果蝇优化算法的进展研究分析

果蝇优化算法作为一种新兴的群智能优化算法,具有结构简单、调节参数少、可操作性强和全局寻优快等特点,使其相较于其他智能算法更容易理解和实现,因此自其提出之日起便受到广泛的关注与研究。综述了果蝇优化算法的设计思想,围绕现有的改进方法和相关应用进行重点分析,分析了果蝇优化算法的研究进展,包括候选解产生机制、多种群协同搜索、飞行策略等方面的改进以及在复杂函数优化、参数优化、调度及物流问题等方面的应用,最后提出果蝇优化算法未来值得关注的研究方向和内容。     

新型群智能优化算法综述

传统群智能算法在解决复杂实际多目标优化问题中存在不足,近年来学者提出诸多新型群智能算法,适用性强,在求解复杂实际问题中取得了较好的实验效果。以算法提出时间为主线,对新型群智能算法中细菌觅食优化算法、混合蛙跳算法、人工蜂群算法、萤火虫算法、布谷鸟搜索、果蝇优化算法和头脑风暴优化算法的改进及应用进行分析和综述,并对群智能算法未来的研究发展方向进行了探讨。     

果蝇优化算法研究综述

作为一种新兴的群体智能算法,果蝇优化算法(FOA)因其简单有效而在诸多领域得到成功应用.分析FOA的搜索原理和优缺点,围绕目前的改进和相关应用进行综述.重点讨论FOA改进策略,包括改进搜索半径,改进候选解的生成机制、多种群策略等,以及FOA在复杂函数优化、组合优化和参数优化等方面的应用.最后给出FOA在算法改进和实际应用方面研究的新思路.     

群智能算法在螺旋桨参数优化设计中的应用

螺旋桨参数优化设计一般是复杂的非线性问题,设计的难点在于如何在各种非线性约束条件下找到一组适当的参数,使得螺旋桨性能最佳。群智能算法作为一种新兴演化计算技术,能有效解决全局优化问题,是优化算法研究的新热点。首先介绍了粒子群算法和蜂群算法两种群智能算法的工作原理;然后在建立螺旋桨参数优化数学模型的基础上,将群智能算法运用到螺旋桨初步和终结设计优化问题中,并通过实例进行对比分析,结果表明群智能算法解决螺旋桨参数优化问题是实用且高效的。     

基于头脑风暴算法的电动货车路径优化问题

针对电动货车路径优化问题,应用物流网络以及电动货车电量消耗等方面的知识,研究了电动货车的智能调度方法,构建了带时间窗的电动货车路径优化模型(electric vehicle routing problem with time window,EVRPTW)。该模型考虑了耗电量与电动货车行驶速度、载重量之间的关系,客户满意度与软时间窗之间的关系。同时,引入了计算机智能算法,充分利用了遗传算法、头脑风暴算法等优化算法的智能化特征,有效提高了电动货车的配送效率。仿真结果表明:该模型运用头脑风暴算法的最优值精确度和收敛速度都优于遗传算法,可以有效解决EVRPTW问题。所提出的模型和算法能明显提高配送中心的配送效率,节省充电成本,提高顾客满意度。针对配送中心电动货车运营调度管理的特点,借助计算机技术以及自动控制技术,进一步提高了电动货车的配送效率,为物流网络系统的智能化调度提供技术准备。     

群体智能算法及其在信息安全中的应用探索

由于其在解决复杂问题尤其是NP难问题上的优势,群体智能算法一经提出,就备受关注。在动物行为的启发下,目前已经设计出了包括蚁群、粒子群、蜂群、人工鱼群等一系列算法。同时,这些算法也已被广泛运用到金融管理、交通运输、信息科学、航天工程、航海领域等各个工程领域。本文则将重点探索群智能算法在网络空间安全方面的潜在应用。首先简单回顾了几种典型的群体智能算法,接着分析了它们在密码学、网络入侵检测等分支中的可能应用,希望能够借助这些最优算法解决网络空间安全方面的一些基础问题,特别是那些与复杂巨系统相关的问题。     

