人工蜂群算法

摘要： 目的 针对人工蜂群算法在求解问题的最优值时,后期收敛速度慢、易于陷入局部极值的问题,利用数论中的佳点集和一致分布原理,结合其他仿生智能优化算法的机制对人工蜂群算法进行了深入的改进,提出了一种基于一致分布佳点集改进的交叉人工蜂群算法(CGABC).方法 首先,利用数论的一致分布佳点集原理建立算法的初始化模型,以保证种群在搜索空间的均匀分布;然后,通过交叉方式进行迭代更新位置,以维持种群的多样性,防止算法陷入局部最优;最后,通过实验选取了4个工程问题和7个标准测试函数进行实验仿真.结论 结果 表明,与ABC算法、GABC算法等其他算法相比,CGABC的收敛速度及精度均有明显提高,增强全局寻优能力,有效地避免种群个体陷入局部最优,解决了多模态的优化问题.

摘要： 针对考虑工件加工时间不确定性的模糊分布式柔性作业车间调度问题(fuzzy Distributed Flexible Job Shop Scheduling Problem,fDFJSP),将加工时间用三角模糊数表示,以最小化最大模糊完工时间为优化目标,提出一种改进的人工蜂群算法进行求解。针对fDFJSP的分布式特点,设计了基于车间-工序-机器的三层编码方式,针对不同编码层,采用多种混合搜索策略,以提升算法的邻域和全局搜索能力。为测试算法的性能,设计了2组实验对5个算例进行测试,并与代表性算法进行对比。结果表明,所提算法结果总体优于其他对比算法,能够有效求解具有模糊加工时间的模糊分布式柔性作业车间调度问题。

摘要： 为解决纺织车间纱锭自动输送系统的布局问题,分析车间物流及非物流影响因素,建立了生产成本最低化、生产效率最大化、工作区占地面积最小化的多目标优化函数。应用SLP和人工蜂群算法对输送系统进行布局优化。根据车间需求划分作业区域,进行数学建模及边界条件约束,以实际电子玻璃纤维基布生产车间为研究对象进行仿真验证。实验表明,优化后的物流量、占地面积和生产成本分别减少了26.1%、23.0%和27.6%,改进算法有效避免SLP方法存在设计误差较大以及人工蜂群算法易陷入局部最优的缺点。

摘要： 准确、可靠的荷电状态(SOC)估计可以为电池管理系统的安全高效使用提供保障。针对锂电池SOC估计精度不足的问题,提出人工蜂群算法(ABC)和随机森林优化EKF算法(RFEKF)分别实现电池模型的参数辨识和SOC估计。在建立双极化模型的基础上,为解决在线辨识初始误差累积的问题,采用ABC算法搜索最小模型电压误差下的全局最优阻抗参数值,实现模型参数的精确辨识。在获得精确的模型参数基础上,使用随机森林(RF)对SOC后验估计误差进行在线补偿,达到弥补传统EKF算法高阶项误差的目的,进而实现SOC高精度估计。联合半实物仿真系统和电池测试平台,在EPA城市动力工况下对SOC估计算法实现快速控制原型验证。结果表明:基于ABC-RFEKF的锂电池SOC估计算法各项误差指标均低于传统SOC估计算法,平均误差在1%左右,满足实际工程需求。

摘要： 人工蜂群算法存在收敛精度不足、容易陷入局部最优解的缺点。为此,提出一种基于自适应对数收敛双搜索策略的人工蜂群算法。该算法引入自适应系数和对数收敛系数改进雇佣蜂阶段和观察蜂阶段的搜索策略,防止算法陷入局部极值;同时引入双搜索策略,加快收敛速度并提高算法精度。然后在该改进人工蜂群算法的基础上提出一种自然场景下果园中苹果异源图像配准算法,采用SURF算法的非旋转因子与黑塞矩阵响应阈值两个参数作为改进后人工蜂群算法的初始蜂群二维向量,采用均方根误差函数作为适应度函数进行寻优搜索。在实验阶段引入樽海鞘群算法、蝙蝠算法和另一种改进人工蜂群算法与所提算法进行性能比较,实验结果表明,在全局进化次数固定的条件下,所提算法使人工蜂群算法的性能有了50%~90%的提升,且异源图像配准结果较传统SURF算法能够得到更多正确的特征点配对。

