细菌觅食算法

摘要： 气象条件对作战的各个方面都产生不同程度的影响和制约,恶劣的天气情况会影响军事通信质量,为提高在气象环境影响下的军事通信效能评估效果,将BP(Back Propagation)神经网络模型应用于军事通信效能评估中,并结合基于信息素的细菌觅食改进算法(Bacterial Foraging Optimization based Pheromone,BFOP)进行求解,对BP神经网络参数进行优化。BFOP算法引入信息素思想,通过信息素浓度标识细菌经过的环境信息,指引细菌向信息素浓度高的位置进行迁移。仿真结果表明,所提评估模型具有更高的全局寻优能力,能更好地对军事通信效能进行评估,评估结果更准确。

摘要： 针对现有负荷预测系统耗时长且精度较差等问题,文中设计了一种基于BFA-Elman的电力负荷可靠性的预测系统。利用细菌觅食算法(BFA)优化Elman网络模型的结构参数获得最佳的权值和阈值,同时避免Elman网络陷入局部最优。通过结合BFA和Elman网络构建BFA-Elman电力负荷预测模型,以实现可靠的预测。利用历史电力负荷对所提系统进行实验论证。结果表明,计算量对所提系统的性能影响较小,预测耗时不超过20 s且预测误差均值为0.41%,低于对比方法,从而能够有效提高发电设备的利用率与调度的经济性。

摘要： 细菌觅食优化算法趋化操作中的固定步长导致收敛速度偏慢,复制操作中以一半优质细菌进行复制,降低了种群多样性,从而影响算法的寻优性能.针对以上问题,在细菌觅食优化算法的趋向操作中使游动步长随着游动次数的增加而减小,希望保持前期较大步长侧重全局勘探与后期较小步长侧重局部开发的平衡搜索;复制操作中利用骨干思想对一半优质细菌的重心和方差信息实施实时调整的高斯变异,在半种群精英搜索邻域的基础上增加了种群的多样性,提高了细菌觅食优化算法的总体性能.为了验证该自适应骨干细菌觅食优化算法,采用CEC2014基准测试函数进行仿真实验,并与其他细菌觅食算法进行比较,证明提出的改进算法具有更强的全局搜索能力和总体性能.

摘要： 掩膜信号法一定程度上削弱了信号分解结果中的模态混叠现象,其分解结果主要受到掩膜信号的幅值和掩膜频率的影响。为获得参数最优解,摒弃了传统计算获得的方法,提出了细菌觅食算法优化掩膜参数的滚动轴承故障诊断方法。首先利用参数寻优的BFA算法优化掩膜信号的幅值和掩膜频率,得到最优参数组合,利用参数优化后的掩膜信号处理故障信号得到频谱更加纯净的本征模函数,最终根据相关系数准则选取最佳分量进行频谱分析。实验结果表明优化参数后掩膜信号处理下的故障信号抗模态混叠能力更强,分量融合后故障特征更明显。

摘要： 目前基于蚁群算法的路径规划用于多约束条件下寻找最优路径时,容易陷入局部最优解并导致收敛速度慢.为此,在路径长度、有效景点区域数量、路径平滑性和路径障碍距离等约束条件下,构造一种适应度函数模型,以评价漫游路径的质量.提出混合细菌觅食优化思想的改进蚁群优化(bacterial foraging optimization and ant colony optimization,BFO-ACO)算法,采用禁忌表优化策略解决传统蚁群算法的死锁问题,提高算法初期的路径多样性,通过引入细菌觅食算法的复制和驱散机制,提高收敛速度,跳出局部最优值.实验结果表明,BFO-ACO算法可在多约束环境下以较少的迭代次数获得高质量的漫游路径,为漫游路径设计提供了参考.

摘要： 针对鲸鱼算法的优缺点,提出了一种基于Tent混沌映射的可复制的鲸鱼算法(Tent chaotic mapping-based Reproducible Whale Optimization Algorithm,TRWOA)。首先,为了在优化过程中保证初代种群多样化,初代种群位置由Tent映射生成。其次,考虑到算法迭代前期易出现早熟现象、求解精度低等问题,将细菌觅食优化算法的复制操作引入到鲸鱼算法的优化过程中。通过实验,比较TRWOA和基本的鲸鱼算法优化基准测试函数的能力,结果表明,TRWOA既有效保证了初始解的质量,增强了算法的求解精度,又提升了算法的收敛性能,算法更加稳定。

摘要： 针对铁路制冷机用永磁同步电动机矢量控制系统调速精度低、动态响应速度慢以及控制器参数选取繁琐的问题,利用细菌觅食算法实现传统的转速环控制器和电流环控制器的优化。将细菌觅食算法与引力搜索机制相结合形成GS-BF(Gravitational Search-Bacterial Foraging)算法,从而增强细菌个体游动操作的目标性,加快游动效率,使细菌觅食算法具有更好的全局最优解搜索能力且有效加快算法的收敛速度。利用Matlab验证GS-BF算法的优越性,仿真结果表明优化后的PID(Proportional Integral Derivative)控制器具有更小的超调、更快的响应速度;矢量控制系统的静态误差和动态响应速度均得到有效改善。该方法具有使用的普遍性,也适用于其他电动机的调速系统。

