电网故障诊断的二进制人工鱼群算法

电网故障诊断的基本思想是根据保护动作原理将故障诊断问题表示为0-1规划问题。为了保证电网故障诊断的准确性和实时性,提出了一种改进的人工鱼群算法——二进制人工鱼群算法。分析了人工鱼群群聚行为和追尾行为最优方向的前进速度。并在此基础上与遗传算法、粒子群算法和量子免疫算法作了对比分析。结果表明:追尾行为最优方向的前进速度优于群聚行为,二进制人工鱼群算法综合性能优于遗传算法、粒子群算法和量子免疫算法。研究表明二进制人工鱼群算法具有收敛速度快、种群规模小和搜索能力强的特点。     

基于细胞膜优化的人工鱼群算法研究

研究人工鱼群算法优化问题,为了改进AFSA在非全局极值点出现较严重聚集情况时,收敛速度降低,甚至陷入局部极值,搜索性能劣化的问题,采用细胞膜优化算法物质的转运方式,对人工鱼群算法的寻优行为进行改进,从而一定程度上避免算法陷入局部最优,提出了一种基于细胞膜优化的人工鱼群算法.通过4个典型函数仿真和应用实例仿真结果表明,该算法是可行有效的,求解精度更高,算法更稳定.     

TSP问题的人工鱼群解决方案

人工鱼群算法是目前提出的一种基于生物模型的优化算法,文章阐述了人工鱼群算法的相关知识,提出了TSP问题的人工鱼群算法的基本模型,并对采用人工鱼群算法模拟TSP问题的基本步骤进行了定性分析。     

一种求解多背包问题的改进的人工鱼群算法

多背包问题是优化领域中典型的NP难题,传统算法由于计算复杂性高或收敛速度慢等缺点,结果往往不能令人满意。针对上述问题提出了一种求解多背包问题的改进的人工鱼群算法(IAF-SA)。首先将多背包放入方式整数编码,其次对不可行人工鱼编码、不充分人工鱼编码采用"随机修复"策略进行修复,并对人工鱼群算法(AFSA)中觅食、聚群和追尾等行为和产生的人工鱼编码进行改进和修复,最后结合实验对IAFSA算法分析和检验。实验结果表明,求解多背包问题的IAFSA算法相对其它算法不仅具有更快收敛速度和更强鲁棒性,而且以较大的概率收敛于原问题的最优解。     

人工鱼群算法研究与应用现状

人工鱼群算法是一种新兴的元启发式仿生群集智能优化算法。在分析生物鱼类特点的基础上,对人工鱼个体的模型进行了总结,概括了人工鱼群算法的参数改进研究现状以及混合鱼群算法的研究。对人工鱼群算法的应用领域进行了总结,并提出了今后人工鱼群算法的研究方向。     

基于改进人工鱼群算法的可用输电能力计算

针对当前可用输电能力计算存在着易早熟、收敛速度慢等问题,提出了一种改进的人工鱼群算法进行求解,提高了计算结果的准确性、收敛性能以及计算速度。人工鱼群算法是群智能随机全局优化技术,该算法引入了禁忌搜索算法中的记忆功能,可以有效避免迂回搜索并提高计算的效率。在对人工鱼搜索的机制进行研究的基础上,对寻优行为进行改进,采用最好解优先选择前进的路径并以排序选择的方式接受劣解,从而进一步提高算法的效率。修改过的IEEE 30节点系统的计算结果表明,改进人工鱼群算法用于可用输电能力计算是有效的,具有良好的全局收敛性能和较高的计算效率。     

一种改进的萤火虫算法的研究

萤火虫算法是一种新的智能算法,被广泛的使用在优化问题的解决方面,针对算法存在收敛速度慢,求解精度低的缺点,提出了引入人工鱼群算法中的聚群行为和追尾行为改进算法,仿真实验采用3个经典测试函数来测试本文算法和萤火虫算法,实验结果说明了本文算法能够有效的提高性能。     