摘要： 针对云资源调度中任务分配效率和资源利用率低等情况,提出一种改进的人工蜂群算法。在基本人工蜂群算法基础上,将交叉机制与全局最优引导的人工蜂群算法相结合,增强人工蜂群算法中蜂群对蜜源的开发能力,同时保持探索能力。在观察蜂选择策略中,引入灵敏度的概念。灵敏度通过配合蜜源信息素而让观察蜂选择蜜源,增加种群的多样性,避免算法陷入局部最优。实验结果表明:改进的人工蜂群算法更快收敛,当任务数为200个时,改进的人工蜂群算法的任务完成时间比人工蜂群算法和蚁群算法分别减少了24 s和35 s。

摘要： 移动边缘计算(MEC)通过将算力下沉到网络边缘来降低计算时延和设备能耗。针对计算密集型和时延敏感型应用场景,提出了一种单多维动态种群策略的人工蜂群算法(OMABC)来实现计算任务的卸载。建立一个包含云服务器的边缘计算卸载模型,并构建一个以能耗为惩罚项的代价函数;将计算任务的卸载决策转化为人工蜂群算法对代价函数的寻优过程。通过仿真实验,在CEC 2017测试函数上验证了OMABC的有效性,并在边缘计算模型仿真中与本地卸载策略、随机卸载策略、基于粒子群算法(PSO)的卸载策略、基于人工蜂群算法(ABC)的卸载策略进行对比。实验结果表明,基于OMABC的边缘计算卸载策略能够有效降低MEC系统的时延及代价函数,提供更高效的服务。

摘要： 装配作业是加工中心最耗费人力和时间的过程,采用合理的装配任务编排方式对缩短加工时间、降低加工成本有着重要的影响。文中针对目前发展最为迅速的人机协作装配方式,提出了人机协作装配工作台方法。针对人机协作场景下对人机装配任务分配问题,从装配时间、成本、难度进行建模。采用人工蜂群算法对此多目标优化问题进行求解,并在原始版本人工蜂群算法的基础上提出了基于Lévy分布的跟随蜂生成策略、改进与融合差分进化思想的改进局部搜索策略,以改善算法全局搜索性能。最终基于此算法生成了人机装配序列甘特图,与其他3类典型的智能优化算法进行对比,结果表明本算法具有较高的求解品质与稳定性。

摘要： 为使桥式起重机在复杂环境中实现最优路径规划,文中提出改进人工蜂群(artificial bee colony,ABC)路径规划新方法。建立三维地图环境模型,针对凹形障碍导致规划路径会穿过障碍物的问题,对凹形障碍作虚拟填充处理。在此环境中进行路径规划时,结合桥式起重机运行特点,考虑起重机吊装的高度变化,在分析传统蜂群算法基础上,基于并行选择策略对观察蜂跟随机制进行改进,防止算法早熟。提出路径节点选择准则,剔除初始路径中冗余节点,最后将改进算法与Bezier曲线结合,进行路径平滑处理。仿真结果表明:改进后的算法能快速找到桥式起重机运行的最短路径,且路径拐点少更平滑,提高了系统的吊装效率和安全性能。

摘要： 随着信息技术的发展,数字经济在影响现代物流产业的同时也为冷链物流运输管理注入了新的活力。冷链物流产品在配送运输过程中,除了要关注时效性,还要关注客户的满意度。综合考虑时间窗约束和配送车辆载重量约束,以冷链物流配送车辆的运输距离最短和客户满意度最大为目标建立数学模型。通过引入人工蜂群算法(ABC)的分级思想,对蚁群算法(ACO)进行改进,并对每条路径上的信息素浓度做出限制,将其控制在一个已知的范围内,有效弥补蚁群算法早熟和搜索停滞的缺点,进而利用改进蚁群算法来求解该数学模型。最后,利用MATLAB软件对A城市某生鲜农产品冷链物流配送进行仿真,测试出改进蚁群算法的性能要优于基本蚁群算法和遗传算法,并为配送中心今后的物流配送指明了方向。

摘要： 光伏发电接入配电网会引起电压和网损等有关参数的变化,为了充分发挥光伏并网的优势,确定合理的接入位置和容量,提出一种新的光伏并网系统优化配置方法.该方法以系统总网损最小为优化目标,根据电压灵敏度计算每个节点允许接入容量的上下限,确保电压质量,利用改进人工蜂群算法实现光伏并网的优化配置,算法基于容量约束生成初始种群,运用全局引导交叉机制进行邻域搜索,采用改进的侦察蜂搜索机制选择新解.以IEEE33节点系统为例进行仿真分析,并与基本人工蜂群算法和粒子群算法等进行比较,结果验证了所提方法的可行性和有效性.

