群智能算法

摘要： 车辆队列行驶技术作为智能交通系统中的重要组成部分,在节能减排、优化交通状态、提高行驶安全等方面具有重大意义。优化车辆队列行驶的空气动力学性能,是提高其节能减排作用的重要手段之一。文章详细总结了车辆队列行驶的空气动力学研究内容,根据影响队列空气动力学性能因素的不同,将其分为队列内部因素(车与车)和队列外部因素(车与环境),其中,队列内部因素阐述和分析了车辆造型、速度、车辆数目、间距及队列形式对整体的气动性能影响;队列外部因素阐述和分析了自然环境和道路环境对整体气动性能的影响,同时梳理了每种因素的发展与研究现状。最后总结了车辆队列行驶中空气动力学研究的关键技术和发展趋势,为将来队列行驶的推广应用提供理论基础。

摘要： 研究混凝土的配合比设计是混凝土工程中的一项重要工作.为了实现不同粒径大小以及砼、砖配合比的混凝土图像的精确分类,提出了一种基于彩色共生矩阵(Color GLCM,CGLCM)和支持向量机(Support Vector Machine,SVM)的混凝土图像分类方法.首先,将混凝土图像从RGB空间转换到HSV空间,分别提取H,S,V 3个通道的8维灰度共生矩阵(Gray level co-occurrence matrix,GLCM)的纹理特征;其次,将3个通道的特征进行融合,构成24维特征向量,并将特征向量输入到SVM进行分类,确定CGLCM的最佳参数;最后,在此基础上利用群智能算法对SVM参数进行优化.通过对中北大学土木工程专业构建的两种数据集(CIRD_A,CIRD_B)进行分类,结果表明,与其他分类方法相比,遗传算法优化SVM模型(GA-SVM)对两种数据集的分类精度最好,分别达到了97.76%和96.34%.

摘要： 提出一种求解绝对值方程的捕鱼算法。算法首先将绝对值问题转化为一个最小化问题,然后使用三种搜索模式对目标函数进行寻优。数值实验结果表明,与粒子群算法和人群搜索算法以及他们的改进算法相比,所提算法不仅获得了稳定的求解结果,而且在最小值、最大值、平均值和方差等指标上均明显优于其他对比算法。

摘要： 针对传统花朵授粉算法(FPA)在解决复杂问题时搜索精度低和收敛速度慢等问题,提出了一种基于混合策略改进的花朵授粉算法(HSFPA)。采用自适应转换概率策略改进转换概率,动态平衡全局授粉和局部授粉之间的关系;在全局授粉阶段,提出一种动态全局搜索策略,既可以加快算法收敛速度,又能增加花粉种群的多样性,防止花粉陷入局部最优;局部搜索增强策略使得花粉能够充分开发当前优质花粉周围的搜索空间,提高收敛精度;花粉越界修正策略进一步加强了算法的探索能力。通过对10个基准函数进行仿真测试,实验结果表明,HSFPA算法在搜索速度和寻优精度方面具有更好的效果。

摘要： 布谷鸟搜索(CS)算法是一种新型的群智能算法,结构简单且寻优能力较强,但存在勘探与开采不平衡以及易陷入局部极值的问题。提出一种多策略调和的布谷鸟搜索(MSRCS)算法,基于概率规则选择由自适应步长和改进解更新方法组成的调和策略对布谷鸟个体进行更新,其中自适应步长引导布谷鸟在更好的方向上寻优,3种改进的解更新方法分别从自身邻域、当前最优个体和随机位置3个角度对勘探和开采进行调和,从而提升全局搜索和局部搜索在迭代过程中的适应性。在CEC2013测试集的28个基准函数上的实验结果表明,MSRCS算法至少有12个测试函数优于原始CS及其7种改进算法且排名第一,在求解单峰、多峰和组合函数问题时寻优能力更强,同时相比于3种经典群智能优化算法具有更快的收敛速度和更高的解精度。

摘要： 随着“双碳”目标提出,依靠化石能源为主体的电力供应体系正面临巨大挑战。为了更好地响应国家号召,电力行业都在积极探索寻求减少化石燃料使用的发电方式,目前,最大程度上能够在保障供电的可靠性和经济性的前提下,含有高比例的新能源分布式发电的微电网在实际应用方面取得了优异的效果。但是,这种风光储微电网的经济性和可靠性很大程度上取决于其容量配置方案优劣,为了尽可能地获得最好的容量配置方案,国内外专家学者对此做了大量研究,本文将对这些学者在容量配置方面的研究做综述。

