果蝇优化算法的加权策略研究

针对基本果蝇优化算法(FOA)收敛速度慢和寻优精度不高的缺点,在位置更新公式中引入加权因子,提出了基于线性递减策略和先增后减策略的两种加权果蝇优化算法(WFOA),从而增强了种群的多样性。通过对6个测试函数的仿真实验,验证了这些策略的可行性,表明这些策略能够有效地提高算法的收敛速度和搜优精度。经过两种策略的对比,发现线性递减策略具有更快的收敛速度,而先增后减策略具有更强的鲁棒性和稍好的寻优精度。     

野生黑腹果蝇引种培养与唾腺染色体观察

对佳木斯地区的野生黑腹果蝇（Drosophila melanogaster）进行采集,并在实验室内进行培养训化,用常规果蝇培养基进行培养．选用卡宝品红染色法进行唾腺染色体临时装片的制备,观察其染色效果,与常规方法进行比较,效果比较好,并应用于遗传学教学．     

基于改进果蝇优化算法的ECT图像重建方法

电容层析成像(ECT)的反问题具有严重的不适定性,因此经典算法的重建结果往往精度不足,并伴有很多伪影。为了提升重建图像质量,考虑将果蝇优化算法(Fruit Fly Optimization Algorithm,FOA)应用在ECT图像重建上。FOA作为群智能搜索算法,具有原理简单、参数设置少、容易实现等优点,但是容易陷入局部最优。针对该问题,作者提出一种改进果蝇优化算法,通过与Tikhonov正则化算法相结合求解ECT图像重建问题。为了验证新算法的有效性,选择五种流型作为重建目标,并将LBP算法、Tikhonov正则化算法以及Landweber算法的重建结果作为对照组。仿真实验结果表明,本文算法可以有效提高图像重建精度,重建图像在相对误差和相关系数方面均有所提升,验证了该算法的有效性。     

面向动用计划的车辆装备备件预测研究

针对动用计划下的车辆装备备件的消耗特点,研究了车辆装备维修备件消耗量和库存控制两个预测优化问题。考虑动用计划期内车辆装备的预防性维修和修复性维修,实现定时定程维修和自然随机故障维修下装备维修备件的消耗量的预测。在此基础上,根据备件库存检查方式的特点,建立基于定期检查策略的联合补货库存控制模型,根据模型的结构特点确定决策变量界限,并利用多类种群位置更新方式改进了果蝇优化算法。仿真结果表明,改进的果蝇优化算法具有良好的求解效率,本文所提出的优化方法可为车辆维修保障资源优化提供决策依据。     

基于改进果蝇优化算法的无功优化

将改进果蝇优化算法运用于无功优化领域,为电力系统的无功优化计算提供了一种新的算法.通过对迭代步长进行自适应调整可以有效避免果蝇算法可能陷入局部最优的问题,同时还能提高收敛精度.在无功优化模型中,对控制变量进行归一化处理,使得量纲一致;将约束条件以罚函数的形式并入目标函数中,实现对状态变量的限制.以IEEE30节点系统和IEEE57节点系统为例,分别基于果蝇优化算法(FOA)、改进果蝇优化算法(IFOA)和遗传算法(GA)进行了无功优化计算,结果表明改进果蝇优化算法(IFOA)具有更好的优化效果和计算速度,更加接近全局最优值,采用该算法解决无功优化问题效果很好.     

基于智能优化的分布式网络流量预测方法

网络流量预测是网络管理的重要内容,高效的流量预测方法可提高网络管理效率.针对网络流量的时变性等问题,提出了一种基于智能优化的分布式网络流量预测方法.该方法采用果蝇算法优化3次指数平滑预测模型中的平滑因子,对时间窗口内收集到的网络流量进行预测,从而有效地提高3次指数平滑模型下网络流量预测的准确度与效率.仿真实验表明:相比传统3次指数平滑预测模型,此方法可解决平滑因子的不确定性所导致的预测结果误差问题,有效提高了网络流量预测精度.     

基于IFOA-SVM 的变压器故障诊断与定位研究

为了充分发掘变压器油中溶解气体所蕴含的故障信息,实现变压器故障性质和故障位置的准确判断,利用 邻域粗糙集(NeighborhoodRoughSet,NRS) 和强化型果蝇算法(ImprovedFruitFlyOptimizationAlgorithm,IF- OA)优化的支持向量机(SupportVectorMachine,SVM)构建变压器故障诊断与定位多层分类模型.首先,利用邻 域粗糙集按照条件属性重要度对变压器故障样本特征值进行约简.其次,为了提升变压器故障诊断与定位模型的分类 精度,设计一种强化型果蝇算法对SVM 的核函数参数和惩罚因子选取进行优化.利用Tent-logistic混沌映射产生的 混沌序列生成果蝇种群的初始位置信息,减少随机过程带来的不可控性;利用动态自适应步长参数调节个体的搜索范 围,增强FOA的寻优效率.仿真分析结果表明,基于改进模型的方法不仅可以实现变压器故障位置的判定,而且能 提升变压器故障诊断的精度.     

基于多分区自适应改进果蝇算法的风光燃储微电网协调控制策略

为了使微电网控制系统中PI控制器的参数能够更好地适应可再生能源的随机性和波动性,提出了基于自适应步长的四分区多策略果蝇优化算法(fruit fly optimization algorithm, FOA)对PI参数进行实时优化。首先,以风光燃储微电网不同微源控制系统中的变换器为控制对象,建立微电网整体控制系统模型,基于此模型实时调整PI参数。然后,根据不同果蝇个体的适应度值将果蝇种群分为4个区,同时考虑4个区果蝇收敛性以及多样性的差异,设计不同的自适应更新策略。最后,采用所提算法对各微源控制过程中的PI参数进行寻优,与其他3种智能算法进行对比,验证了所提算法的可行性和优越性。仿真结果表明,所提算法可以使系统变换器响应速度更快,输出更加稳定。     

基于FOA优化GRNN的船舶交通流预测模型

针对船舶交通流预测中存在复杂性、非线性、受限因素多等特点,运用果蝇优化算法,建立了优化的广义回归神经网络船舶交通流预测模型。通过利用果蝇优化算法的全局寻优特性对广义回归神经网络进行参数优化,从而实现对船舶交通流的预测。以东海大桥的船舶流量观测数据为实例对象进行分析,通过MATLAB进行仿真预测,实验结果表明:FOA-GRNN模型相比于传统的GRNN模型和BPNN模型具有更高的预测精度和泛化能力,有效地解决了预测过程中数据样本少、非线性拟合能力差等问题,对水路的规划、通航管理等方面具有一定的应用价值。