基于微分进化和混沌迁移的细菌群体趋药性算法

细菌群体趋药性(BCC)算法是一种新的群体智能优化算法.本文研究了BCC算法中群体控制参数对算法性能的影响,并提出算法应用的参数控制策略.标准的BCC算法存在易于陷入局部极值的缺点,因此新算法中采用了以下改进措施,自适心调整感知范围、当细菌确定下一步位置时增加微分进化的待选个体和采用混沌迁移机制,改进后的算法增强了跳出局部最优解的能力.实验结果表明,新算法的全局搜索能力有了显著提高.     

基于多Agent系统的细菌群体趋药性算法研究

针对细菌群体趋药性(Bacterial Colony Chemotaxis,BCC)算法由于过度依赖群体交互而容易陷入局部最优解的缺陷,结合多Agent系统(Multi-Agent System,MAS)的主要特征构造一种全新算法——基于多Agent的细菌群体趋药性(MABCC)算法。该算法通过每个细菌Agent相互之间的竞争与协作,弱化其对群体信息的依赖,使其能够更精确地收敛到全局最优解。对不同函数优化试例的仿真表明该算法比BCC算法有更好的全局寻优性能。     

基于细菌群体趋药性优化的k-means算法

细茵趋药性算法是一种新的仿生进化算法,针对细菌趋药性算法,介绍了其基本原理,讨论了一种改进的算法--细菌群体趋药性(BCC)算法.将细菌群体趋药性优化方法应用在k-means聚类分析中,以类内离散度和为目标函数,建立了BCC优化的k-means算法模型,利用BCC算法的全局搜索能力,很大程度上避免了k-means算法易陷入局部极小的缺陷,同时也降低了算法对初始值的敏感度,并给出了一些实验,结果令人满意.     

基于Baker映射的自适应樽海鞘群算法

为了克服樽海鞘群算法(Salp Swarm Algorithm,SSA)求解准确性不足和易过早收敛的缺点,提出了一种多策略改进的樽海鞘群算法(MISSA)。引入Baker混沌映射生成樽海鞘群的初始种群,以提高初始个体的均匀性;将T分布策略应用到食物源位置公式中,对原始位置进行随机干扰,引导樽海鞘个体向最优解空间运动;在跟随者位置更新公式中引入不完全Γ函数的自适应权重,以改善算法的局部和全局搜索能力。将改进算法在8个测试函数上进行仿真实验,并与不同的群智能算法进行了比较。结果表明,改进算法具有更好的全局和局部搜索性能以及更高的搜索精度。     

一种改进的粒子群优化算法

作为群体智能的代表性方法之一,粒子群优化算法(PSO)通过粒子间的竞争和协作以实现在复杂搜索空间中寻找全局最优点。提出了一种改进的粒子群优化算法(MPSO),该算法以广泛学习粒子群优化算法(CLPSO)的思想为基础,主要引入了选择墙的概念。同时在参数的设置中结合高斯分布的概念,以提高算法的收敛性。实验结果表明,改进后的粒子群算法防止陷入局部最优的能力有了明显的增强。同时,算法使高维优化问题中全局最优解相对搜索空间位置的鲁棒性得到了明显提高。     

遗传算法中群体多样性的研究与应用

遗传算法中,初始群体的特性对计算结果和计算效率均有重要影响,要实现全局最优解,初始群体在解空间中应尽量分散,标准遗传算法是按预定或随机方法产生一组初始群体,这样就导致初始群体在解空间中分布不均匀。本文阐述了用相似度和适应度值对群体中每两个个体进行逐位比较,剔除相似个体,选择不同模式的个体组成新的群体,增加了群体的多样性,尤其在计算初期,能够有效的避免早熟问题的产生。最后,通过实例应用matlab7.0编程测试说明了这种方法的可行性。     

多向学习自适应的粒子群算法

粒子群优化算法（PSO）是一种群体智能算法,通过粒子间的竞争和协作以实现在复杂搜索空间中寻找全局最优点。但基本PSO算法存在进化后期收敛速度慢、易陷入局部最优点的缺点,提出了一种多向学习型的粒子群优化算法,该算法中粒子通过同时追随自己找到的最优解、随机的其他粒子同维度的最优解和整个群的最优解来完成速度更新,通过判别区域边界来完成位置优化更新,通过对全局最优位置进行小范围扰动,以增强算法跳出局部最优的能力。对几种典型函数的测试结果表明：改进后的粒子群算法明显改善了全局搜索能力,并且能够有效避免早熟收敛问题。算法使高维优化问题中全局最优解相对搜索空间位置的鲁棒性得到了明显提高,适合于求解同类问题,计算结果能满足实际工程的要求。     

