化算法的局部搜索策略与生物地理学优化算法的迁移策略进行结合,并引入了差分进化算法中的选择操作.在13个基准测试函数上,对改进的算法、基本生物地理学优化算法,以及基于BBO的混合差分进化算法进行比较,结果表明改进的算法优于所比较的其它两种算法;此外,改进后的算法在收敛速度上也优于基本生物地理学优化算法.

摘要： 为了提高算法的优化性能，在标准生物地理学优化算法基础上，概括了生物地理学理论的基本平衡定理，探索了在该定理下优化算法的各种迁移率模型的特点及行为，同时对这些迁移率模型进行一些典型基准函数的性能测试。通过函数优化实验可知：不同的迁移率模型将对算法的优化性能产生重要影响，同时符合自然规律的复杂迁移率模型的性能要优于简单的线性迁移率模型的性能;另外，变异率的不同也将对算法性能产生影响，对提高解集的适应度起着一定的作用。通过分析表明生物地理学优化算法是一种具有发展潜力的新型优化算法，并得出当前最有效的迁移率模型。

摘要： 随着在线社交软件近几年用户量的急速增长,社交网络服务提供商每天都需要存储用户提交的海量数据.如何确定适当数量的副本以及各副本所放置的数据中心,使得在满足用户对于数据的访问时间需求的前提下,尽量降低服务提供商的成本,成为社交网络数据放置的一大挑战.本文针对上述问题,提出一种基于生物地理学优化算法的在线社交网络数据放置和复制策略,并与遗传算法进行了比较,仿真实验表明,基于生物地理学优化算法的数据放置和复制策略能够在大多数情况下找到好的解决方案,并且在算法执行效率及结果上都优于遗传算法.

摘要： 本发明公开了一种基于生物地理学智能优化支持向量机算法的动平衡检测控制方法。本发明包括以下步骤：1）采集在线数据；2）输入离线数据；3）设定模型精度需求；4）数据预处理；5）判断是否存在动平衡系统模型；6）判断系统不平衡量是否超过阈值；7）带卡尔曼滤波的生物地理学智能优化支持向量机算法；8）动平衡系统模型；9）动平衡调整。本发明根据动平衡系统小样本和非线性的特点采用支持向量机算法进行系统建模，并且利用生物地理学智能优化算法对支持向量机算法的惩罚因子和核函数参数进行寻优，另外考虑到动平衡系统现场的噪声干扰，本发明还采用卡尔曼滤波增强了整体算法的鲁棒性和精确性，可实现对动平衡系统的高精度检测控制。

摘要： 本发明提出一种基于多目标生物地理学算法的PMU装置及方法，高效的使用PMU装置，是解决由于PMU数据精度高等特点，其数据量大，对传输系统和处理系统要求高，过多依赖PMU装置会使运行成本大幅度提升的问题的有效途径，同时针对于PMU设备的高频率采集数据的特点，通过合理的划分和数据利用，能有效提高故障分析的速度的准确性。

摘要： 本发明公开了一种基于生物地理学智能优化支持向量机算法的动平衡检测控制方法。本发明包括以下步骤：1）采集在线数据；2）输入离线数据；3）设定模型精度需求；4）数据预处理；5）判断是否存在动平衡系统模型；6）判断系统不平衡量是否超过阈值；7）带卡尔曼滤波的生物地理学智能优化支持向量机算法；8）动平衡系统模型；9）动平衡调整。本发明根据动平衡系统小样本和非线性的特点采用支持向量机算法进行系统建模，并且利用生物地理学智能优化算法对支持向量机算法的惩罚因子和核函数参数进行寻优，另外考虑到动平衡系统现场的噪声干扰，本发明还采用卡尔曼滤波增强了整体算法的鲁棒性和精确性，可实现对动平衡系统的高精度检测控制。

摘要： 本发明涉及一种基于生物地理学优化算法的水轮机系统控制参数优化方法。该方法结合水电机组线性模型，利用生物地理学优化算法，实现水电机组调速器PID控制参数的优化。本发明结合生物地理学优化算法，对功率模式下的机组控制参数进行优化，解决了机组控制效果不理想的问题，在各个工况下都能取得较好的控制效果。

