MANET通信网络中基于状态感知与IPSO的路由搜索与优化

报告了MANET网络结构、应用特点以及在路由选择、传输性能自适应方面的现状.针对目前MANET网络节点的智能化程度不高,网络节点及其通信路由的性能参数不能随通信条件适时优化的实际问题,运用状态感知路由选择与免疫微粒群优化算法原理,提出了人工智能与MANET相结合的智能MANET网络结构,论述了智能MANET网络中基于状态感知和免疫微粒群优化算法的路由选择、切换与性能适时优化方法.仿真实验结果表明,该方法的收敛速度与优化质量均优于其它算法.     

基于智能水滴算法置换流水线调度问题的研究

生产调度问题是制造系统中最基本、最重要和最困难的问题之一.提出了一种新颖的群智能优化算法即智能水滴算法求解置换流水线问题.智能水滴算法是群智能算法领域的最新研究成果,该算法模拟了自然界水系统通过和其周围环境的相互作用而形成河流水道的过程.分析了智能水滴算法的基本原理和数学模型.应用MAT-LAB7.0,对Car1-Car6以及Rec01和Rec13问题进行了仿真测试,并将智能水滴算法和微粒群算法相比较,仿真结果表明了智能水滴算法求解生产调度问题的可行性和有效性.     

人工鱼的认知建模方法研究

“人工鱼”利用人工生命方法创作计算机动画。为了进一步提高动画角色的智能水平,将人工智能方法学引入到“人工鱼”系统中,建立认知模型,控制人工动物的行为,使人工动物成为更加自主的和智能的角色。该文介绍了认知建模的概念、特点,给出人工鱼的认知建模方法研究的主要内容和模型结构。     

虚拟环境下人工鱼感知融合模型研究*

为了逼真模拟人工鱼的感知能力,对感知系统的融合模型进行研究是首先应该考虑的问题。首先对智能虚拟环境下的感知系统进行了建模,并给出了人工鱼的感知融合模型,利用多源注意力理论将人工鱼的感知分为静态注意力资源区和动态注意力资源区,并设计了感知权重分析器,为模型的高效、可行、合理打下了基础。经动画仿真,得到满意的结果。     

应用萤火虫算法求解置换流水线问题

为了更好地研究生产调度问题,针对置换流水线调度问题,提出了一种新颖的群智能优化算法,即萤火虫算法。萤火虫算法模拟了萤火虫通过发光进行信息交流的这种行为特征从而发展演变为一种启发式算法;并分析了萤火虫算法的仿生原理和数学模型。应用MATLAB软件,对CAR1问题在不同的扰动下对算法进行了仿真测试,并将萤火虫算法和微粒群算法相比较,仿真结果表明了萤火虫算法优化生产调度问题的可行性和有效性。该算法有待进一步的深入研究。     

随机微粒群优化算法

微粒群优化算法是继蚁群算法之后又一种新的基于群体智能的启发式全局优化算法，其概念简单、易于实现，而且具有良好的优化性能，目前已在许多领域得到应用。但在求解高维多峰函数寻优问题时，算法易陷入局部最优。该文结合模拟退火算法的思想，提出了一种改进的微粒群优化算法——随机微粒群优化算法，该算法在运行初期具有更强的探索能力，可以避免群体过早陷入局部极值点。基于典型高维复杂函数的仿真结果表明，与基本微粒群优化算法相比，该混合算法具有更好的优化性能。     

基于记忆的人工鱼认知模型

为丰富虚拟海洋环境中人工鱼的认知能力，以自然鱼的生物原理和记忆机制为理论依据，提出了一种基于记忆的人工鱼认知模型。信息在瞬时记忆、短时记忆和长时记忆3个阶段传输和存储，人工鱼通过聚焦器提取所关注的感知信息，通过决策器和短时记忆进行行为选择，将经验知识存储在长时记忆中，被短时记忆调用以优化当前决策。动画结果表明，采用此模型后人工鱼能产生记忆指导下的行为，表现出更真实更智能的生命特征。     

