萤火虫算法

摘要： 针对传统的蚁群算法在解决移动机器人路径规划问题时存在收敛性差、搜索速度慢、过于依赖参数选择等问题,提出一种自适应萤火虫算法改进蚁群算法的混合算法.首先,在蚁群算法基础上引入萤火虫算法,对蚁群算法的核心参数进行优化;其次,针对两种算法混合后时间开销大的问题,引入精英策略和承接式相结合的信息素更新方式,并对萤火虫算法的步长因子进行自适应设计,以提高整个混合算法的求解效率和求解精度;最后,在不同的栅格环境下进行路径规划仿真实验.结果表明,混合智能算法较传统蚁群算法综合效果有明显提升.

摘要： 综采工作面煤岩分界面识别是采煤机滚筒高度自适应调节的关键和难点,为了在不增加额外设备的情况下准确识别综采工作面煤岩分界面,从采煤机滚筒分别截割煤层和岩层的表现性状出发,提出一种基于改进RBF神经网络的采煤机截割煤岩性状智能识别方法,使采煤机滚筒能够高速实时判别煤岩.该方法根据采煤机截割电流、牵引电流和摇臂调高液压缸阻力的变化,采用改进的萤火虫算法对RBF神经网络的基函数参数进行优化,并采用优化后的RBF神经网络模型对当前截割的煤岩性状进行识别.在耿村煤矿12150综采工作面实测数据的基础上开展试验,结果表明,基于改进RBF神经网络的煤岩性状识别模型对采煤机截割对象的识别准确率达到93.94％.利用该模型进行煤岩性状识别,无需加装额外探测设备,响应速度快、识别率高,有较好的工程应用潜力.

摘要： 准确的飞机大修周期分析和预测,能够为飞机大修过程的任务安排、人员配置、飞机大修过程优化等提供决策支持。针对数据驱动的飞机大修周期预测分析及建模,提出融合模糊萤火虫算法和BP神经网络(FGSO-BP)的飞机大修周期预测方法,通过引入模糊隶属函数,可动态改变萤火虫寻优步长,提高萤火虫算法的性能,进一步利用模糊萤火虫算法优化BP神经网络。使用标准测试函数对所提出的算法进行了仿真对比,结果表明算法可有效提高收敛速度和寻优精度。基于某飞机大修历史数据进行了应用验证,表明了方法在飞机大修周期预测中的有效性。

摘要： 以空间三平移并联机构作为研究对象,根据方位特征集设计理论和方法,设计一种运动解耦、结构对称、运动副简单、工作空间大的空间纯移动并联机器人机构,通过拓扑结构特性分析证明机构具有空间三维移动的运动特性,并建立运动学方程模型,推导得到运动学正逆解以及雅克比矩阵;在此基础上分析机构奇异性、操作空间、灵巧度等性能指标,以工作空间最大化的实际需求作为数学优化模型,选择萤火虫算法进行优化设计,通过优化后的结构参数尺寸进行算例分析。结果表明:优化后的工作空间性能得到显著改善,工作空间体积较优化前增加12%,优化后的参数为机构的应用设计和控制提供参考。

摘要： 为保证5G基站光伏供电系统的稳定性,需要精确地预测光伏发电输出功率,因此,本文提出了一种基于改进萤火虫算法(Firefly Algorithm, FA)来优化反向传播(Back Propagation, BP)神经网络的光伏功率预测模型(IFA-BP),首先采用灰色关联分析法分析多种气象因素对光伏功率预测的影响程度,然后利用Circle混沌映射使萤火虫种群分布更加均匀,并对寻得的萤火虫最优解加入非线性突变扰动来避免陷入局部最优解,最后建立IFA-BP光伏功率预测模型。通过MATLAB进行仿真,将本文提出的IFA-BP预测模型与FA-BP预测模型、BP预测模型的光伏功率预测结果对比分析,结果表明,提出的IFA-BP预测模型在不同天气下均具有最佳的预测精度。

摘要： 为了提高混合动力汽车的燃油经济性,研究了基于萤火虫算法(firefly algorithm,FA)优化的等效燃油消耗最小控制策略(equivalent fuel consumption minimization strategy,EFCMS).以并联式混合动力汽车为研究对象,运用萤火虫算法对等效燃油消耗最小控制策略的等效因子以及电池荷电状态(state of charge,SOC)进行优化,实现了并联式混合动力汽车的能量优化控制.在Matlab/Simulink中搭建整车模型进行仿真,结果表明:UDDS(urban dynamometer driving schedule)、NEDC(new European driving cycle)、HWFET(highway fuel economy test)这3种工况下,与优化前相比,节油率分别达到了28.6%、25.5%、16.9%;基于FA的等效燃油消耗最小控制策略相比于传统的等效燃油消耗最小控制策略,可以有效提高燃油经济性,电池SOC可以更好地维持在目标值附近.

