基于细菌觅食算法的SAR图像阈值分割

提出了一种SAR图像阈值分割新方法.该方法在深入分析基本细菌觅食算法的基础上,缩小菌群的觅食空间以进一步提高分割阈值的搜索速度,然后采用改进的二维灰熵模型作为细菌觅食算法的适应度函数,通过菌群的趋化、复制和驱散3种行为模式并行搜索最佳阈值.实验结果初步显示,该方法在收敛速度、稳定性和分割效果3个方面,均优于基于遗传算法、人工鱼群算法等群体智能优化算法的分割方法.     

基于BFO-PSO的LT-MED海水淡化温度控制

提出一种基于混合粒子群算法和细菌觅食算法的温度控制器,重点研究了菌群优化粒子群（BFO-PSO）算法的性能,包括突变、交叉、步长变化、趋化步骤和细菌的生命周期等。利用MATLAB仿真平台将其与传统比例积分微分算法（PID）及粒子群算法（PSO）进行控制效果对比,发现该方法效率高。与传统PID和PSO调节的PID相比,细菌觅食优化算法的智能PID在系统响应速度和系统稳定性能上都有很大的提高。     

求解柔性作业车间调度问题的细菌算法对比及改进

为充分探讨细菌系列算法求解离散优化问题的能力,针对柔性作业车间调度问题,采用细菌趋化算法、细菌群体趋化算法、细菌进化算法、细菌群游算法和细菌觅食优化算法进行求解.首先建立了以完成时间为目标的柔性作业车间调度问题模型,然后用5种细菌算法进行求解,数值试验结果表明:细菌觅食算法的寻优能力最强.接着,进一步对细菌觅食算法进行了改进,针对其关键操作设计了数十种算子,最终得到优化能力最强的算法结构和算子组合.最后的数值实验表明,改进的细菌觅食算法寻优能力及稳定性大幅提升,体现出非常好的全局开发能力和局部搜索能力.     

积分过程PID控制器参数的新型优化整定方法

针对积分时滞过程,结合菌群优化（BSFO）算法和控制系统优化设计策略,提出了一种新的PID控制器参数优化整定方法.通过将PID控制器的参数设置为群体细菌在参数空间的位置,将时间乘以绝对误差的积分（ITAE）作为细菌对环境的适应度函数,并模拟细菌群体觅食的动态行为来实现对PID控制器参数的寻优.实例仿真结果表明,菌群优化算法能够实现对PID控制器参数的有效整定,并在稳定时间、超调量、鲁棒性和抗干扰性等方面具有满意的综合性能.在大量仿真结果的基础上,给出了一个积分时滞对象的PID控制器参数整定经验公式.     

一种自适应细菌觅食优化算法

针对在优化高维函数时,细菌觅食优化算法性能不佳的情况,提出了一种自适应细菌觅食优化算法.将固定的趋化步长改进为非线性递减的自适应游动步长,提高了算法的局部搜索能力;引入维度自适应学习算法,对每个趋化周期内得到的当前最优细菌进行维度自适应学习一次,提高了解的精度和搜索效率;将精英细菌作为Tent混沌映射的初始点对符合迁徙条件的细菌进行位置初始化,加快了算法的收敛速度.仿真结果表明,文中提出的算法在解的精度和收敛速度等方面均表现更优,具有更高的效率.     

工期约束下的电网工程建设项目计划制定与控制研究

针对电网工程建设项目计划制定和控制问题,讨论了在工期有限制条件下,力求资源均衡地消耗问题. 在传统资源均衡优化方法的基础上,提出了合理使用细菌觅食算法解决资源均衡优化问题的方法,并设计了相应的算法过程.实例模拟计算表明,利用细菌觅食算法可求得均衡性更优化的施工过程.     