小世界模型的个体决策微粒群算法

微粒群算法是一种模拟动物行为的群智能优化算法.由于微粒(个体)在不同环境中生存与觅食,积累了不同的经验,因此不同个体在觅食或者其他行为中会做出不同的决策,但是这种决策机制在标准微粒群算法中并没有体现出来.微粒在决策时会考虑周围其它粒子的信息,因此本文通过引入个体决策机制与小世界模型的邻域结构来改进微粒群算法,同时利用李雅普诺夫稳定性理论对改进的算法进行稳定性分析,并给出相应的参数选择方式.在改进的微粒群算法中,微粒被周围理想微粒的位置和群体最优位置所吸引,改变了传统微粒群算法只被群体最优位置吸引的弊端.对常用的几个测试函数进行仿真,与其它两种改进的微粒群算法相比,结果表明该算法有更好的性能.     

群体智能优化算法

群体智能优化算法利用群体的优势,在没有集中控制并且不提供全局模型的前提下,为寻找复杂的分布式问题的解决方案提供了基础。介绍了两种群体智能算法模型:蚁群算法模型和粒子群算法模型,研究了两种算法的原理机制、基本模型、流程实现、改进思想和方法;通过仿真把蚁群算法与其他启发式算法的计算结果作对比,验证了蚁群算法具有很强的发现较好解的能力,不容易陷入局部最优;微粒群算法保留了基于种群的、并行的全局搜索策略,采用简单的速度-位移模型操作,在实际应用中取得了较高的成功率。     

群体智能优化算法

群体智能优化算法利用群体的优势,在没有集中控制并且不提供全局模型的前提下,为寻找复杂的分布式问题的解决方案提供了基础.介绍了两种群体智能算法模型:蚁群算法模型和粒子群算法模型,研究了两种算法的原理机制、基本模型、流程实现、改进思想和方法;通过仿真把蚁群算法与其他启发式算法的计算结果作对比,验证了蚁群算法具有很强的发现较好解的能力,不容易陷入局部最优;微粒群算法保留了基于种群的、并行的全局搜索策略,采用简单的速度-位移模型操作,在实际应用中取得了较高的成功率.     

一种改进的人工鱼群算法

人工鱼群算法是一种基于动物行为的群体智能优化算法。该文提出一种改进的人工鱼群算法,在觅食行为中让人工鱼直接移动到较优位置,以加快算法的搜索速度,动态调整人工鱼的视野和步长,使其在算法运行初期保持最大值,并逐渐由大变小。该算法较好地 平衡了全局搜索能力和局部搜索能力,提高了算法运行效率和精度。仿真结果表明,改进的人工鱼群算法收敛性能比原有算法提高了1倍 以上。     

智能集群空间分布特性研究

针对智能集群概念的定义问题,从理论层面进行了智能集群空间分布特性的研究。首先建立了智能集群的边界模型,分别描述了智能集群的最大边界范围模型和个体最小安全范围模型,其次提出了智能集群的密度界限的概念,定义了智能集群的最大密度及最小密度的概念,最后通过仿真实验验证了所提出的智能集群空间特性指标的合理性,使得智能集群的概念变得具体和清晰。     

一种具有感觉的微粒群算法

针对耗散式微粒群算法对历史经验有限的利用能力,提出了一种新颖的具有感觉特征的群体智能算法,它通过对个体建立感觉模型,对受外界刺激产生的感觉强度进行量化,使个体在自身认知及社会活动环节中表现出了合理的自适应能力．对群体智能中感觉活动这个系统复杂性层面的考虑使算法具备完善的全局、局部搜索和协调能力．对常用单峰多峰基准函数的测试验证了该算法的效率和优越性,而且简洁易实现．最后对算法的参数也做了分析与讨论．     

大规模移动智能群体的建模及联合行为分析

提出一种基于个体局部信息的移动智能群体的模型,该模型的建立仅依靠相互可检测到的个体之间的局部位置信息.在此模型基础上,研究了移动智能群体联合趋向目标行为的稳定性问题.仿真实验表明,基于局部位置信息的群体模型能够实现群体的联合跟踪全局目标的行为,同时对群体的规模具有较强的可扩展性.     