摘要： 三维椭圆振动切削(Three-dimensional elliptical vibration cutting,3D-EVC)颤振抑制问题可以看作为切削参数优化,利用群智能优化算法寻优得到最佳切削参数.为此,提出一种改进的人工蜂群算法(Particle-artificial bee colony,PABC)对3D-EVC切削参数进行优化.该方法将粒子群算法中算子移动的“认知”部分和“社会”部分融合进采蜜蜂进化策略,并引入惯性权重,来提高全局最优解附近的搜索能力及收敛性能;基准函数测试结果验证了该方法在寻优精度和速度上均具有良好的收敛性能;同时给出了3D-EVC加工过程中刀尖点振动位移幅值与切削深度、进给量以及主轴转速之间的数学模型,利用PABC算法对模型进行参数优化;实验结果表明,经PABC进行参数优化后,刀尖点振动幅值明显降低,且工件表面粗糙度由120nm降低到36nm,证明了该方法的有效性.

摘要： 本文通过采集三维椭圆振动切削(3D-EVC)加工过程中刀尖点振动位移信号，建立刀尖点振动位移幅值与切削深度、进给量以及主轴转速之间的数学模型来表示刀具振动产生的颤振和三组独立变量(切削深度、进给量和主轴转速)之间的关系。另外，本文基于人工蜂群算法(ABC)和微粒群算法((PSO)提出一种改进的基于微粒群算子移动的人工蜂群算法(PABC)，并通过几种常见的测试函数对PABC算法性能进行测试。测试结果显示，PABC无论在最优值计算以及收敛速度都有很大优势。具体方法可以描述为:首先建立3D-EVC颤振模型，得到刀尖点振动幅值和切削参数之间的关系;然后利用PABC算法对颤振模型进行优化;最后将优化后的切削参数经过切削实验验证，从而验证颤振抑制方法的有效性。

摘要： 为更好地解决路径规划问题,本文综合考虑指引路径长度和交叉口转弯次数作为综合指标,以综合指标最小为目标构建路径规划模型.针对路网的特点,首先对交通路网的拓扑结构进行了表述;其次对综合考虑路径长度和交叉口转弯次数的路径规划问题进行了描述;然后借助人工蜂群算法对该规划问题进行求解;最后选取广州大学城作为实验区域,利用该模型实现了单源路径的规划,分析结果表明该模型具备可行性.

摘要： 通过输入埃而森特罗波(EL Centro)地震波对边坡进行有限元瞬态分析,得到边坡在各个时刻的应力值.然后利用Mohr-Coulomb破坏准则,得到对应某一起始点的滑动面.并用瑞典条分法计算边坡安全系数的公式,使其作为目标函数,经过人工蜂群算法进行优化得到起始点,从而确定了滑动面并计算出边坡安全系数.最后,对各个时刻的边坡安全系数进行统计分析,得到边坡失效概率.

摘要： 针对传统地震相分析方法对海量地震数据处理运算速度较慢、容易陷入局部最优解、灵敏性不高、未考虑先验知识等难题,本文提出了基于叠前地震纹理属性的半监督全局优化地震相分析方法.算法中首先引入叠前地震纹理属性以突出地震反射信息中的微小空间、振幅随方位角、偏移距等的变异性,然后通过训练样本对自组织映射神经网络(SOM)进行训练,最后在先验知识的约束下,采用具有全局优化能力的人工蜂群算法对SOM输出层的神经元进行半监督最优化聚类,得到最优的神经元与地震相的映射关系.实际应用结果表明,提出的方法显著地提高了地震相图的准确度和地震微相的识别能力,能够成为一种性能更加优越的地震相分析工具.

摘要： 考虑风电、光伏出力及负荷波动的随机因素,引入序列运算理论对风、光出力偏差以及负荷波动偏差的概率分布模型进行卷和及卷差运算,得到各时段净负荷概率密度函数的离散序列.在此基础上,优化满足机组爬坡等约束条件的不同可靠性水平下的微网系统正、负旋转备用.以日运行发电成本和环境成本最小为目标函数,优化可控机组出力、蓄电池的充放电以及可中断负荷.采用改进的人工蜂群算法(ABC)对模型进行求解.提出考虑微网期望停电损失、期望切风光损失费用和正、负旋转备用成本的综合经济效益CEB指标,以该指标为依据综合评估微网系统在可靠性指标为何值时旋转备用经济效益可达到最大.最后算例验证模型和算法的可行性.

