混合人工蜂群算法在混流装配线排序中的应用

为更好地解决混流汽车装配线排序问题,建立了以最小化总调整时间和最小化超载时间与空闲时间为优化目标的典型混流装配线排序数学模型,提出一种求解该模型的混合人工蜂群算法。针对标准人工蜂群算法不能解决离散问题的缺陷,引入禁忌搜索算法重新设计了蜂群的邻域搜索算法,设置了算法邻域搜索的动态参数,设计了禁忌搜索算法在人工蜂群算法中的嵌入策略;为保证算法的全局收敛性,采用基于跟随蜂的精英保留策略,给出了侦查蜂和跟随蜂的食物源更新方法。通过比较混合人工蜂群算法与遗传算法和标准人工蜂群算法对不同规模算例的计算结果,验证了所提算法在求解混流装配线排序问题中的优越性。     

汽车主动悬架单神经元PID控制器设计

悬架系统对汽车乘坐舒适性和操纵稳定性的改善起着重要的作用。为提高汽车行驶的平顺性,设计了单神经元PID控制器,并利用人工蜂群算法在线优化单神经元PID控制增益。以车身垂直加速度、轮胎动位移、悬架动行程为评价指标,研究控制器的减振效果和当路面输入改变、模型参数变化时的适应性,对1/4汽车主动悬架模型进行仿真了分析。结果表明:基于蜂群的单神经元PID控制器有效地降低了车身垂直加速度,且有较强的鲁棒性,进一步提高了汽车行驶的平顺性。     

基于人工蜂群优化的自适应图像增强方法

结合人工蜂群优化算法和非完全Beta函数,将人工蜂群算法作为优化问题寻找最优解,提出基于人工蜂群优化的自适应图像增强算法。通过人工蜂群优化算法并行搜索非完全Beta函数的最佳参数,从而确定最优的灰度变换曲线;引入适应度函数来指导人工蜂群的搜索运动,以此实现图像对比度的自适应增强。仿真试验结果表明:与直方图均衡化、反锐化掩模算法相比较,本算法的灰度分布更加均匀,对比度明显,视觉效果更好且适用性强。     

IABC-elite算法在电液比例溢流阀压力控制中的应用

为了改善电液比例溢流阀压力的PID控制效果,将标准人工蜂群(SABC)算法用于电液比例溢流阀控制器的PID参数整定。针对人工蜂群算法初始收敛性和局部性能较差等缺陷,以精英人工蜂群算法(ABC-elite)为基础,根据迭代次数动态调整精英解和全局最优解(gbest)的权重并且改进了雇佣蜂更新公式,得到改进精英人工蜂群(IABC-elite)算法并应用于电液比例溢流阀PID控制器。仿真结果表明,IABC-elite算法与SABC及其他改进算法相比,在理论上具有可行性,在系统稳定性和精度上均有明显提高。实验结果表明,压力输出稳定,精度较高。     

基于改进人工蜂群算法的数控切削参数优化

针对多道工序加工的切削参数优化问题,提出一种改进的人工蜂群算法对最小加工时间和最低生产成本的多目标切削参数模型进行优化。该算法综合了粒子群算法和人工蜂群算法的优点,优化过程中综合考虑了工件加工时的多种约束条件。通过仿真实例验证改进的人工蜂群算法的有效性和优越性,仿真结果表明:改进的人工蜂群算法相比其他算法可以寻找到更优的切削参数组合。     

改进ABC-SVM的参数优化及应用

支持向量机算法(SVM)的回归预测性能在很大程度上取决于模型参数的选择,提出一种基于改进人工蜂群算法的SVM参数优化方法并将其应用于铆接件铆接力的回归预测。针对ABC算法存在难以有效确定参数搜索范围的问题,基于支持向量机的渐近性能确定了ABC算法搜索SVM参数的"好区",再引入线性核函数进一步缩小搜索范围,有效地帮助了ABC算法更快搜索到全局最优参数。在此基础上建立改进的人工蜂群支持向量机(I-ABC-SVM)模型,将其应用于铆接力的回归预测。最后,采用仿真对比实验测试模型性能。仿真实验结果表明,相对于参比模型,I-ABC-SVM不仅表现出很强的泛化能力和较快地搜索速度,而且能够很好地解决SVM参数优化和ABC算法初始化参数设置的难题,同时保证了很好的预测性能。     

改进蜂群算法在风机变桨距控制中的应用

风力发电系统建模过程复杂,具有很强的非线性,受参数变化和外部干扰严重,且运行环境恶劣。因此,在控制器部分提出用自抗扰控制理论解决风力发电系统的变桨距控制问题,实现最大功率跟踪。并采用改进人工蜂群算法对自抗扰控制器的参数进行优化,解决其整定过程繁琐,具有很多不确定性的问题。MATLAB的仿真结果表明,优化后的控制器调整参数减少,简化了调节过程,弥补了人工蜂群算法搜索过程寻优速度慢,迭代后期容易陷入局部最优的不足,提高了优化精度。     

求解批量流水线调度问题的离散蜂群算法

针对批量流水线调度问题,提出一种离散人工蜂群算法来优化最大完成时间。研究了计算最大完工时间的前向和后向方法,并提出插入邻域快速算法。与传统的人工蜂群算法不同,离散人工蜂群算法采用工件序列编码,运用扩展的NEH方法产生初始种群,使用自适应的移动选择策略和路径链接方法生成新解,利用基于插入邻域快速算法的局部搜索来加强局部开发能力。同时为了保持种群的多样性,防止算法陷入局部极小,当种群相似度达到一定值时进行算法重启。仿真实验表明该算法可行、高效。     

小生境遗传算法的多刚体系统动力学参数优化设计

在分析多刚体系统动力学参数优化问题特点的基础上,针对用传统优化方法和标准遗传算法求解这一类问题时存在的问题,提出了一种改进的小生境遗传算法。采用最优保存策略和高斯变异算子,保证算法的稳定收敛和提高算法在每个峰值附近的局部搜索能力。将该方法用于5自由度汽车悬架系统动力学参数优化设计问题,结果表明该方法在收敛速度和获得全局最优解方面部有很大提高。     

基于混沌蜂群算法的小型无人直升机系统辨识

针对小型无人直升机在悬停状态下飞行动力学模型的系统辨识问题,提出了一种基于混沌蜂群算法(chaotic artificial bee colony algorithm,简称CABC)的辨识方法。由于直升机的数学模型是非线性的,因此用小扰动理论对其线性化,得到纵横方向待辨识的解耦模型;进一步将系统辨识问题转变成优化问题,以蜂群为搜索单位,通过群体之间的信息交流与优胜劣汰机制,使得蜂群向更优方向进化;利用混沌算子来改进侦察蜂的搜索机制,使得人工蜂群算法脱离局部最优束缚,获得更强的全局寻优能力。根据无人机实际飞行试验数据,对辨识获得的模型进行了分析与验证,结果表明,采用该辨识方法,估计出了解耦模型中的未知参数,与遗传算法和传统人工蜂群算法相比,所提算法的辨识精度更高。