摘要： 针对无人机在三维低空突防时存在环境复杂、路径规划计算量大等问题以及现有的麻雀搜索算法算法路径搜索能力不足、易陷入局部最优等缺陷,提出一种基于改进麻雀搜索算法(ALCE-SSA)的三维无人机低空突防的航迹规划方法.首先,建立三维地形模型、威胁源模型和无人机物理约束模型,确定代价函数;其次,设计随机Tent映射初始化种群,提高初始化种群的质量;然后针对麻雀搜索算法算法中发现者位置更新的不足,设计一种自适应领头雀引导策略,减小依靠单一父代更新的不利影响,能够同时提升前期全局探索和后期局部寻优的能力;最后,针对种群多样性不足、易陷入局部最优的问题,设计一种中心变异-进化因子,扩大搜索空间,进一步提升全局寻优能力.和灰狼算法、飞蛾扑火算法和麻雀搜索算法相比,ALCE-SSA的能耗更优,路径更平滑,收敛速度更快,可使无人机有效地利用地形优势来躲避威胁源,表现出较好的寻优能力.

摘要： 微波谐振式传感器具有低成本、高灵敏度、实时、无损检测等特点,在生物、医疗、环境等领域都有着广阔的应用前景.一般来说,微波谐振式传感器通过传输线激励谐振单元,通过谐振频率偏移等特征变化获得待测量.本文对微波谐振式传感器现有研究成果进行了详细的综述.首先简要介绍了微波谐振式传感器分类、基本工作原理及关键性能指标,其次以位移传感器、介质传感器及液体传感器这3种类型总结当前微波谐振式传感器国内外研究进展,之后着重探讨了群智能算法、机器学习等优化算法在微波谐振式传感器优化设计方面的应用,最后展望了微波谐振式传感器的发展前景以及存在的挑战.

摘要： 群智能算法因为是一种随机的、概率的搜索算法,需要大量的运算,因此得到结果需要等待的时间较长。云计算近来发展得越来越成熟,而且其特点就是拥有无限的计算资源,可以在短时间内处理大量的运算。正因为云计算的出现,群智能算法运算效率问题得到了解决。将云计算运用在群智能算法上,可以有效解决群智能算法的瓶颈问题,这样可以快速地得到所需的结果。

摘要： 立方体表面的多旅行商问题在实际生活中具有较大应用前景。论文提出了一种邻域贪婪的Harris鹰优化算法(NGHHO),该算法在较新的HHO算法基础上通过使用k-mean聚类增强初始解的质量,利用邻域搜索提高算法在TSP问题中的寻优性能,采用贪婪策略提升算法的收敛速度。通过在TSP benchmark测试集和随机点集上与其他经典的群智能算法进行测试比较,实验结果显示NGHHO寻优效果更好,并且显著克服了Harris鹰优化算法的寻优精度低、易陷入到局部最优的缺点,有效地求解了在特殊表面上的MTSP问题,具有较好的实际应用前景。

摘要： 针对基于神经网络目标威胁评估算法中参数优化的不足,研究了神经网络参数优化的群智能算法.文章首先对目标威胁评估的现状进行介绍,指出了基于神经网络算法的不足,研究了群智能算法在基于神经网络的目标威胁评估方法中的运用.对粒子群、蚁群和进化算法的基本原理、算法应用、存在不足和发展趋势等方面进行了阐述,说明了群智能算法在目标威胁估计中的重要作用.

摘要： 近年来,基于不同仿生学原理的群智能算法被不断提出,以群智能优化为基础的模式聚类算法得到了迅速发展,并且展现出精度优势和应用潜力.本文针对典型的高光谱图像聚类模型,引入蜂群算法(Artificial Bee Colony Algorithm,ABC)、粒子群算法(Particle Swarm Optimization,PSO)、萤火虫算法(Firefly Algorithm,FA)和教与学算法(Teaching and Learning Based Optimization,TLBO)等4种群智能算法,在详细介绍算法原理和流程之后,应用3组模拟数据和2组实际数据对各个算法的聚类结果(目标函数值、ARI和PWSD)进行了比较.结果显示,对于每个数据,4种群智能均能很好地改进k-means算法的聚类结果.另外,对于模拟数据,ABC和TLBO效果最好;对于真实数据,ABC和FA效果最好;综合考虑运算时间,ABC相对于其他算法具有明显优势.