一种生态粒子群竞争优化计算模式

将生态种群密度的概念引入群体智能计算,提出一种基于生态群竞争模型的粒子群优化模型。该模型的动力学特征可较全面地描述个体与环境及相互之间的协同行为,在一定程度上脱离了只采用个体适应度来控制进化的生物进化框架。数值仿真结果表明该生态型粒子群优化模型可有效改善早熟收敛和提高收敛速度。     

基于PSO自适应双策略的人工鱼群算法

针对传统人工鱼群算法存在易陷入局部最优解、鲁棒性差和搜索精度低的问题,提出一种基于粒子群算法自适应双策略的人工鱼群算法。该算法首先模拟粒子群算法的移动算子调整人工鱼的移动方向和位置,使人工鱼具有惯性机制,更好拓展新区域,从而为探索潜在的较优解提供更多的机会,增强其跳出局部最优的能力。然后运用一种自适应视野和惯性权值的策略,更好地平衡全局搜索与局部搜索之间的关系。最后引入反向学习机制,设计2种策略的随机行为, 避免原始随机行为的盲目性,增加鱼群的多样性。仿真实验结果表明,改进后的算法在寻优精度、收敛速度以及鲁棒性等方面较其他人工鱼群算法有较大提高,在高维问题求解上有较好的优化效果。     

一种改进的人工鱼群算法

提出一种改进的人工鱼群算法,对其觅食行为、追尾行为与移动策略进行改进,设定特殊觅食行为,约束群聚行为的拥挤度区间,协调移动策略,以保障每条鱼的成功觅食,避免鱼群出现早熟现象,提高全局寻优能力.最后通过实验仿真验证了该算法的有效性与精确性.     

人工鱼群算法优化神经网络的网络入侵检测

为了提高网络入侵检测率,提出一种人工鱼群算法（AFSA）优化ELM神经网络的网络入侵检测模型。首先将ELM神经网络参数编码成人工鱼的位置,然后利用人工鱼群算法通过模拟鱼群的觅食、聚群及追尾行为找到最优ELM神经网络参数,最后利用最优参数的ELM神经网络建立网络入侵检测模型,并采用KDD CUP 99数据集进行仿真测试。仿真结果表明,模型不仅提高了入侵检测正确率,而且加快了网络入侵检测速度。     

一种群体智能算法——狮群算法

基于狮群中狮王、母狮及幼狮的自然分工,模拟狮王守护、母狮捕猎、幼狮跟随3种群智能行为,提出群体智能算法——狮群算法.算法中不同种类的狮子位置更新方式不同.遵循自然界生物“适者生存”的竞争法则,狮王守护领土,优先享用食物,母狮合作捕猎,幼狮分为学习捕猎、饥饿进食和成年被驱逐.狮子位置更新方式的多样化保证算法快速收敛,不易陷入局部最优.最后,将算法应用于6个标准测试函数优化问题,并对比粒子群算法、骨干粒子群算法,测试结果表明,文中算法收敛速度较快,精度较高,能较好地获得全局最优解.     

改进鱼群算法在模拟机运动洗出优化中的应用

飞行模拟器是模拟和复现真实飞行活动的重要设备, 一直以来模拟器的模拟效果也是备受关注的. 但是, 基于经典洗出算法来还原运动轨迹的运动平台存在参数设置保守、模拟效果不佳等问题, 因此本文提出一种基于改进人工鱼群算法的滤波器参数优化方法. 该方法基于人体前庭感知误差模型得到相应的目标函数, 再利用改进后的鱼群算法对滤波器中的自然截止频率进行寻优, 最后通过在Simulink中建立的仿真模型对优化后的滤波器参数进行仿真验证. 结果表明: 相比于经典洗出算法与基本人工鱼群算法, 经改进后算法得到的新参数在算法洗出中可以有效提高运动的感知效果, 减小运动误差, 并且能够节约更多的运动空间.