基于改进K-means算法的关键帧提取

为克服传统聚类算法在关键帧提取过程中对初始参数较为敏感的问题,提出一种基于改进K-means算法的关键帧提取算法。在人工鱼群算法中,依据人工鱼群体相似度对提取的特征向量进行自组织聚类,采用进步最大原则使人工鱼聚集在几个极值点位置,以每个极值点群体相似度最高的人工鱼为初始聚类中心,执行K-means算法,得到聚类结果,并提取关键帧。实验结果表明,该算法的准确率较高,能较好地表达视频的主要内容。     

基于粒子群优化的快速细菌群游算法

针对细菌觅食算法(Bacterial foraging algorithm,BFA)收敛速度慢的特点,提出一种快速细菌群游算法(Fast bacterial swarming algorithm,FBSA).本算法通过借鉴粒子群优化(Particle swarm optimization,PSO)算法的信息共享机制,对细菌觅食算法的群体感应(Quorum sensing) 机制进行改进,使每个细菌在优化过程中具备感应周围细菌位置、并向细菌群体历史最优位置游动的能力.同时,通过动态调整细菌的搜索步长,加强了算法在优化初期的全局搜索能力以及优化后期的局部搜索能力.对基准测试函数进行仿真实验的结果表明,FBSA对于大部分高维函数的优化能力优于BFA和PSO,并且具有更快的收敛速度.     

基于生成时间序列均匀优化的混沌人工蜂群算法

为了优化与初始蜜源和搜索方式相关的时间序列分布,从而提高算法全局开拓性和遍历寻优效率,提出一种基于生成时间序列均匀优化的混沌人工蜂群算法.针对混沌时间序列生成的初始蜜源的分布过于集中的问题,首先依据最大熵原理,对Logistic混沌映射进行均匀化优化,并运用熵谱分析以及NIST随机性测试的方法验证其随机程度,使得由其生成的初始蜜源可以随机且均匀地分布在整个解空间,为算法的全局寻优奠定基础;其次,依据由近及远的搜索策略,改进邻域搜索方式,利用均匀化时间序列查找蜜源最优位置,提高算法的遍历速度和收敛精度;最后,所提算法对9个标准测试函数进行了实验仿真,并与其他改进人工蜂群算法和优化算法从收敛曲线和寻优结果上进行了综合比较,进而将6种算法合理引入到物流配送问题中以寻找最短路径.实验结果表明,所提优化算法不仅加强了初始蜜源的均匀性,而且优化效果更为显著,能跳出局部最优且能准确快速地找到全局最优解.     

混沌细菌群体趋药算法及应用

为了解决传统细菌群体趋药优化算法的收敛速度较慢问题,提出混沌细菌群体趋药算法。该算法在细菌群体中加入基于Tent映射的混沌搜索,增加了细菌群体中个体的多样性,将寻优过程分成趋药细菌群和混沌细菌群同时进行,提高了细菌群体优化算法的全局收敛能力。典型实例表明,本方法收敛速度快,优于传统细菌群体趋药优化算法。     

基于人工鱼群算法的空洞探测

针对目前解决空洞探测算法复杂度高,近似解不能很好地逼近于最优解等问题,提出了一种基于人工鱼群算法解决空洞探测的方法。该方法将每一条鱼视为一个空洞,将理论时间与观测时间的误差作为鱼游动的标准,以鱼群逐渐向空洞实际位置游动对应的误差逐渐变小为基本思想,将在最小误差情况下对应的鱼群位置作为空洞位置。经计算仿真表明,该算法迭代次数少,复杂度低,能很好地逼近于最优解,是一种解决空洞探测的有效算法。     

A novel adaptive crossover bacterial foraging optimization algorithm for linear discriminant analysis based face recognition

This paper presents a modified bacterial foraging optimization algorithm called adaptive crossover bacterial foraging optimization algorithm (ACBFOA), which incorporates adaptive chemotaxis and also inherits the crossover mechanism of genetic algorithm. First part of the research work aims at improvising evaluation of the optimal objective function values. The idea of using adaptive chemotaxis is to make it computationally efficient and crossover technique is to search nearby locations by offspring bacteria. Four different benchmark functions are considered for performance evaluation. The purpose of this research work is also to investigate a face recognition algorithm with improved recognition rate. In this connection, we propose a new algorithm called ACBFO-Fisher. The proposed ACBFOA is used for finding optimal principal components for dimension reduction in linear discriminant analysis (LDA) based face recognition. Three well-known face databases, FERET, YALE and UMIST, are considered for validation. A comparison with the results of earlier methods is presented to reveal the effectiveness of the proposed ACBFO-Fisher algorithm.     