摘要： 传统控制方式下,三相VSR在电网电压不平衡时的网侧电流谐波较大,且其动态性能容易受到负载扰动的影响。针对这一问题,文中提出了一种基于萤火虫优化算法的自抗扰控制策略。在系统的电流内环加入一种与对象模型无关的自抗扰控制器对其进行闭环控制,及时对系统内外扰动进行主动补偿和抑制。同时,利用萤火虫优化算法对自抗扰控制器的关键参数进行寻优整定。该算法在全局搜索目标函数最优值的同时具有较快的收敛速度,提高了系统控制性能。仿真结果表明,与传统控制方法相比,使用该方法后,网侧电流总谐波畸变率降低了3.67%,并且三相VSR的抗负载扰动能力得到了有效提高,证明了所提控制策略的正确性和有效性。

摘要： 麻雀搜索算法(SSA)作为一种新颖的群体智能优化算法,已被证明具有较好的寻优性能。但由于SSA在某些情况下迭代中后期搜索性减小,种群多样性降低,导致算法存在收敛速度慢、求解精度低、易陷入局部最优解等不足。针对SSA存在的缺陷,融合萤火虫算法(FA)迭代策略,提出了一种加入萤火虫搜索扰动的麻雀搜索优化算法(FSSA)。首先,在麻雀搜索后,利用萤火虫扰动策略对种群中所有个体进行位置更新,使得算法在解空间搜索更加充分,有效避免陷入局部最优,进而提升算法的收敛速度以及收敛精度。其次,通过6个基准测试函数对改进算法与粒子群优化算法(PSO)、鲸鱼优化算法(WOA)、原始的SSA算法进行对比,仿真结果表明该算法能够克服SSA易陷入局部最优的不足,在寻优精度、收敛速度以及鲁棒性等方面均获提升。最后,将FSSA应用于具有14座城市的旅行商问题(TSP)求解,仿真实验对比原始的SSA算法,该算法具有更好的结果,进一步验证了FSSA的寻优能力。

摘要： 针对传统Gmapping算法粒子数恒定导致在简单环境中运行速度缓慢,而在复杂环境中无法精确定位和建图的问题,提出了一种自适应采样算法(Adaptive Sampling,简称AS)。当二维激光点云波动量大于某个阀值时,增加采样粒子数,反之适当减少采样数。实验结果表明:该算法能够合理利用系统资源,有效改善由恒定粒子数导致的一系列问题。此外,为了增强系统在复杂环境中的建图效果,将萤火虫算法(AF)与之相融合,利用AF的高聚集能力改善采样粒子的分布,进而提高滤波器的估计能力。在ROS平台下的仿真结果表明,优化后的算法显著提高了系统的定位建图效果,同时也有效缩短了其平均建图时间。

摘要： 为实现农产品物流配送路径的合理规划和调度,降低物流配送成本和提高消费者满意度,对萤火虫算法进行改进,建立一种对农产品规划多目标物流配送路径的模型。针对传统萤火虫存在局部最优和收敛速度慢的缺点,提出一种云自适应萤火虫算法。选择物流配送成本最低和路径最短为目标函数,将萤火虫位置编码为车辆编号和车辆路径顺序,通过改进的萤火虫算法求解出多目标农产品物流配送的最佳路径。实验数据显示,对比经典的FA、GA等模型,CMAFA模型的搜索时间以及平均搜索耗能等方面,成本最小、效率最佳。此外,CMAFA的搜索成功率为67%,高于FA和GA的46%和25%,进一步证明了CMAFA模型对于农产品的物流配送路径选择及优化方面的强大优势。