基于改进人工鱼群算法的配电网规划

针对人工鱼群算法在求解配电网规划时存在的计算复杂度以及收敛性方面的缺陷,本文提出了一种改进的人工鱼群算法。该算法引入了禁忌搜索中的记忆功能,可以避免迂回搜索从而提高计算的效率。通过建立网架优化年综合费用最小模型,并采用改进人工鱼群算法进行求解,实例验证所提方法的正确性和优越性。     

云计算服务平台资源调度人工鱼群算法的随机行为优化

针对标准人工鱼群算法在云计算服务平台资源调度的应用中还存在调度时间长、负载较高等问题。本文提出了一种基于随机行为优化人工鱼群算法的云计算服务平台资源调度模型,首先通过禁忌搜索对人工鱼群行为进行优化,若发现人工鱼群状态已经在禁忌表中,并且有意识地避开这个状态,根据禁忌计算得到新的人工鱼群向量,然后对觅食行为、聚群行为等追尾行为进行自适应随机优化,最后构建云计算服务平台资源调度模型。结果表明,本文提出的基于随机行为优化人工鱼群算法的云计算服务平台资源调度模型资源调度时间更少,负载更小。     

基于多目标鱼群-蚁群算法的水资源优化配置

为了解决复杂的水资源优化配置问题和丰富智能优化方法在水资源优化配置中的应用,建立了以经济、社会、环境综合效益最大为目标的水资源优化配置模型和多目标鱼群-蚁群算法。经济效益以区域供水带来的直接经济效益最大为目标;社会效益以区域总缺水量最小为目标;生态环境效益以区域重要污染物排放量最小为目标;约束条件包括供水、需水、水环境和经济发展协调度等。多目标鱼群-蚁群算法融合了人工鱼群算法的快速跟踪变化和跳出局部极值优点以及蚁群算法的信息素正反馈优点,并将人工鱼群算法中的拥挤度概念引入到蚁群算法中,避免了蚁群算法初期可能早熟的问题。通过实验仿真,此算法具有较快的收敛速度和较高的寻优性能,能有效地找到优化解,从而为解决复杂的水资源优化配置问题提供了新的思路。     

一种改进的人工鱼群算法

人工鱼群算法是一种高效的群体智能寻优算法。本文提出一种改进智能鱼群算法,引入云学习因子和云变异因子,使算法在寻优过程中的学习能力有所提高,避免算法在寻优过程中游动行为的不确定性,提高了算法的寻优能力。     

基于一种差分鱼群算法在WSN覆盖应用的研究

如何能够在无线传感中进行覆盖一直都是研究的热点。本文首先描述了无线传感网络覆盖模型,其次在人工鱼群算法的基础上引入了差分遗传算法和惩罚函数,通过差分遗传算法使得人工鱼群算法在局部搜索的能力得到了加强,并与人工鱼群算法自身的全局搜索优化能力进行结合比较,得到算法的效率得到提高,同时惩罚函数可以避免改进后的算法在一些区域中盲目搜索,提高算法的效率。仿真实验表明本文算法不仅可以有效的提高覆盖效率,同时降低覆盖过程中的能量消耗。     

改进的人工鱼群算法求解TSP问题的研究

针对旅行商(traveling salesman problem,TSP)是一个NP问题,本文使用改进的人工鱼群算法(improved artificial fish swarm algorithm,AFSA)进行线路的优化.首先阐述了TSP问题基本概念,其次针对基本的人工鱼群算法分别优化:(1)使用Laplace进行种群初始化,提高种群多样性;(2)使用正弦余弦算法取代觅食行为,保证算法在全局和局部范围内具有一定的平衡性;(3)利用人工蜂群算法对每一次迭代后的个体进行筛选,保证了算法的解的质量.仿真实验中本文算法在TSP路径规划方面具有一定的效果.     