An improved multi-objective bacteria colony chemotaxis algorithm and convergence analysis

In this paper, a novel algorithm based on the bacterial colony chemotaxis (BCC) algorithm is developed to solve multi-objective optimization problems. The main objective of the paper is to improve the performance of BCC. Hence, the main work is to add three improvements, which are improved adaptive grid, oriented mutation based on grid and adaptive external archive, in order to improve the convergence performance on multi-objective optimization problems and the distribution of solutions. This paper also presents a first and simple convergence analysis of the general Pareto-based MOBCC. The proposed algorithm is validated using 12 benchmark problems and four performance measures are implemented to compare its performance with the MOBCC algorithm, the NSGA-II algorithm, and the MOEA/D algorithm. The simulation results confirmed the effectiveness of the algorithm.     

用鱼群算法求解多级递阶物流中转运输系统优化问题

建立了解决多级递阶物流中转运输系统优化问题的大规模非线性最优规划模型。在优化模型中，在兼顾变量约束条件的空间限制和求解精度的情况下将求解空间离散化，方法是将变量空间划分成一定大小的网格，各级中转站的最优位置将在限定区域内的一些已知点上选取。该问题维数太高，采用改进的鱼群算法对该问题进行了求解。在算法中建立了各级中转站与网格点关系矩阵和相邻两级中转站间的关系矩阵来消除约束条件和压缩变量数；使用了基于相似性的演化算法来融合全局搜索和局部搜索；使用了自适应delta变异算子、双算术交叉算子、峰跳操作算子等多种算子改进人工鱼的各种行为。应用结果表明，该算法计算速度、可靠性和稳定性大幅度提高。     

求解带容量和时间窗约束车辆路径问题的改进蝙蝠算法

带时间窗和容量约束的车辆路径问题是车辆路径问题重要的扩展之一,属于NP难题,精确算法的求解效率较低,且对于较大规模问题难以在有限时间内给出最优解.为了满足企业和客户快速有效的配送需求,使用智能优化算法可以在有限的时间内给出相对较优解.研究了求解带容量和时间窗约束车辆路径问题的改进离散蝙蝠算法,为增加扰动机制,提高搜索速度和精度,在对客户点按其所在位置进行聚类的基础上,在算法中引入了变步长搜索策略和两元素优化方法进行局部搜索.仿真实验结果表明,所设计算法具有较高寻优能力和较强的实用价值.     

MOEA/D线性插入方向向量策略研究

MOEA/D具有良好的收敛性、均匀的分布性、求解效率高等优点,普遍应用于求解多目标优化问题.然而对于Pareto前端复杂的多目标优化问题,预先设定均匀的权重向量并不能够维持Pareto最优解集的良好分布性.本文,首先分析均匀分布的权重向量、均匀分布的搜索方向二者与均匀分布的解集之间的关系,提出一种新的权重向量设置方式;其次基于进化过程中解集的分布,提出线性插入搜索方向策略,并将其转换为对应的权重向量,同时在MOEA/D中周期性应用该策略调整搜索方向,获取分布均匀的解集;最后将该算法在WFG系列测试问题上进行性能测试,并采用世代距离指标(GD)、Spacing指标(S)、超体积指标(HV)对算法收敛性和多样性进行对比分析,实验结果表明,与原始的MOEA/D、使用均匀分布的搜索方向MOEA/D、使用预处理的M OEA/D、M OEA/D-DU相比,改进的算法求出解集的多样性极大提高,收敛性明显增强,解集的整体质量显著提高.     

基于免疫算法的细菌觅食优化算法

针对细菌觅食优化算法经常出现的速度较慢、步长一致的缺陷,赋予细菌灵敏度的概念,对细菌游动的步长进行调节以提高收敛速度。采用免疫算法中的克隆选择思想,对精英细菌群体进行克隆、高频变异和随机交叉,引导算法提高搜索精度。典型高维函数测试表明,改进算法的搜索速度和精度得到极大提升,算法改造后可适用于多维、约束等实际工程问题中的优化。     

基于KPCA及改进蚁群遗传算法的齿轮箱故障诊断

鉴于齿轮箱系统的复杂性和齿轮箱故障信号的多样性,提出一种基于KPCA和改进蚁群遗传算法(IACG)相结合的齿轮箱故障诊断新方法.通过KPCA去掉原始故障参数集中的冗余信息,再利用IACG算法找出降维后参数的最优解.IACG算法改进了传统蚁群算法中的概率转移公式,通过增加区域目标函数值,提高了转移运算的效率和准确率;IACG算法增加了局部搜索功能,计算得到的蚂蚁解与遗传算法的均匀两点交叉算子相结合,减少了算法的搜索时间,扩大了搜索空间,使得收敛效果更趋近最优解.实验结果表明,KPCA与IACG相结合的算法可以有效识别齿轮箱故障,相对于传统的蚁群算法,其运算效率和准确率有很大提高.