基于改进蝙蝠算法的带模糊需求的车辆路径问题

蝙蝠算法作为一种新的元启发式算法,尚未被应用到模糊车辆路径问题中;针对带模糊需求的车辆路径问题,以极小化总运输距离为目标,建立基于可信性理论的模糊规划模型,提出一种改进的蝙蝠算法;算法采用基于客户编号的编码方式,利用随机模拟算法计算额外行驶距离;在蝙蝠位置更新时,引入基于非线性调整的惯性权重和基于子路径的局部搜索;为提高全局搜索能力,避免算法早熟,对处于较差位置的蝙蝠进行交叉操作;最后,利用随机实验数据进行仿真,分析了决策者主观偏好值对目标值的影响,并与其它算法的寻优结果进行对比分析,结果表明,算法具有一定的可行性和有效性。     

自适应蝙蝠算法优化的模糊聚类及其应用

随着信息网络技术的飞速发展,如何对规模庞大的网络数据准确高效聚类并合理应用显得尤为重要。虽然模糊C均值聚类算法（FCM）已具有良好的聚类效果,但其对初始化敏感,在处理高维大规模网络数据时易陷入局部极值问题还未被完全克服。为了解决这两个问题,提出一种分布熵和平均位距改进的自适应蝙蝠算法,利用该算法对模糊C均值的参数进行优化。在此之上,将自适应蝙蝠算法优化的模糊聚类应用于异常检测领域,提出了一种自适应蝙蝠算法优化的模糊聚类异常检测算法。理论分析和仿真实验表明,与前沿的粒子群优化FCM异常检测算法和FCM异常检测算法相比,该算法具有更好的聚类效果和检测性能。     

改进的蝙蝠算法在数值积分中的应用研究

蝙蝠算法具有收敛速度快、潜在分布式和并行性等特点,但也存在着寻优精度不高、后期收敛速度慢、易陷入局部最优等问题。针对蝙蝠算法和目前数值积分方法的不足,把具有很强的全局寻优能力和局部搜索能力的差分进化算法融合到蝙蝠算法中,提出了一种基于差分进化算法的改进蝙蝠算法求任意函数数值积分的新方法,该算法不仅能求解通常意义下任意函数的定积分,而且能计算振荡积分和奇异积分。通过6个不同算例与当前数值积分方法比较,实验仿真结果表明,该算法是有效的和可行的,能够快速有效地获取任意函数的数值积分值。同时,扩展了蝙蝠算法的应用领域。     

QPSO混合算法在PID控制器优化中的应用

为了提高PID控制器参数优化的速度和成功率,提出了一种基于改进量子粒子群优化与非线性规划的混合算法．在算法中引入了柯西分布随机数扰动项,以增加粒子群体的多样性,增强其全局搜索性能：并将非线性规划函数融入算法,使其局部搜索能力也得到改善,从而提高了算法的精度和收敛速度．将该算法应用于4阶对象的PID控制器参数优化,用MATLAB编程运行,结果表明其响应时间短、超调量小、稳定性好,具有一定的实用性和推广价值．     

改进罚函数法与蝙蝠算法在约束优化中的应用

设计了一种基于自适应罚函数法和改进蝙蝠算法的约束优化问题求解方法。提出了一种自适应罚函数法,该处理方法综合考虑了约束违反的情况和进化过程的特点,如果某个约束违反的次数越多,则证明该约束越强,赋予惩罚系数越大;种群中的不可行解的数量越多,为保持种群的多样性,则约束应该取较小的值,即惩罚系数取较小的值。提出了一种改进的蝙蝠算法,利用混沌的遍历性特点产生初始种群,增强了初始种群的多样性和种群的质量;在考虑了脉冲响度的蝙蝠算法局部搜索中,融入了交叉操作;为防止算法在后期陷入局部最优解,引进了变异操作,保证了群体的多样性。将自适应罚函数法与改进的蝙蝠算法融合起来求解约束优化问题,4个复杂的标准测试函数和2个工程实际问题证明了该约束优化求解方法的可行性和有效性。     

一种改进的并行蝙蝠算法

针对蝙蝠算法存在易陷入局部最优、后期收敛速度慢及收敛精度低等问题,提出一种改进的并行蝙蝠算法(IPBA).设计一种基于免疫浓度的混沌初始化,选择出适应度高、浓度低的个体组成更高质量的初始群体;引入并行策略,将种群分为探索与开发两个子群体,采用不同的惯性权重和停滞变异策略分别进化,可有效防止早熟,并加快算法收敛速度.此外,子群体间定期进行个体迁移和信息交换,充分发挥并行优势,提高算法的整体性能.通过对经典函数仿真测试,将IPBA与基本算法和其他改进算法的优化结果进行对比,经过相关分析,验证了IPBA的可行性和有效性.     