基于集合的细菌群优化算法

针对细菌觅食优化算法求解高维优化问题时不易跳出局部最优解的问题,引入趋向方向余弦向量和随时间变化的加速系数,控制细菌觅食优化算法的收敛精度和收敛速度,并将改进算法用于求解组合优化问题。依据细菌种群密度计算原则,设计了一种离散空间和连续空间之间相互转换的规则,同时用集合对细菌觅食优化算法中的算术运算符形式化描述。仿真试验结果表明:基于集合的细菌群优化算法避免了早熟现象,寻优结果优于蚁群算法且接近基于集合的粒子群算法。     

基于DBSCAN聚类的细菌自适应步长觅食算法

自适应细菌觅食算法(adaptive bacterial foraging algorithm,ABFA)在一定程度上解决了经典觅食算法步长选择的问题,加快了算法的收敛速度.但随着细菌代价函数值的减小,自适应细菌觅食算法原有的趋化步长调整函数易使步长快速进入极小,造成算法早熟.本文提出了一种基于DBSCAN聚类的细菌自适应步长觅食算法(DBSCAN-based adaptive bacterial foraging algorithm,DBSCAN-ABFA),算法利用DBSCAN聚类对核心点区域的细菌进行标记,通过对被标记细菌采用改进的趋化步长调整函数,降低自适应步长的缩小速率来解决步长快速进入极小的问题,最终避免算法早熟,并通过实验验证了算法的有效性.     

基于PSO-ABFO的负荷频率控制系统控制器设计与优化

负荷频率控制对于保障电网本身安全可靠运行有重要作用,适宜的控制器整定参数使得电网在各种随机扰动下能维持系统频率稳定和长期安全运行.针对单区域两机组电网的负荷频率控制器参优化整定问题,提出一种基于粒子群改进自适应细菌觅食优化算法(PSO-ABFO)的控制器参数整定设计方法.PSO-ABFO在标准细菌觅食算法的基础上,结合粒子群(PSO)算法思想引入全局最优、个体最优以及自适应步长,重新定义细菌的健康度并修改细菌迁移的方式,提高算法的寻优速度和寻优精度.最后,建立负荷频率控制系统(LFC)模型进行仿真试验,验证所提控制器设计与优化方法使系统动态性能显著提升.     

基于微细菌群体趋药性的函数优化算法

在细菌群体趋药性（bacterial colony chemotaxis,BCC）优化算法的基础上,借鉴微遗传算法的思想,提出了一种新的优化算法——微细菌群体趋药性（micro bacterial colonychemotaxis,M—BCC）算法。M—BCC算法利用两个菌群（寻优菌群和库存菌群）来寻优,寻优菌群使用BCC算法来寻找最优解,库存菌群保证了寻优菌群的多样性。对Ras—trigin函数和Schaffer’S f6函数优化仿真,结果表明,微细菌群体趋药性算法的成功率分别达到了95％和52％,与遗传算法和BCC算法相比,优化效果较好。     

基于自适应细菌觅食算法的灰度图像增强方法

为提高图像增强的自适应性,首先将细菌的自适应趋向因子引入到细菌觅食算法中,然后将提升的细菌觅食算法和非完全Beta函数结合而去获得最佳的灰度变换参数,最终实现对降质图像的最大程度的自适应增强.仿真实验结果表明,提升的优化算法可以更好的优化Beta函数的参数,因而能更有效地提高图像整体对比度和视觉效果.     

PCNN文本图像分割的细菌觅食优化算法

为解决脉冲耦合神经网络(pulse-coupled neural network,PCNN)模型参数人工凭经验和需要反复实验才能确定的难题,提出一种基于改进的PCNN模型.以最大类间方差函数作为细菌觅食算法的适应度函数,采用细菌觅食优化算法搜索最优参数的图像分割算法,避免了人工实验设定参数的盲目性.实验结果表明,该算法可以有效实现文本图像分割,并且分割效果明显优于对比算法.     