摘要： 基于生物地理学优化算法的优化求解器，主要包括：首先，针对不同优化问题及调度问题，根据BBO算法的运行机制，对算法中不同模块进行构建。其次，针对函数优化问题、零等待流水车间调度问题以及作业车间调度问题，优化求解器内部集成了三种针对不同问题进行求解的推荐算法。实验结果表明本发明中提出的优化求解器能够在有限时间内获得较高的候选解精度，并且具有收敛速度快，稳定性较强等特点。

摘要： 本发明公开了一种基于生物地理学优化算法的城市CA模型参数优化方法，包括：栅格化城市土地利用现状图，每一栅格对应一个元胞，并建立土地利用矩阵；提取城市用地变化和空间变量数据，并进行空间采样获取训练样本；建立空间变量与城市扩张之间的函数关系，利用函数拟合值与真实值之间的差异构建适应度函数；初始化BBO算法参数，根据历史样本数据采用BBO算法训练获取变量权重，并计算城市发展概率；构建BBO-CA模型的转换规则，根据非城市元胞的行为转变规则计算每个元胞的最终元胞转换概率；基于构建的BBO-CA模型进行城市扩展模拟；本发明构建了生物地理学优化元胞自动机模型，并将上述模型应用于城市扩展模拟中，有助于更真实、准确地模拟城市扩展。

摘要： 本发明提供了一种基于改进生物地理学优化算法的多序列比对方法及系统，包括：数据采集模块，被配置为：获取原始多序列数据；对比模块，被配置为：依据原始多序列数据，以及预设的隐马尔科夫模型，得到比对结果；其中，所述隐马尔科夫模型中，将每一个栖息地看作是一条隐马尔科夫链，利用改进生物地理学优化算法优化所述隐马尔科夫模型中存在的参数；本发明针对基因多序列比对问题，在HMM模型中，每一个栖息地看作是一条隐马尔科夫链；然后利用改进的算法MPBBO优化HMM模型中存在的参数，不断提高比对的精度；改进的MPBBO算法具有较强的全局探索能力、局部开发能力和收敛速度较快的特点；能获得较为精确的基因序列比对结果。

摘要： 本发明属于无线传感器网络定位领域,具体涉及到无线传感器网络空间中多个基站节点与目标节点之间的距离，以及目标节点在无线传感器网络中的精确定位方法。包括提出使用加权最小二乘方法进行粗定位，同时利用粗定位结果来约束生物地理学优化算法的搜索域，极大缩小了生物地理学优化(BBO)算法的搜索空间，加快了寻优速度；提出改进的BBO算法‑‑‑精英特征变异的BBO算法，该改进算法是通过对遗传至下代的精英特征加入微小变异单元，防止子代陷入早熟，显著增强了算法的搜索寻优能力。通过仿真实验证明本发明提出的高精度定位的方法显著领先于目前已有的其他定位优化算法，具有工程应用价值。

摘要： 本发明基于多目标生物地理学优化算法的Docker与虚拟机聚合放置方法，包括以下内容：首先，创造性地将Docker与虚拟机同时作为聚合单位建立基于DVP三层架构的DVMP(Docker and Virtual Machine Placement，Docker与VM放置)约束模型；其次，明确DVMP约束模型的约束条件，建立DVMP聚合放置模型；接着，执行基于MBBO的Docker与虚拟机聚合放置的映射方法；然后，进行聚合场景适配与编码求解获得有效解，以不断迭代更新初始种群的方式寻找Docker与虚拟机聚合问题的最优解决方案；最后，根据最优放置方案进行Docker与虚拟机聚合放置。本发明所述方法能解决虚拟机资源占用大而难以聚合的问题，能优化数据中心能耗及服务器资源利用率。

摘要： 本发明提供了一种面向生物地理学优化算法的约束处理方法和装置，其中方法包括：改进迁徙步骤：捕获从目标种群选取的个体；提取所述选取个体的目标维度元素；基于个体迁出率，依据模拟二进制交叉算子对选取个体的目标维度元素进行加权融合，产生新的待迁入元素；改进变异步骤：根据该新的待迁入元素更新目标的子种群并利用高斯分布进行扰动，以获得目标种群中的优秀者；可行性约束处理步骤：确定所述目标种群中的优秀者及确定最优个体，以微分进化算法更新变异参数。通过结合微分进化算法的信息搜索能力和生物地理学算法的信息利用能力，提升并平衡了该处理方案的全局优化能力。