基于蝙蝠算法的改进杂草算法研究

提出了一种新型的混合算法并命名为混合杂草蝙蝠算法(Hybridize Invasive Weed Optimization with Bat Algorithm,IWOBA),该算法在杂草算法的基础上利用蝙蝠算法的回声定位来解决每代种子逐步寻优的问题。其原理是利用种群速度和位置的不断更新,增加种群的多样性,从而达到提高种群的全局收敛性。最后利用6个测试函数对该算法和标准杂草算法进行测试比较。仿真结果表明,IWOBA能够有效克服原算法早熟、易陷入局部最优的缺点,可加快算法收敛速度,具有良好的鲁棒性。     

基于改进的蝙蝠算法在云计算中的资源分配

云计算中的资源分配一直都是研究的重点, 提出了一种基于改进的蝙蝠算法的云计算资源分配方法. 在蝙蝠算法中引入差分遗传算法, 通过变异, 交叉和选择等操作避免个体陷入局部最优, 以及过早产生最优解的可能,改进后的蝙蝠算法能够有效的提高收敛速度和精度. 仿真实验表明, 本文算法不但有效提高了算法性能, 还优化了云计算系统中的资源调度能力, 提高了云计算资源的利用率.     

层次分析算法及优化在网络视频评比中的实践

随着新媒体时代的到来,网络信息传播变得更加便捷,很多单位开展了视频网上评比活动,但往往对其缺少合理快捷的评估方法.本文通过分析视频网上评比的影响因素,构建出多指标的层次分析模型.文章介绍了层次分析法及其基于PageRank的优化算法的主要步骤,利用它求出各评比指标的权值,从而给出评比计算方法.本文的研究方法为处理多指标问题提供了一些参考价值.     

基于模糊层次分析法的软件质量评价模型

针对软件质量评估中数据的模糊性和不确定性,在ISO9126质量模型的基础上,基于模糊综合评价法和层次分析法建立了软件质量的综合评价模型。通过对某软件进行实际评价表明,该评价模型能够对软件质量进行科学的评价并给出改进的建议,该模型具有较高的操作性、实用性,极大地提高了软件质量评价工作的效率。     

基于模糊层次分析法的通信装备维修任务量建模方法

装备维修保障作为保持和恢复战斗力的重要因素,起着举足轻重的作用。作为提高装备使用效益的直接手段,贯穿于装备全寿命周期。本文结合通信装备维修保障工作实际,通过分析影响和制约通信装备维修保障能力的各项客观因素,建立通信装备维修任务量模型,以此确定满足不同保障单位所需要的总维修保障能力值。为计算不同单位维修任务量提供评估基础,为维修人力编配提供辅助决策。     

改进模糊层次分析法在虚拟维修训练评估中的应用

为更合理地对无人机虚拟维修训练进行综合评估,对传统层次分析法和模糊综合评估法进行改进。改进的层次分析法在确定指标权重时,引入拟优传递矩阵,无需进行一致性检验,避免了人为调整判断矩阵的盲目性;改进的模糊综合评估法利用加权平均型模型,对所有因素均衡兼顾,将评语集按等级进行区间化赋值,使计算得到的综合评价结果更加可信。以某型无人机的虚拟维修训练为例进行评估,结果表明,改进方法简单易行,在Virtools环境下进行工程实现与验证,可有效地记录受训人员的操作信息,系统针对操作记录自行打分,取得了较好的评估效果。     

基于改进粗糙集和层次分析法的进口生鲜食品配送中心选址

针对进口生鲜食品企业配送中心的选址问题,利用粗糙集对影响配送中心选址的属性指标进行约简,运用层次分析法建立多因素层次结构模型,并对Z企业的备选地址进行评价,将改进的粗糙集得到的客观权重和层次分析法得到的主观权重有效地结合起来,使评价更加客观和科学,结论表明该方法是可行的.     

一种改进的自适应变异蝙蝠算法

针对蝙蝠算法在解决高维复杂问题时容易陷入局部最优解和精确度不高的问题,文中提出了一种改进的蝙蝠算法。在原算法的基础上,引入一种交叉变换的方式更新蝙蝠群体的位置,一方面是为了提高蝙蝠算法的遍历性,另外还可以减小蝙蝠算法陷入局部最优解的可能性。模拟蝙蝠发声的音量变化,采用自适应的变换的方式改进蝙蝠算法最优解的选择模式,达到提高算法的精度和收敛速度的目的。最后通过标准的测试函数对改进后的算法进行数值模拟,结果显示,改进后的算法较为有效。     

层次分析法在网络用户信任度评价模型中的研究

随着计算机技术和网络的发展,充分挖掘用户之间信任关系成为各大网络运营平台的关注热点.本文提出利用用户信息作为评价指标构建用户信任度评价模型的方法,并将层次分析法应用于模型构建,以缓解多指标权重设定中人为主观因素干扰问题.文章介绍了层次分析法工作流程并给出了用户信任度评价模型中各评价指标的权重,层次分析法的引入使得用户信任度评价模型更为科学、简洁、有效.     

层次分析法在大学生选购手机中的研究

智能手机为人们生活提供了巨大的方便,是非常普通的必需品,它既是一种时尚的象征,也是一种身份的标志.因此,合理的选购一款智能手机对大学生来说是十分必要的.本文运用层次分析法对大学生购买智能手机进行了深入的研究,建立了层次模型,从手机的性能、价格、外观入手,按照九级尺度法详细地对手机因素进行分析,利用求根法对各种因素计算,并给予排序,选择出最优的方案,为准备购买手机的大学生提供一些参考意见.