FOA-LM算法及其在语音信号稀疏分解中的应用

信号的稀疏表示在信号处理的许多方面有着重要的应用,但稀疏分解计算量十分巨大,难以产业化应用。粒子群优化（PSO）及果蝇优化（FOA）等智能算法具备前期收敛速度快,全局搜索能力强的优点,应用到语音信号的稀疏分解中,虽然大大提高了语音信号稀疏分解的速度,但是该类算法后期的收敛速度较低,稀疏分解速度仍然偏低。拉凡格氏（LM）算法具有收敛速度快,精度高的特点,但是LM算法依赖初值,这使它的应用受到了限制。结合智能算法FOA及LM算法的优点,采用FOA算法求出Gabor原子参数初值,利用这些初值进行LM迭代搜索最优原子。仿真结果表明,基于FOA优化算法和LM算法相结合的方法,具有收敛速度快,精度高的特点,有较高的实用价值。     

基于改进细菌算法轨道电路室外设备故障分析

故障检测是近年来的热门话题,大数据环境下,原有算法在计算量和效率上已不能满足当前的需求,智能算法应用越来越广泛,将其应用于故障检测有较好的效果,细菌算法是新兴的全局优化智能算法,但其原有算法有一定的局限性.将细菌算法结合自适应理论,优化了细菌算法中趋化步长和繁殖步骤,对比传统BFO最优值有7个数量级的提高,在收敛性方面提高了一倍,并且将其与贝叶斯网络结构学习相结合解决轨道电路故障诊断的问题.     

基于改进模拟退火算法的均匀设计表构建

当 为偶数时,使用好格子点法不能产生因素数较大的设计表,且只能在解空间的子空间内产生设计表,所产生的设计表无法保证最均匀。针对上述问题,引入智能计算方法,包括粒子群优化算法和改进的模拟退火算法。对3种算法的优化性能进行比较,结果表明智能算法可以对较大范围的因素数产生设计表,与好格子点法相比,智能算法能够得到均匀性更好的设计表,并且相对粒子群优化算法,改进模拟退火算法构建的均匀设计表的偏差更小。     

若干新型群智能优化算法的对比研究

随着计算机技术的发展,算法技术也在不断交替更新。近年来,群体智能算法受到了广泛的关注和研究,并在诸如机器学习、过程控制、工程预测等领域取得了进展。群智能优化算法属于生物启发式方法,广泛应用在解决最优化问题上,传统的群智能算法为解决一些实际问题提供了新思路,但是也在一些实验中暴露出不足。近年来,许多学者相继提出了很多新型群智能优化算法,选取了最近几年国内外提出的比较典型的群智能算法,蝙蝠算法（Bat Algorithm,BA）、灰狼优化算法（Grey Wolf Optimization,GWO）、蜻蜓算法（Dragonfly Algorithm,DA）、鲸鱼优化算法（Whale Optimization Algorithm,WOA）、蝗虫优化算法（Grasshopper Optimization Algorithm,GOA）和麻雀搜索算法（Sparrow Search Algorithm,SSA）,并进一步通过22个标准的CEC测试函数从收敛速度、精度和稳定性等方面对比了这些算法的实验性能,并对比分析了其相关的改进方法。最后总结了群智能优化算法的特点,探讨了其今后的发展潜力。     

细菌觅食优化算法的研究进展

细菌觅食优化算法是近年来发展起来的,基于大肠杆菌觅食行为模型的一种新型智能算法。它具有对初值和参数选择不敏感、鲁棒性强、简单易于实现,以及并行处理和全局搜索等优点。但其在应用过程中存在精度不够高、收敛速度不够快的缺点。文中首先对细菌觅食优化算法的基本原理及操作流程进行介绍,并概述了国内外学者在这一领域的研究现状,接着分析了算法三大主要操作存在的问题,然后探讨了算法的改进和应用,最后分析了算法未来的研究方向。     

PSO优化算法演变及其融合策略

分析了粒子群优化算法公式的演变以及相关参数,包括基本算法、加惯性权重的PSO以及加收缩因子的PSO。并对它与其它智能算法（模拟退火、遗传算法、蚁群算法等）的融合进行了探讨,指出目前PSO的数学研究范畴仅限于收敛性的研究。     

高维复杂函数的混合模拟退火全局优化策略

对于高维复杂函数优化问题,经典的优化算法存在着初始点敏感、局部收敛等问题;而模拟退火算法等智能算法则有着计算成本高昂、算法早熟等缺陷。NFL定理犤1犦预示了混合优化策略是解决实际优化问题的最好途径。该文融合了模拟退火算法和经典算法的优点,设计了高维复杂函数混合模拟退火优化策略。混合优化策略具有模拟退火算法的全局收敛性,同时引入强局部收敛经典算法作为模拟退火算法的精英个体提高算子,提高了模拟退火算法局部开采能力,加快了收敛速度。数值仿真计算结果表明,混合模拟退火策略求解高维复杂函数的性能大大优于单一算法,具有强鲁棒性、高收敛速度和高精度等优点。该文的算法设计思想对于解决实际问题有较好的借鉴意义。     