摘要： 为了提高焊接缺陷超声检测中缺陷分类的正确率,提出了一种基于人工蜂群优化支持向量机的RBF神经网络分类方法.基于SVM与RBF神经网络模型的结构等价性,构建了SVM-RBF神经网络模型,并利用人工蜂群算法自动搜索模型参数的最优值,以获得优化的SVM-RBF神经网络分类嚣,实现对焊接缺陷的准确分类.实验结果表明,本文方法与RBF神经网络和SVM方法相比,获得了更高的分类正确率、更快的收敛速度以及更好的泛化能力.因此,本文方法应用于超声检测中的缺陷分类是有效可行的.

摘要： 对大坝进行有效的监控，建立实用的大坝安全监测模型，根据监测资料准确的预测大坝的变形，对大坝的健康状况及安全稳定的具有重要意义。针对大坝变形具有很强的非线性、随机性,大坝变形的预测困难,本文提出人工蜂群BP神经网络大坝变形预测方法.将人工蜂群算法与BP神经网络相结合,利用人工蜂群算法具有很强的全局优化能力、强鲁棒性等优点来克服BP神经网络收敛速度慢、易陷入局部极小点等缺点,同时建立了蜂群BP神经网络大坝变形预测模型,将该模型与单纯的BP神经网络预测模型相比较,结果表明该优化算法提高了大坝变形预报的精度,加快了网络的收敛速度.

摘要： 为了能有效处理海量数据,进行关联分析、商业预测等,Hadoop分布式云计算平台应运而生.但随着Hadoop的广泛应用,其作业调度方面的不足也显现出来,现有的多种作业调度器存在参数设置复杂、启动时间长等缺陷.借助于人工蜂群算法的自组织性强、收敛速度快的优势,设计并实现了能实时检测Hadoop内部资源使用情况的资源感知调度器.相比于原有的作业调度器,该调度器具有参数设置少、启动速度快等优势.基准测试结果表明,该调度器在异构集群上,调度资源密集型作业比原有调度器快100％～20％左右.

摘要： 本发明涉及人工蜂群算法技术领域，具体涉及基于模糊C‑均值算法和人工蜂群聚类算法的混合聚类算法，该算法包括初始化阶段、引领蜂阶段、跟随蜂阶段和侦查蜂阶段，还包括如下步骤：步骤一：跟随蜂阶段结束后，判断当前算法是否是第一次循环；若是，则执行步骤二；若不是，则执行步骤三；步骤二：将当前的最优解作为模糊C‑均值聚类算法的初始聚类中心进行优化，若优化后的解的质量高于当前最优解，则用优化后的解代替当前最优解，否则放弃，同时相应蜜源的迭代次数加1，然后进入侦查蜂阶段；步骤三：判断最优解在跟随蜂阶段后是否发生改变；若是，则执行步骤二；若否，则进入侦查蜂阶段。本发明所提供的算法聚类准确率高、收敛速度快、寻优精度高。

摘要： 本发明公开了一种基于人工蜂群算法的无线传感器网络链路可靠性优化算法，该方法具体包括以下步骤：具体包括以下步骤：将被监测三维区域划分为l×w×h个像素点形成点集Ra，在网络中总共部署|S|个传感器节点，满足网络的覆盖和连通需求，S为总体传感器节点集合，其为预置传感器节点集合Sp和增补传感器节点集合Sa的合集，即S＝Sp∪Sa，在网络先预置传感器节点集合Sp部署到点集Ra上。本发明的有益效果是：本发明与之前的人工蜂群算法寻求链路可靠性的过程相比，该发明解决的是无线传感器网络三维角度下的整体网络链路可靠性问题，发明中引入了食物源的适应值来调整搜索过程，使得解决方法的全局寻优和局部寻优能力更强，从而更为有效的解决无线传感器网络的覆盖问题。

摘要： 本发明公开了一种人工蜂群算法与模糊PID控制结合的双容水箱控制算法，将遗传算法的交叉操作引入到人工蜂群算法中，PID控制的三个参数K

摘要： 本发明提供一种基于人工蜂群算法的选择性神经网络集成算法，包括步骤：输入参数；生成迭代样本集；判断当前循环次数是否小于循环次数最大值，如是返回生成迭代样本集步骤；生成一蜜源码集；当当前蜜源码的被采集次数大于开采极限值时随机选择另一未被选定过的蜜源码；对该蜜源码进行开采；计算新蜜源码的适应度；判断新蜜源的适应度是否大于当前蜜源码的适应度；如是，开采新蜜源码；记录当前各蜜源码的适应度的最大值；判断当前迭代次数值是否小于预设的迭代最大次数，如否返回被采集次数判断步骤；获取当前神经网络和当前神经网络输出结果的集成。本发明的一种基于人工蜂群算法的选择性神经网络集成算法，具有算法简单和灵活性强的优点。