摘要： 本文讨论了一种新型的智能仿真优化算法在压力容器的优化问题中的应用.提出了一种新型的基于文化的量子粒子群优化算法.首先,构造了惩罚函数来处理不等式约束问题,然后将压力容器设计中的待优化参数作为仿真优化算法中的寻优参数,最后应用文化量子粒子群优化算法来处理该约束问题.数值仿真结果表明基于文化的新型群智能算法在处理复杂的、大规模的优化问题中的有效性,为复杂的带约束的优化问题提供了新的可行策略.

摘要： 航迹规划问题由于规划约束众多,同时又面临着在庞大的搜索空间中寻找最优,往往规划速度慢,规划效率低.通过对航迹规划问题的建模研究,引入了一种改进型的群体智能算法,用来求解无人机航迹规划问题,并对该算法进行Matlab代码的仿真实现.仿真实验表明,该算法在对航迹规划问题的求解中,具有良好的效果.

摘要： 最短路径问题在现实生活和军事活动中占据着越来越重要的地位,求解这一类问题的方法也有很多,包括动态规划法、Dijkstra算法和智能优化算法。详细介绍并比较了各种方法的优劣,发现智能优化算法尤其是群智能算法是解决路径优化问题的一种简便有效的算法。

摘要： 本文提出了一种基于粗集约简的粒子群储层识别方法，即应用粗糙集进行属性约简，应用粒子群(PSO)聚类算法对约简和正规化后的数据进行处理.实验表明，约简后的PSO聚类较约简前在识别率上有明显的提高.

摘要： 本文公开了一种癫痫时期特征提取及分类方法。首先，对原始的癫痫脑电数据进行随机打乱预处理，并分别划分4折的训练集和测试集。其次，采用结合方法对预处理后的数据提取特征，一方面，通过WPT或STFT‑PSD提取非线性的时频特征，然后，在得到的时频特征上再结合PCA算法提取脑电数据的主成分特征，并消除噪声和冗余特征，并作为特征提取的最终特征。最后，采用脉冲神经网络对提取的特征做分类分析，脉冲神经网络算法不仅考虑个体互助和信息交互，拥有很强的鲁棒性；并且它模拟的神经元更加接近大脑中真实的神经元，考虑更多的时间信息，拥有更强的计算能力。

摘要： 本发明涉及一种跨屏智能算法平台及基于该跨屏智能算法平台的个人电视。其中个人电视安装有跨屏SDK或跨屏APK，所述跨屏SDK或跨屏APK与移动终端安装的跨屏APP分别与跨屏智能算法平台建立基于WAN的双向长连接完成跨屏；所述跨屏SDK或跨屏APK根据移动终端用户使用的移动终端应用场景及用户画像数据，提供与所述移动终端应用场景实时或非实时显示；所述跨屏APP根据所述个人电视用户使用的电视应用场景及用户画像数据，控制个人电视的内容。本发明基于跨屏智能算法的跨屏智能算法平台，电视应用场景和移动终端应用场景实时或非实时均可，真正实现了双向交互、根据电视和移动终端的使用场景智能化、不受局域网限制。

摘要： 本申请公开了一种基于非洲蜂智能算法的无人艇艇群控制方法，包括：基于无人艇艇群作业任务和非洲峰算法，采用迭代运算，根据无人艇单艇在作业海域内的当前位置和当前航速，确定无人艇单艇的初始航速和预计航行位置；根据作业海域的海况信息，对作业海域进行网格化，生成作业任务网格，确定作业任务网格的任务网格信息矩阵；确定预计航行位置对应的作业任务网格的子网格，根据子网格确定航速修正量以对初始航速进行修正，并根据修正后的初始航速和预计航行位置，生成控制指令，以控制无人艇单艇航行至子网格，直至完成无人艇艇群作业任务。通过本申请中的技术方案，对无人艇航行过程中的航速、航向进行优化，实时进行无人艇艇群的协同控制。

摘要： 本发明公开了一种基于群智能算法的任务卸载方法，将移动端执行的第一任务拆分为多个子任务，然后根据子任务的大小将每个子任务卸载给计算节点，配置相应的决策因子；根据决策矩阵、子任务自身的容量、移动端到各计算节点的传输速率，计算出第一任务被计算完成时的最大时间和总能耗；再根据移动端的优化策略，对最大时间和总能耗设置权重因子，并以此计算完成第一任务所需要付出的第一代价值；最后通过群智能算法对决策矩阵进行优化，从而使得第一代价值达到最小值。本发明能够减少移动端在移动边缘计算时完成任务所需的时间和能耗，提高移动端的用户体验。