基于小生境的菌群算法的改进

将进化论中的小生境技术与菌群优化算法结合,提出了小生境菌群算法,通过细菌之间的距离找到具有相似距离的例子个体组成小生境种群,利用菌群优化算法在该种群里模拟细菌的行为,所有细菌经过小生境群体的进化后,找到最优的个体存入到下一代菌群中,直到找到满意的适应值。该算法克服了菌群算法收敛效率低,容易收敛到其他极值点的问题。用Shubert函数验证了该算法的性能,并与原算法进行了比较,通过更多的优化函数说明了该组合算法可以获得较好的解,极大地提高了收敛成功率,且代价较小。     

基于正态云模型的自适应细菌觅食优化算法

在研究细菌觅食算法趋化、复制、迁徙操作等相关理论的基础上,将云模型和遗传算法相关理论引入,对细菌觅食算法进行优化和改进,在趋化操作中运用X条件云发生器自适应调整细菌灵敏度,控制游动步长,提高了算法的收敛速度;在复制操作中利用遗传算法交叉编译原理,设计交叉算子和遗传算子对算法的复制操作改进,提高算法的局部搜索能力和种群的多样性;在迁徙操作中,利用正向正态云发生器,修正非线性自适应的迁移概率,增强了算法全局寻优能力。最后将改进后的算法应用于自动组卷系统,并与遗传算法进行实验结果比较分析。     

改进的细菌觅食算法在图像分割中的应用

针对一些仿生算法应用于图像分割时其搜索速度缓慢,易陷入局部最优等问题,提出一种改进的细菌觅食算法,并将其应用到图像分割领域。首先,把传统细菌觅食算法的趋化算子的固定步长替换为动态步长,把其迁徙算子的固定迁徙概率替换为动态迁徙概率;然后,利用图像的灰度直方图作为特征,并使用改进的细菌觅食算法进行图像分割。实验结果表明,使用基于改进细菌觅食算法的图像分割方法,在准确率和速度方面都优于其他传统仿生算法。     

基于多约束场景的BFO-ACO漫游路径规划

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．     

基于细菌觅食算法的砂砾岩岩性识别方法

砂砾岩储层岩性复杂多变,母岩成分变化大,孔隙结构复杂,难以精确划分岩性并建立准确的解释模型,导致储层参数计算精度不高。针对松辽盆地梨树断陷砂砾岩储层特点,选择多组分体积模型作为该地区的测井解释模型,将该地层看成由局部均匀的孔隙、泥质、石英、长石、岩屑等5部分组成?根据多组分体积模型建立相应的测井响应方程,引入细菌觅食算法作多组分矿物模型的优化算法,将优化结果与岩芯分析孔隙度及全岩矿物分析的体积分数进行对比,结果验证了细菌觅食算法反演砂砾岩储层多组分矿物模型的可靠性。采用该方法对松辽盆地砂砾岩储层测井资料进行处理,取得了较好的结果。     

粒子群优化算法研究进展

粒子群优化算法是根据鸟群觅食过程中的迁徙和群集模型而提出的用于解决优化问题的一类新兴的随机优化算法.介绍了PSO算法的基本原理和一些改进措施及PSO算法的应用,并对其将来的发展进行了展望.     

求解连续函数最大值的蚂蚁优化算法

求解连续函数最大值的优化算法已有多种,但都不同程度地存在一定的局限性.为此,提出了一种用于求解连续函数最大值的蚂蚁优化算法-基于图的蚂蚁算法.该方法将问题抽象为一个有向图,模拟蚂蚁的觅食行为,由一组蚂蚁反复地在有向图上移动,最终得到最优解.在阐述了该算法的具体步骤后,从理论上对该算法的收敛性进行了分析,证明了该算法可较快地收敛到最优解.     

一种基于细菌觅食算法的机械手臂控制器设计

针对机械臂控制系统需可靠、快速、准确跟踪设定值轨迹的要求,通过研究机械臂控制系统的非线性动力学模型,提出1种基于细菌觅食优化算法(BFO)优化PID控制器参数的控制方案。设计采用细菌觅食算法求解在线优化PID参数的流程,用于机器人手臂的跟踪控制。为更有效地考察机械手臂系统的跟踪控制性能,设定2个关节的期望轨迹分别为正弦和余弦函数。仿真结果表明,与传统PID方法相比,基于BFO算法优化的控制方案具有更优越的控制品质和较强的抑制干扰能力,能有效提高机械臂跟踪控制的快速性和准确性。