摘要： 针对电力变压器故障诊断中状态量判断指标过于绝对、智能算法准确率受参数影响等问题,在分析电力变压器故障的基础上,提出将支持向量机(Support Vector Machine,SVM)和细菌觅食算法(Bacterial Foraging Algorithm,BFA)相结合用于电力变压器的故障诊断方法。通过细菌觅食算法的寻优能力找到最优的支持向量机惩罚因子和核参数,提高了故障诊断能力。通过仿真和实例进行对比分析,验证了该方法的优越性。结果表明,相比于粒子群优化,细菌觅食算法具有更好的寻优能力。基于BFA-SVM的故障诊断模型,相比于改进前,具有更高的准确性、鲁棒性和寻优能力,故障诊断准确率相比于粒子群优化提高了7.50%,具有一定的实用价值。

摘要： 为了高效利用再制造系统,实现拆卸线平衡和低碳制造,建立了一种基于U型拆卸线的,考虑到了工作站数、空闲时间、平滑度和碳排放量的多目标优化模型.首先针对产品的约束关系和拆卸序列的编码和解码方法进行了论述.其次,使用了改进多目标细菌觅食算法对拆卸方案进行优化.在游动环节,使用了一种动态自适应搜索机制;在繁殖环节,和遗传算法的交叉算子相结合,增加种群多样性,避免过快收敛.最后,以手机拆卸过程为例,有效地验证了提出的模型能够有效规划拆卸系统,实现拆卸线平衡.

摘要： 为了提高光伏阵列光电转换效率,确保光伏阵列功率输出始终维持在最大功率点上,传统最大功率点跟踪算法在应用于局部阴影条件时,可能存在陷入局部最优或跟踪时间过长等问题.提出一种粒子群与细菌觅食混合算法,并将其应用于光伏阵列的最大功率点跟踪中,来改善跟踪过程中的收敛精度与速度.通过仿真实验结果,与传统扰动观察算法以及细菌觅食算法进行对比,验证了混合算法在跟踪速度、收敛精度、稳定性上的优越性,以及在动态光照条件下的适应性能力.

摘要： 为了不断提升电力系统短期负荷预测的精确度,确保系统安全、经济运行,本文提出细菌觅食算法优化极限学习机的电力负荷预测模型.首先收集电力负荷历史数据,将细菌觅食优化算法引入到基于极限学习机的短期负荷预测模型中,对极限学习机中的不确定参数进行算法优化,然后利用优化后的模型进行电力系统负荷预测.最后,利用浙江某地真实电力负荷数据,进行仿真实验.仿真结果表明:细菌觅食算法优化极限学习机电力负荷预测模型的预测精度均优于遗传算法、粒子群优化算法、蝙蝠算法优化后的极限学习机预测模型,且提出的算法具有良好的鲁棒性.

摘要： 经典细菌觅食算法因其在求解优化问题时的强壮优化能力，越来越多的学者们开始对该算进行分析和改进。针对细菌觅食算法在求解复杂问题时优化性能不佳的缺陷,本文抛弃了传统算法改进时,参数改进及混合策略的思路,从拓扑结构的视角,首先分析了邻域拓扑结构对算法产生的不同影响;其次,借鉴PSO算法中的邻域学习策略,结合BFO算法局部搜索能力较强的特点,提出了一种邻域学习细菌觅食优化算法(BFO-NL).最后,为了评估新算法的优化性能,将NFO-NL算法与原始BFO算法进行比较,仿真实验在8个标准测试函数中完成,结果显示BFO-NL算法收敛速度更快、求解精度更高.BFO-NL算法与原始BFO算法相比较,新算法的求解精度更高,并且鲁棒性更强.

摘要： 本发明公开了一种基于细菌觅食优化算法的配送中心选址方法，包括如下步骤：1)获取目标城市的配送中心及历史配送地址集合；2)构建配送中心选址模型；3)细菌觅食优化算法的实现。本发明能通过利用历史配送地址与候选配送中心进行建模，更加符合现实中存在大规模历史配送地址的配送中心选址情况，从而能将选址与配送结合起来，提高配送中心选址的准确性，减少配送费用，提高配送的时效性，提升客户的满意度。

摘要： 本发明提供了一种基于细菌觅食算法和蚁群算法的选址—配送方法和系统。本发明实施例通过构建的上层目标函数和下层目标函数，以及对应的约束条件，构成了满足配送中心容量约束的选址—配送模型，通过细菌觅食算法求解配送中心选址问题，根据配送中心容量约束和客户需求量合理分配待配送客户；通过蚁群算法根据车辆容量约束以及客户时间窗求解每个配送中心的最优配送方案。考虑到配送中心容量，客户需求量，以及时间窗等条件，最终达到上层目标函数最优，即选址—配送的总成本最低。