具有不确定收益的新的投资组合优化模型的研究

解决了具有不确定收益的投资组合问题。从一个新的视角给出了不确定投资组合的风险定义,在此基础上,提出了新的投资组合优化模型,并设计出新的混合智能算法来解决这一新的优化问题。在新的算法中,99方法被用来计算期望值和机会值,与之前的算法相比,大大减少了计算的工作量,加快了求解过程。最后,提出一个数值例子来验证新的优化模型和所提算法的可行性和正确性。     

智能计算主要算法的概述

为了解决传统智能方法无法突破的问题,推进机器智能化的进程,计算智能应运而生。计算智能的兴起引起了机器智能领域广泛的关注。该文系统阐述了几种主要计算智能算法的发展历程,分析了算法的基本原理,并对算法的特点和实际应用做了简单介绍,最后展望了计算智能将来的发展方向。     

两种智能优化算法在交通控制 应用中的对比分析

城市交通系统是一个庞大的系统,具有极强的随机性以及复杂性,要想实现对其有效控制,必须不断进行研究 和分析。本文主要讨论两种智能优化算法在城市交通控制应用中的对比。两种智能算法分别是混沌遗传算法和混沌粒子群 算法。通过对这两种智能优化算法的计算结果进行仿真发现,这两种算法的自适应性、鲁棒性以及自学习性都是相当强的,能 够有效地实现对地区交通信号的控制优化,并且由于固定周期控制方式在其中的应用,能够使车辆的平均延误情况得到有效 的缓解,对改善地区交通有着积极的意义。     

求解TSP的人工萤火虫群优化算法

人工萤火虫群优化算法是一种新型群体智能算法,已在复杂多目标函数优化方面得到了成功的应用,并表现出良好的性能.为了充分发挥人工萤火虫群优化算法的优点,将该算法与C2Opt算子相结合,设计了求解旅行商问题(TSP)的一个新的高效人工萤火虫群优化算法,并用其求解TSP这一经典的NP难问题.通过对比TSP实例测试,所得结果表明,所提出算法在种群规模较小、迭代次数较少的情况下可以收敛到已知的最优解.     

状态转移算法原理与应用

状态转移算法是基于状态和状态转移的概念及现代控制理论中状态空间表示法提出的一种智能型随机性全局优化方法, 由于其优良的全局搜索能力和快速收敛性, 在许多优化问题中得到了很好的应用. 本文系统地阐述了状态转移算法的基本原理和内在特性, 详细介绍了状态转移算法的演变与提升, 包括离散、约束与多目标状态转移算法, 状态转移算法参数分析与优化、算子拓展与智能化策略等内容, 并从非线性系统辨识、工业过程控制、机器学习与数据挖掘等方面重点介绍了状态转移算法的应用.     

布谷鸟搜索算法综述

布谷鸟搜索（Cuckoo Search,CS）算法是一种新型的群体智能优化算法,该算法受布谷鸟的巢寄生育雏行为的启发,并结合鸟类、果蝇等的莱维飞行特征而提出。首先对CS算法的原理进行介绍,并将它与当前主流群智能算法进行对比分析,从而说明CS算法的有效性及不足。然后介绍了算法的国内外研究成果,包括二进制CS、混沌CS、离散CS等多种版本的改进算法,以及CS算法在图像处理、数据挖掘、组合优化等多个领域的应用。最后,结合布谷鸟算法的特点及其应用研究成果,指出CS算法未来的研究方向。     

云计算在智能电网调度中的应用

为解决传统电力系统中集中式计算平台海量数据流的存储和分析功能不足的问题,针对云计算在智能电网调度技术中的应用进行了研究。首先,对云计算技术在IT行业的发展进行阐述,对云计算的关键技术从虚拟化与快速部署技术、大规模分布式存储技术、资源调度技术、大规模多租户技术、海量数据处理技术以及大规模信息通信技术等方面出发进行介绍。其次,借鉴IT行业云计算技术,设计了基于云计算的智能电网计算平台以及基于云计算的智能电网互动式节能优化调度架构,以期推动云计算在电力系统中的发展,解决智能电网互动式节能优化调度算法方面的问题。