随机扰动下多源群体觅食系统建模与仿真

群集智能是指复杂的集体智能来自简单个体之间以及个体同环境之间的相互作用. 通常对群集智能的研究主要借助于群居生物行为的观察. 蚁群觅食行为是研究简单个体产生复杂行为的一个典型的例子. 首先建立群体觅食宏观序参数模型. 模型考虑了食物源的量和分布以及环境噪声对个体决策的随机影响. 给出2个食物源下系统模型的数值解,表明在较大的噪声影响下,系统有一定的概率会脱离最优解,到达次优解. 在Starlogo仿真平台下的实验结果表明,觅食蚂蚁的数量同任务完成时间以及碰撞频率之间呈现出幂指数关系. 这对自组织系统和群集智能的研究有一定的理论意义,并可以用来指导设计更加有效、适应、可靠的智能系统.     

多策略改进的天鹰优化算法及其应用

为改善天鹰优化算法(aquila optimizer, AO)在求解复杂优化问题时存在易陷入局部最优等不足,提出一种多策略改进的天鹰优化算法(multi-strategy improved aquila optimizer, MIAO)。首先,提出镜像单纯形法策略扩大天鹰搜索范围,提升种群多样性和逃离桎梏能力;其次,在天鹰算法的X3阶段融入社会自由觅食策略,摆脱全局平均值的束缚,提升迭代后期天鹰个体的多样性;同时,将阶梯步进策略引入X4阶段,保证当前优势个体加快向全局最优前进的趋势,增加收敛速度;最后,改进原有开发机制,提升算法寻优能力。对10个常用基准函数以及CEC2017部分函数进行寻优实验,实验结果与Wilcoxon符号秩和检验结果均表明改进算法具有更好的寻优精度、收敛性能和稳定性。另外,通过一个机械优化设计实验进行测试分析,进一步验证所改进算法的优越性和实用性。     

Tracking variable environments: There is more than one kind of memory

Three kinds of memory help herbivores track changes in the environment. The first is the collective memory of the species with genetic instructions that have been shaped by the environment through millennia. This includes skin and gut defense systems. Auditory and visual stimuli and sensations of pain impinge upon the skin defense system that evolved in response to predation. The taste of food and the sensations of nausea and satiety are an integral part of the gut defense system that evolved in response to toxins and nutrients in plants. The second kind of memory in social mammals is represented by the mother, a source of transgenerational knowledge, who increases efficiency and reduces risk of learning about foods and environments. The third kind of memory is acquired by individual experience. Postingestive feedback from nutrients and toxins enables individuals to experience the consequences of food ingestion and to adjust food preference and selection commensurate with a food's utility. The three memories interact, each linking the past to the present, and collectively shape the present and future of every individual. Thus, the dynamics of foraging involves appreciating the uniqueness of individuals and subgroups of animals, each with their own genetic and behavioral history, and recognizing that foraging behaviors may not be stable, optimal, or even predictable in the conventional sense.     

基于免疫细菌觅食算法的大容量光伏阵列GMPPT算法

老化、温度变化和局部阴影等引起的电池电气特性不同,使光伏阵列P-U曲线出现多个功率峰值点。大容量光伏阵列组件数多,其多峰值问题比小容量光伏阵列更常见和复杂。该文首先根据局部阴影条件下光伏阵列分段函数型输出特性,建立其S函数模型。然后提出免疫细菌觅食算法,实现大容量光伏阵列全局最大功率点跟踪(global maximum power point tracking,GMPPT),利用细菌觅食算法的随机选取方向特性和免疫选择算子,实现时变环境下全局最大功率点的动态跟踪,将所有跟踪到的全局最大功率点保存到全局最大功率点记忆池,再利用全局最大功率点记忆池初始化群体和产生迁移个体新位置,加快重复出现全局最大功率点的跟踪速度。仿真结果表明,免疫细菌觅食算法在动态和重复出现局部阴影条件下都有良好的GMPPT跟踪定位能力。     

改进的细菌觅食优化算法求解0-1背包问题

细菌觅食优化算法作为一种新兴的智能优化算法,一般用来解决连续域的问题。为了解决离散域问题,提出了一种改进的细菌觅食优化算法。采用线性递减的思想和随机的游动长度代替固定步长和随机游动方向,改进了趋向性操作方案,并将其应用于解决0-1背包问题。将改进的细菌觅食优化算法与遗传算法、离散粒子群优化算法及基本的离散化细菌觅食优化算法分别在小规模和大规模的0-1背包问题上进行了仿真比较,表明了改进的细菌觅食优化算法能取得较好的效果,寻优能力强。     

离散型细菌觅食算法求解TSP

旅行商问题(TSP)是组合优化问题的典型代表,针对TSP的求解提出一种离散型细菌觅食(DBFO)算法.该算法通过结合2-opt算法设计了一种适合处理离散型变量的趋化算子,将细菌觅食算法推广到了离散情形.同时,结合TSP的特点,在迁徙算子中引入基因库的思想来指导新个体的生成,提高了算法的搜索效率.通过对TSPLIB标准库中22个实例进行仿真实验.实验结果表明,该算法能够有效求解城市规模500以下的TSP,与混合蚁群算法和离散型萤火虫群算法相比,具有更好的全局收敛性和稳定性.     

基于细菌觅食优化算法的WSNs节点部署策略

为了提高传感器节点的有效覆盖率,提出了一种基于细菌觅食优化(BFO)算法的节点部署策略。以网络覆盖率为目标函数,在细菌觅食算法的趋向操作过程中,引入碰壁策略,对细菌初始位置进行优化,从而提高算法的收敛速度。算法中的每个细菌都代表一只传感器,多个细菌组成的一个菌落代表一种传感器的部署方案。算法以菌落为单位做复制操作和迁徙操作,按照菌落适应度值大小选出较为优越的部署方案。通过仿真实验,分析了参数对算法性能的影响,并与其他方法的优化结果进行比较,结果表明:该算法有效地提高了传感器节点覆盖率。     

Nasonov pheromone of the honeybee.Apis mellifera L. (Hymenoptera,Apidae)

Electroantennogram (EAG) responses from worker honeybee antennae were obtained for each Nasonov component. Response amplitudes to 10 g of components correlated well with reported relative abilities to attract foragers in the field. EAG responses of worker, queen, and drone antennae to natural pheromone were consistently greater than to synthetic pheromone, a difference only partly explained by enzymic conversion of geraniol to (E)-citral during preparation of natural extracts.