摘要： 本发明提供了一种基于细菌觅食算法的攻击威胁感知方法和装置，涉及网络安全的技术领域，包括：获取待检测网络的流量数据；利用流量数据，确定出各个网络节点的威胁评分，其中，威胁评分用于表征网络节点权限；基于威胁评分和细菌觅食算法，对网络节点进行迭代优化，确定出目标数据；将目标数据与第一预设数据进行对比，确定出流量数据是否为攻击数据，解决了现有技术中对网络威胁攻击的检测效率较低的技术问题。

摘要： 本发明公开了基于混沌优化细菌觅食算法的传感器节点部署方法，其包括以下步骤：初始化、设置循环变量、趋化循环、繁殖循环、迁徙操作、判断算法结束循环的条件，满足条件则结束算法并输出最优细菌组合，不满足条件返回设置循环变量。本发明的优点：在用混沌优化的细菌觅食算法得到的节点覆盖方案中WSN节点在监测区域中均匀分布，产生极少的节点冗余，几乎没有覆盖空洞，与随机部署节点的策略比较，提高了节点部署策略网络覆盖率，节点在监测区域分布更加均匀，重复覆盖的区域更少，节点的冗余度极低，达到了WSN优化覆盖的目的,而且优化的算法使用更少的节点就能有效覆盖监测区域，节约了部署成本，同时也极大地延长了WSN的监测时间。

摘要： 本发明公开了基于启发式混合细菌觅食算法的直线型结构物体检测方法，涉及智能化工业生产领域，技术方案为，提取基准模板，进而创建不同方向的模板；采集检测图像；对检测图像计算归一化梯度图和梯度方向图；根据梯度方向图得到的检测图像主方向与基准模板主方向对比，得出检测图像中物体的旋转角度范围；根据相似度分布特点设计启发式的搜索策略，从而快速的获得物体位置和旋转角度。本发明的有益效果是：针对直线型结构物体，本发明充分发掘并利用直线型结构物体的相似度分布特点，利用主方向检测物体的旋转角度范围，并合理设计启发式的混合细菌觅食搜索策略，可以快速有效的检测出直线型结构物体，获得精确的物体位置和旋转角度。

摘要： 本发明提供了一种基于细菌觅食算法和蚁群算法的选址—配送方法和系统。本发明实施例通过构建的上层目标函数和下层目标函数，以及对应的约束条件，构成了满足配送中心容量约束的选址—配送模型，通过细菌觅食算法求解配送中心选址问题，根据配送中心容量约束和客户需求量合理分配待配送客户；通过蚁群算法根据车辆容量约束以及客户时间窗求解每个配送中心的最优配送方案。考虑到配送中心容量，客户需求量，以及时间窗等条件，最终达到上层目标函数最优，即选址—配送的总成本最低。

摘要： 本发明公开了一种基于改进细菌觅食算法的云服务组合优化方法，包括以下步骤；步骤一，对云服务组合进行建模：云服务是在云计算的平台环境中，云服务发布者将各种各样的资源进行虚拟，封装为服务，然后提供者将服务发布在云平台上供使用者按照自己所需要的服务价格进行付费使用，步骤二：使用改进的细菌觅食算法求解步骤一中对云服务组合建模后的云服务组合的最优解。本发明的准确率较高，鲁棒性更强，获得最优服务的时间更短，对于云服务组合优化工作具有实际意义。

摘要： 本发明公开了基于细菌觅食算法优化灰色神经网络的违约概率预测方法，包括以下的步骤：首先，选取有还款或逾期表现的客户作为建模样本，获取客户信用数据；对信用数据进行预处理，随机切分训练集和测试集；根据建模样本的数据特征构建灰色神经网络拓扑结构，确定网络的参数，初始化灰色神经网络的权值和偏置；构建灰色神经网络的权值偏置与细菌觅食算法的映射关系，通过细菌觅食算法得到最优权值和偏置，并使用训练集对灰色神经网络进行训练；本发明利用细菌觅食算法确定了循环神经网络最优的权值和偏置，加快了神经网络的收敛速度，并提高了预测模型的准度，可满足互联网金融信用实时评估的需求。

摘要： 本发明提供了一种基于细菌觅食算法的攻击威胁感知方法和装置，涉及网络安全的技术领域，包括：获取待检测网络的流量数据；利用流量数据，确定出各个网络节点的威胁评分，其中，威胁评分用于表征网络节点权限；基于威胁评分和细菌觅食算法，对网络节点进行迭代优化，确定出目标数据；将目标数据与第一预设数据进行对比，确定出流量数据是否为攻击数据，解决了现有技术中对网络威胁攻击的检测效率较低的技术问题。

摘要： 本发明提供的基于改进细菌觅食算法的爆破振动速度峰值预测方法，该步骤包括针对工程现场的若干爆破参数，获取该爆破参数中的爆破振动速度峰值数据集作为预测模型的训练样本和预测样本；建立模型获取最优误差惩罚参数C以及核参数g的值；通过改进细菌觅食算法将训练样本的每个细菌的位置，确定最优细菌，初步构建爆破振动速度峰值预测模型；预测结果进行误差分析；工程现场的爆破振动速度峰值进行预测。