摘要： 本发明公开了一种基于人工蜂群算法和量子粒子群算法的优化计算方法，其包括以下主要步骤：(1)根据实际问题编制待优化目标函数；(2)输入算法的通用运行参数：种群数目、迭代次数、变量维数、变量取值范围、待优化目标函数；(3)选取ABC、QPSO、QPSO+ABC和ABC+QPSO的一种或多种计算方法进行计算；(4)若只使用一种，直接判断结果是否满足优化要求；若多于一种计算方法，综合比较计算结果及评价最优的结果是否满足此次优化的要求；(5)若满足要求，运算结束，输出计算结果和迭代曲线；(6)否则，修改算法的输入参数，重新计算，输出参数调整后的计算结果和迭代曲线，获取最终优化结果。

摘要： 本发明公开了一种基于启发式离散人工蜂群算法的软件项目调度方法，包括以下步骤(1)项目信息读取，包括任务和员工的属性；(2)设计新技能学习机制；(3)初始化算法参数；(4)生成初始蜜源种群，并计算目标值；(5)引领蜂通过多元学习策略对蜜源进行全局搜索；(6)跟随蜂通过基于启发信息的变异机制对蜜源进行局部搜索；(7)侦查蜂抛弃无用的蜜源，并重新随机生成新的蜜源替代旧蜜源；(8)判断迭代次数是否达到最大值，若达到，则终止迭代，输出目标值最优的个体，该个体即为项目中每位员工在每项任务中投入度的调度结果。本发明具有搜索能力强，生成的调度方案效率高的优点。

摘要： 本发明公开了一种基于人工蜂群算法的视频流加密方法及装置，通过数据分析模块对各分段视频的破解率进行统计，若该分段视频破解率大于等于百分之七十，则将该分段视频视为“侦查蜂”，若该分段视频破解率小于等于百分之五，则将该分段视频视为“引领蜂”，若该分段视频破解率大于百分之五且小于百分之三十，则将该分段视频视为“跟随蜂”，“侦查蜂”所对应的分段视频放弃当前加密算法并从加密算法库中寻找新的加密算法，“跟随蜂”所对应的分段视频放弃当前加密算法并直接采用“引领蜂”所对应的加密算法，通过人工蜂群算法可以可以选择并寻找最合适的视频加密算法，使用起来比较安全。

摘要： 本发明公开了一种基于人工蜂群改进算法的船舶动力定位系统的推力分配方法，首先根据推进器的三轴指令建立动力定位系统的推力分配模型，结合推力分配模型，运用粒子群算法探寻全局最优解；然后将粒子群算法中获得的最优解作为人工蜂群算法的输入再次探寻最优解，最终输出全局最优解。本发明将加权粒子群算法与人工蜂群算法进行融合，利用自适应思想及双向随机搜索机制对算法的收敛速度和局部搜索能力加以改善；能够有效地将船舶纵荡、横荡和艏摇三个自由度的控制指令转换为各推进器的推力指令以及方位角指令，从而解决动力定位系统的推力分配问题。

摘要： 本发明涉及一种基于人工蜂群算法的电缆敷设路径优化方法，该方法包括以下步骤：步骤S1、基于电缆通道图建立网络模型，得到包含设备节点信息的地图矩阵；步骤S2、通过地图矩阵确定开始节点以及结束节点，并采用人工蜂群算法对开始节点至结束节点的电缆敷设路径进行优化，得到最短路径以及最短路径对应的最短距离。与现有技术相比，本发明具有计算速度快以及适用性高的优点。

摘要： 本发明涉及一种基于人工蜂群算法的通勤私家车拼车匹配方法，属于数据算法处理技术领域，特别是通勤私家车拼车匹配方法技术领域。本方法通过对人工蜂群优化算法进行改进，重新设计蜜源和适应度规则，将每辆通勤车的出发时间作为蜜源的每一个维度，出发时间的区间作为蜜源的变化区间，以车辆拼车后所节约的路径长度作为适应度，使其有更强的搜索能力和开发能力。本方法根据车辆RFID电子车牌标识数据，统计得到通勤私家车出行行程和通勤私家车出行行程子序列，可以提高实验效率，降低复杂度，此方法参数少，效率高，效果好，比其他方法可以节省更多的路程，使更多的私家车进行匹配，解决方案更好。