摘要： 本发明涉及一种基于群智能算法和疏散熵的人群疏散路径优化方法，该方法由计算机执行，具体步骤包括：步骤S1：构建疏散环境；步骤S2：初始化疏散人群与疏散路径参数；步骤S3：基于k均值聚类算法将人群分为多个小群体；步骤S4：所有个体基于混合人工蜂群—蝙蝠算法进行位置更新；步骤S5：所有个体基于疏散熵进行位置修正；步骤S6：所有个体进行避障；步骤S7：若算法未达到结束条件，则返回步骤S4，否则算法结束，完成疏散。与现有技术相比，本发明具有疏散行为更丰富、疏散运动与真实情况更加符合、疏散效率较高等优点。

摘要： 本发明提供一种基于群智能算法的车与wifi对碰的方法，需提供复数个卡口、复数个点位以及一前端设备，卡口与点位均连接至所述前端设备，并将数据实时传输给前端设备，该方法包括：从前端设备获取卡口信息和点位信息；预定匹配值X、卡口与点位的关联距离值M；提取卡口的过车数据流和点位的wifi数据流；根据卡口信息、点位信息、关联距离值M，计算卡口与点位之间的矢量距离r；根据r、过车数据流与wifi数据流采集时间差创建粒子，利用群智能算法计算过车数据流与wifi数据流之间的匹配程度，过滤出匹配程度高于X的数据进行聚类分析，得到具有关联关系的过车数据流与wifi数据流，供后续数据分析。本发明可实现海量数据下的高精度、高准确度的车与WIFI对碰。

摘要： 本发明涉及一种基于群智能算法资源配置匹配方法、装置、设备及介质，其包括；根据目标办税服务厅的ID号，获取目标办税服务厅在目标时间段对应的目标难度系数业务量序列和窗口设置数据，窗口设置数据包括窗口开设数量和业务包序列；根据目标难度系数业务量序列、窗口设置数据以及业务包序列，利用贪婪算法构造资源配置初步方案；根据资源配置初步方案，结合优先级别相对窗口的权重系数，构造粒子群搜索的初始解空间；根据粒子群搜索的初始解空间，利用粒子群以KL散度值为优化目标，全局搜索目标办税服务厅的资源配置推荐方案。本发明能够智能高效搜索最佳资源配置方案并推荐给办税服务厅，提高办税资源的利用率。

摘要： 基于群智能算法的肌肉电信号通道组合优化方法，包括如下步骤：步骤一，采集各个通道的数据，并对数据进行预处理，步骤二需要对通道数量以及特征进行选取，步骤三，建立精度确立方法，进行精度预算。步骤四，将步骤三得到的精度利用蚁群算法进行计算，得到最优精度。发明通过启发式算法，对复杂的NP问题进行较为精准的求解，并且大大降低了训练时间。并得到优化后通道的选择。

摘要： 本发明公开了一种基于群智能算法和cGAN的恶意代码数据不均衡处理方法，构建恶意代码生成模型。采用群智能算法计算恶意代码的可接受最佳初始样本比例。生成各家族恶意代码，构建相对均衡的恶意代码数据集。本发明利用群智能算法获得各恶意代码家族的可接受最佳样本比例，同时引入cGAN对恶意代码不同家族的数据分布进行学习并进行样本生成，最后对不平衡数据集进行处理，构建各类样本相对均衡的恶意代码数据集，使不同种类的恶意代码在选取时达到一个理想的比例，使正负样本在训练过程中具有相同的地位，更有效的解决了数据不均衡的问题。

摘要： 本发明公开了一种基于云计算的多目标群智能算法并行优化方法，该方法通过将原有的单机版多目标群智能优化方法利用云计算中的GPU平台进行并行化，交叉选择变异操作在CPU上串行执行，种群个体的支配比较分配给GPU执行，降低了时间复杂度，从而减少了算法执行所需的时间。同时引入并行多目标群智能算法中的多岛屿模型，实现多个GPU并行化的多目标群智能算法的同时执行，通过迁移策略增加物种多样性，从而提高了算法的求解质量。对多岛屿模型采用云计算中的常用框架Spark进行具体实现，能够通过修改参数来增加岛屿数，具有高扩展性。