基于人工鱼群算法诊断电力系统故障问题

本文研究了基于人工鱼群算法及断路器跳闸信息的诊断电力系统故障问题。首先根据元件故障与断路器跳闸之间的逻辑关系,构造了电力系统故障诊断与鱼群算法的0-1模型,也可称之为人工鱼;然后使作为当前鱼的人工鱼,通过觅食行为逐步向视野范围内适应度最优的位置移动,并通过一定概率进行随机行为,以避免算法陷入局部最优;通过多次迭代,找到适应度为0的位置,即故障元件。实验证明,本算法能有效地在短时间内找到故障元件,其成功率在90%以上。     

直觉模糊集人工鱼群搜索的人脑切片图像分解

精密的大脑切片图像的微细分解处理是进行图像特征分析的基础,传统的人工鱼群算法对图像微细区域进行分解时,融入局部信息导致图像噪声增强,难以有效提取图像的数值特征信息,分解效果不好。提出一种基于直觉模糊集的人工鱼群搜索算法,根据模糊集理论,进行直觉模糊集构造。在人工鱼群寻优搜索到的引领粒子附近自组织搜索更优特征解,利用直觉模糊集的均匀遍历特性全局搜索微细特征,不需要人为的干预,更适合处理一些模糊的和不确定的问题,适用于图像的微细分解。仿真实验得出该算法在处理含强噪声的脑切片图像时,微细分解精度很好,精度和计算复杂度等方面较传统方法有优越性。     

基于覆盖集和逆高斯变异的AFSA算法在WSN中的覆盖研究

针对人工鱼群算法(AFSA)对节点能量以及分布考虑不足的情况,本文在无线传感优化覆盖中,引入了覆盖集和逆高斯变异概念,通过在AFSA的觅食阶段采用覆盖集,使得个体人工鱼的选择的效率得到提高,在聚群阶段使用逆高斯变异,将个体人工鱼的活动区域进行了合理的分布,使得探寻食物的效率得到了提供。通过经典函数测试,本文的算法在性能上优于AFSA算法,通过仿真实验证明,本文算法在节点能量消耗上和节点覆盖效率上有了进一步的提高。     

基于鱼群的PSO粒子滤波算法

粒子群优化(PSO)粒子滤波算法比较而言,容易陷入局部最优,因此算法的准确度就会降低。本文在解决该问题时引入了一种基于鱼群的PSO粒子滤波算法。此算法是通过鱼群优化在采样过程中找到全局最优的相对位置,使其能够向全局最优的位置逐渐接近,同时提高估计有效的粒子数目,从而能够更有效的减少粒子退化与枯竭问题。实验表明,此算法与PSO粒子滤波算法相比,在估计准确度方面有了较大的提升。     

一种改进的蜂群算法的研究

针对人工蜂群算法存在收敛速度慢,容易陷入局部最优的缺点,本文从种群初始化,引入自适应系数和位置更新等三个方面进行改进:(1)种群初始化,通过采用最小距离初始化人工蜂群,提高种群多样性;(2)自适应系数,通过加入随机干扰,在一定程度上可以避免算法陷入局部最优;(3)位置更新,提出了一种基于全局引导的位置更新想法,保证种群中的每一个个体既能获得自己的历史最优位置,还可以同时获得整个种群中的当前最优位置,提高了算法的收敛速度。采用4个经典测试函数结果说明本文算法相比基本人工蜂群算法提高了算法的整体性能,降低了算法运行时间,提高了效率。     

基于感知范围的鱼群优化算法

模拟鱼群在空间的游动行为. 以个体鱼之间的实空间欧式距离为量度,将个体鱼感知范围内的邻域空间分为吸引、排斥和中性区域,同时考虑所有个体鱼都有向食物源运动的趋势. 利用参数选取实验来确定感知范围参数;通过标准测试函数实验对所提出的新鱼群算法和人工鱼群算法进行了对比分析. 在此基础上,对两种算法的搜索步长进行了实验研究. 最后,在基本算法的基础上提出了线性变化权重因子策略,13个测试函数的实验证实此策略可以进一步提升算法性能.     

一种基于信息熵的人工鱼群聚类方法

针对多维数据聚类,提出了一种基于信息熵的人工鱼群聚类方法。该方法以多维数据的信息熵作为人工鱼群算法的行为指导函数,可以在没有多维数据先验知识情况下,实现多维数据的聚类,仿真结果表明该方法有助于提高多维数据聚类的准确率,为利用仿生物算法实现多维数据聚类提供新思路。