摘要： 最小二乘支持向量机(LSSVM)已作为一种新颖的人工智能技术应用于工程风速预测.由于参数选择对LSSVM的预测性能有很大影响,参数寻优因而是LSSVM风速预测的关键问题.为减小参数选择对LSSVM预测性能的影响,一些学者提出了使用粒子群优化(PSO)算法、人工鱼群(AFS)优化算法等来优化选择LSSVM的参数,形成PSO-LSSVM和AFS-LSSVM.萤火虫算法(FA)是继PSO算法、AFS优化算法之后又一种新颖的群体智能优化算法,具有设置参数少、易实现、收敛精度高等优点.因此,本文提出基于萤火虫算法(FA)优化最小二乘支持向量机(FA-LSSVM),以寻找高性能风速预测算法.FA-LSSVM的收敛速度比AFS-LSSVM快，而且训练的耗时较短。因此，FA-LSSVM是高性能的台风风速预测算法，具有工程推广价值。

摘要： BP神经网络能够较好地解决非线性映射问题,是构建大坝安全监控模型的热门工具之一.但其过于依赖连接权值和阈值的初始值,容易陷入局部极值,影响所建大坝安全监控模型的拟合和预测精度.为了改善这个问题,引入萤火虫算法,用来获取BP神经网络的连接权值和阈值的初始值.依据大坝安全监测数据,借助改进后的BP神经网络,实现大坝安全监控模型的构建和安全状况预测.实例分析表明,改进模型与常规BP神经网络模型相比,训练效果稳定,预测精度得到了较大提高.

摘要： 在企业的生产制造过程中,生产调度问题一直是一个基础性很强,同时又是最重要、最困难且最复杂的问题.在实际的生产活动过程中,只考虑单个调度目标的情况几乎很少遇到,全部或大多数情况都是要同时考虑多个不同的调度目标,也就是所谓的多目标调度问题.本文正是在这样的背景下,针对多目标的优化问题作了详细的阐述,构建了一种新颖的萤火虫算法来求解生产调度这类复杂的组合优化问题,给出了详细的计算步骤和程序伪码.通过实际多目标生产调度问题的求解,该算法取得了良好的计算效果.

摘要： 在多平台可调节产品族优化设计下,针对无先验信息时产品族共性与差异性合理平衡的复杂性,提出以共性最大及平均性能损失最小的可调节产品族多目标约束优化模型.借鉴“非支配排序+拥挤度排序”思想,对传统的萤火虫亮度比较操作及亮度更新操作方法进行改进,提出一种适用于求解多目标约束优化模型的改进型萤火虫算法;构造具有共性可变能力的双层结构人工萤火虫个体表达模式,用于求解可调节产品族优化模型.通用电动机产品族优化设计案例的仿真实验,验证了所提模型和算法的有效性.

摘要： 为了提高风力发电的效率，本文对含有风电场的电力系统的调度优化进行了进一步研究，首先建立了调度模型，然后把萤火虫算法进行改进，加入了粒子群算法的全局最优解的思想，然后应用到了含风电场的电力系统的调度方案中，对含有十组常规火电机组的含风电场进行了仿真计算，并将结果与传统粒子群算法相比较，结果显示出了本算法的优越性。

摘要： 由于智能手机扫描Wi-Fi信号消耗过多的电量,因此基于智能手机进行长时间室内定位提出了挑战.本文提出了一种结合惯性传感器和楼层平面图的混合定位方法.惯性定位系统积分加速度和角速度获得行人的相对位移.由于惯性传感器的偏差、非正交性以及用户抖动,惯性定位系统的主要问题是方向漂移.惯性定位误差随着时间进行没有边界的增长.考虑到用户不能越过墙壁等障碍物,我们提出了基于楼层平面图的粒子滤波来修正惯性定位系统的方向漂移问题.结合楼层平面图,所有的粒子被分为两类:没有越墙粒子和越墙粒子;如果粒子没有越过墙壁,粒子按照高权重参与重采样;当粒子越过墙壁时,降低粒子参与重采样的权重.为了减少越墙粒子,我们使用萤火虫算法修改越过墙壁的粒子.萤火虫操作修改越墙粒子的位置让越墙粒子变成没有越墙粒子.在萤火虫算法之后,采用一种自适应算法更新粒子权重.因此,本文提出了萤火虫粒子滤波来提高惯性传感器和楼层平面图的室内定位精度.在打电话和手持智能手机两种姿态下,定位结果显示走廊和自习室平均定位精度分别为2.24米和1.47米.

摘要： 根据已有的监测数据预测大坝未来的变形情况,对掌握大坝运行状态,保障大坝安全运行具有重要意义.传统的变形统计模型一般是线性模型,与大坝变形的非线性特性不符合,统计模型误差较大.支持向量机(SVM)是一种高效的非线性建模方法,只是其参数选择对模型性能影响较大.应用萤火虫算法(FA)对SVM的参数进行寻优,建立了萤火虫-支持向量机模型(FA-SVM),并将其应用于某大坝变形测点的位移预测.实例分析表明,FA-SVM模型效果良好。

摘要： 萤火虫算法作为一种模仿自然界萤火虫捕食求偶行为的群体智能算法,在离散域优化问题及连续域优化问题中均得到较好的应用,但易"陷入局部最优"这种所有启发式算法均存在的固有缺陷在萤火虫算法中依然存在.从算法的改进、算法的融合、多种群思想以及离散化机理等方面讨论了近些年萤火虫算法的若干改进,最后评述了萤火虫算法未来的研究方向和主要研究内容.

摘要： 针对标准萤火虫算法在高维问题上收敛速度慢、寻优精度低等缺陷,提出了一种基于维度变化的改进萤火虫算法.首先,采用佳点集原理初始化萤火虫种群提高初始解的质量;其次,动态调整步长因子α以平衡算法的全局寻优和收敛速度.最后,改变原始算法的位置移动公式,对最优解进行基于维度的变化以提高寻优精度.通过4个经典测试函数的测试表明,改进的算法不仅收敛速度快而且寻优精度高.

摘要： 通过建立灾害立体网络模型并定义相似空间向量来对区域灾害链规律进行挖掘,同时转化其中的向量发现问题为一种多峰路径优化问题从而利用萤火虫群算法进行求解,并添加变步长、组亮度控制等优化策略,以改善基本GSO算法在收敛速度及求解精度上的不足,最后通过与基本GSO算法的性能对比实验证明了该改进方法的优越性.

摘要： 本发明公开了萤火虫专用饲料及其在萤火虫高效养殖中的应用。所述萤火虫专用饲料由以下原料制备而成：蜗牛粉、花粉、鱼粉、啤酒酵母粉、功能淀粉、高温豆粕水解物或者糖化高温豆粕水解物、花蜜、多糖、桑叶蛋白。本发明所述萤火虫专用饲料通过选择上述组分形成人工养殖饲料保证了萤火虫生长过程中所要的糖类及蛋白质，使萤火虫的取食不仅仅依赖于蜗牛田螺等天然生物，并且饲喂本发明提供的萤火虫专用饲料后不仅保证萤火虫的正常生长发育，而且还保证萤火虫成虫寿命。

摘要： 提供热稳定性和/或保存稳定性优异的萤火虫荧光素酶和其制造法。萤火虫荧光素酶和萤火虫荧光素酶基因，其特征在于，在萤火虫荧光素酶的氨基酸序列中具有：相当于平家萤荧光素酶的第287位的氨基酸置换成丙氨酸、或者相当于第392位的氨基酸突变成异亮氨酸的氨基酸序列。通过利用该基因，能够高效制造稳定性提高了的萤火虫荧光素酶。此外，通过组合第326位的氨基酸置换成丝氨酸的突变、和/或第467位的氨基酸置换成异亮氨酸的突变，能够获得稳定性进一步提高了的萤火虫荧光素酶。

摘要： 提供热稳定性和/或保存稳定性优异的萤火虫荧光素酶和其制造法。萤火虫荧光素酶和萤火虫荧光素酶基因，其特征在于，在萤火虫荧光素酶的氨基酸序列中具有：相当于平家萤荧光素酶的第287位的氨基酸置换成丙氨酸、或者相当于第392位的氨基酸突变成异亮氨酸的氨基酸序列。通过利用该基因，能够高效制造稳定性提高了的萤火虫荧光素酶。此外，通过组合第326位的氨基酸置换成丝氨酸的突变、和/或第467位的氨基酸置换成异亮氨酸的突变，能够获得稳定性进一步提高了的萤火虫荧光素酶。

摘要： 本发明公开了一种萤火虫算法与杜鹃搜索算法并行融合的图像增强方法，结合优化算法使用萤火虫算法与杜鹃搜索算法并行融合的图像增强方法，优化算法每一次更新最优解时都使用两种算法中的更优解替换原本自身的最优解，充分解决了目前现有技术中的萤火虫算法易于陷入局部最优和杜鹃搜索算法收敛速度较慢的缺点，集合了两者的优点，从而更高效的进行图像增强，该方法具有较快的搜索速度和较强的全局寻优能力。

摘要： 本发明公开了一种基于模式搜索算法与萤火虫算法的图像多阈值分割方法，首先获得需要处理的灰度图像，若为彩色图像，可以通过MATLAB 7.12的rgb2gray()转化为灰度图像I(x,y)，然后通过基于萤火虫算法和模式搜索算法的最大类间方差法进行阈值分割；进行阈值分割具体如下：基于萤火虫算法和模式搜索算法的最大类间方差法为：thresholds＝PS‑FA‑OTSU(grayImage，num),其中grayImage为算法输入待分割的灰度图像，num为欲分割的阈值数目，threshlods为算法分割得到的分割阈值，输出的thresholds即为得到的分割阈值，从而完成了灰度图像的阈值分割。本发明可以使得基于最大类间方差法的灰度图像多阈值分割更加快速、稳定、高效。

摘要： 本发明公开了一种基于群体智能优化算法的订单分批方法，包括如下步骤：1、建立以货架搬运次数最少为目标的订单分批数学模型；2、根据订单之间的关联性定义订单相似度计算方法，采用最大化订单相似度规则对模型进行求解，实现订单初始分批；3、设计萤火虫算法对初始分批结果进行优化，得到最终订单分批结果。仿真结果表明：与未分批按单拣选作业相比，萤火虫算法优化后大大减少了货架所需搬运次数，拣选作业效率显著提高。本发明可以有效解决“货到人”订单分批问题，为仓库订单拣选系统优化提供依据。

摘要： 本发明公开了一种基于改进萤火虫算法的电液伺服系统摩擦补偿方法，属于自动控制领域。该方法首先采集摩擦力与速度的相关数据；利用改进萤火虫算法分别对LuGre摩擦模型静态和动态参数进行辨识，获得辨识后的LuGre摩擦模型；在线运行电液伺服系统，根据辨识后的LuGre摩擦模型搭建摩擦观测器，实时获取摩擦力矩，并将摩擦力矩通过前馈系数补偿至位置信号，构建基于LuGre摩擦模型的前馈补偿结构，利用该结构即可实现电液伺服系统摩擦非线性补偿。本发明提高了摩擦模型的辨识精度，提高了电液伺服系统的信号跟踪精度，减少了速度零位的抖振现象。

摘要： 本发明针对已有的深度学习模型易受对抗攻击干扰的问题，考虑目前存在的基于深度学习的文本相似度处理方法存在鲁棒性差、对抗训练开销大等问题，提出基于启发式算法的对抗训练方法并用于文本相似度分析模型。出于对深度学习模型上普遍缺乏对于安全性方面的考虑。且深度学习模型本身容易受到对抗攻击，存在安全隐患。本发明结合基于深度学习模型的文本相似度分析模型，针对模型易受到对抗攻击干扰的问题，讨论对抗性训练方法的新型研究思路与方向。本发明提出一种基于萤火虫算法的对抗文本生成方法以及对抗训练方案。该方案具有较低的时间复杂度，并在线性时间复杂度内实现文本生成，实现在掩盖一些数据的敏感特性的同时，达到保证文本相似度分析模型的准确度的效果。将所提出方案应用于基于卷积神经网络的文本相似度分析模型中，有效提高模型的鲁棒性和抵御攻击的能力。

摘要： 本发明涉及供电或配电技术，具体涉及一种基于萤火虫算法的地区电网评估模型及优化方法，基于风险理论与N‑1故障进行不确定性风险计算，量化线路退运后果表征支路重要度；基于弗洛伊德算法评估节点的网络特性，结合支路重要度综合表征节点重要度，元件评估体系兼顾电气特性和网络特性；以经济建设费用与网络运行风险之和为目标函数，并结合实际运行约束构建核心骨干网架搜索模型；采用改进的二进制萤火虫算法，求解得到最终的核心骨干网架建设方案。该方法为核心骨干网架的构建提供了新方法、新思路，优化网架的搜索结果，提高了系统容灾抗灾能力，以建立更安全、更经济的电力系统。对于当前地区电网的优化规划发展具有一定的参考价值。

摘要： 本发明涉及一种基于数位型群落化与迁移机制萤火虫算法的排课方法，包括以下步骤：步骤S1:获取上课时段与班级数据，并构建初始表格；步骤S2:根据待分配老师及初始表格，构建教师/课程组合编号表；步骤S3:根据教师/课程组合编号表基于改进的萤火虫算法，获取最优的排课安排。本发明能有效解决课表优化问题。