作者:李岩; 陈云翔; 罗承昆; 蔡忠义 期刊:《系统工程与电子技术》 2020年第03期
针对装备保障资源供给能力评估信息主观性和不确定性强、评估结果可信度低的问题,提出了一种基于萤火虫算法和证据推理(firefly algorithm-evidential reasoning,FA-ER)的评估方法。首先,通过直觉模糊熵处理不确定信息,确定初始权重范围。然后,基于后悔函数将证据推理方法的权重求解问题转化为非线性多目标优化问题。最后,采用萤火虫算法计算最优参数,确定最优评估模型并得到最终评估结果。算例分析结果表明,所提方法能够有效解决...
作者:刘志勇; 蔡延光; 戚远航; 刘惠灵 期刊:《自动化与信息工程》 2017年第02期
针对集装箱中转港配送中心对其配送范围内的支线港合理调配轮船的配送路线问题,提出一种新的集装箱物流运输调度方法。采用自适应混沌萤火虫算法对建立的调度模型进行求解,并结合实际案例给出具体调度结果,较好解决了集装箱运输调度路径优化问题。
作者:张远进; 吴华伟; 叶从进 期刊:《储能科学与技术》 2020年第01期
以研究电动汽车锂电池荷电状态(SOC)估算为背景,针对EKF算法中的状态误差协方差矩阵和测量噪声协方差矩阵难以取得最佳值的问题。建立二阶等效电池模型,结合脉冲功率特性测试实验,对电池模型进行有效地辨识。提出了一种基于改进的萤火虫优化扩展卡尔曼滤波(IFA-EKF)算法的电池SOC估算方法。基于动态工况和静态工况下的仿真实验,结果表明,IFA-EKF算法比EKF算法具有更精确的估计效果和更小的误差。
作者:郝玲玲; 朱永利 期刊:《科学技术与工程》 2019年第31期
为了解决变压器故障诊断中诊断效率低的问题,对萤火虫算法(FA)进行了改进,并与小波神经网络(WNN)相结合应用于变压器故障诊断中。小波神经网络结构简单、预测精度高、收敛速度快,但是网络参数不好选择,易陷入局部最优。结合混沌算法、粒子群算法、可变步长的思想来改进萤火虫算法,用于优化小波神经网络的参数,再将处理后的数据代入神经网络中进行训练与诊断。实验结果表明,该算法与BP神经网络、支持向量机、小波神经网络、遗传算法...
作者:邓青; 朱晓军; 杨宁 期刊:《山东农业大学学报·自然科学版》 2019年第05期
针对传统聚类算法对初始值敏感,易陷入局部最优的问题,本文提出一种基于维度权重和遗传因子的萤火虫算法(AWG-FA)。该算法引入遗传算法的交叉、变异思想,并通过计算维度权重,将群体中具有优良维度的个体遗传到下一代,保留种群的潜在最优解,并对余下个体进行自适应变异,提高了种群的多样性。在UCI数据集上进行仿真实验,结果表明该算法具有更好的聚类性能和鲁棒性。
由于随机因素和不确定因素的影响,铁路列车容易出现时间偏差的问题,为此将改进的萤火虫算法引入铁路列车运行调度数学模型。为了实现列车的合理调度,在确保列车安全运行的前提下,使得铁路运行列车上行时间差和下行时间误差的总和最小。研究结果表明,通过IFA算法优化调整列车调度,在保证列车安全运行的情况下,可以将列车晚点产生的不利影响控制在很小的区间范围内。
作者:李海莲; 林梦凯; 王起才 期刊:《公路交通科技》 2019年第12期
针对传统定性法对高速公路沥青路面使用性能预测精度不高的问题,结合支持向量机理论和改进萤火虫算法,建立了一种基于IFA-SVM的预测模型。首先在预测模型中引入萤火虫领域搜索,克服了寻优过程中随着迭代次数的增加而发生萤火虫的随机移动。其次,在后续寻优过程中采用动态调整算法搜索步长来平衡全局搜索能力,加快了SVM模型性能参数的寻优选择。最后通过实例验证,并与标准FA-SVM预测方法进行对比分析,验证了IFA-SVM模型的有效性和预...
作者:丁家乐; 陈国初; 原阔 期刊:《系统仿真学报》 2019年第11期
针对传统的回声状态网络序列对随机性大、波动性强的风功率预测精度不高的问题,提出一种基于改进互补集合经验模态分解和改进萤火虫算法优化回声状态网络的风功率预测模型。利用改进互补集合经验模态分解将风功率数据分解成一系列的本征模态函数,用回声状态网络模型分别对分解后的本征模态函数进行预测,利用改进萤火虫算法寻找模型的最优权值,将输出结果加权合并为最终的风功率预测值。仿真结果表明,所提出的预测方法有较高的预测...
作者:王承涛; 陈飞; 严智 期刊:《现代科学仪器》 2019年第03期
文章以任务的总完成时间为优化目标函数,构建云计算任务调度模型;为解决萤火虫算法受初始参数影响,容易陷入局部最优、收敛速率欠佳的问题,基于双适应度函数的遗传算法优化初始解,引入该算法的个体初始化中,以便调节个体选择最优路径的概率,使其达到最优解收敛。最后,在Cloudsim平台上,经由对比仿真实验,验证了该改进的萤火虫算法能够显著提升云计算任务调度性能,优化调度效率,缩减任务完成时间,可有效解决多用户的海量云计算任务...
作者:毛君; 郭浩; 陈洪月 期刊:《机械设计》 2019年第08期
为了提高采煤机自动调高控制系统的工作性能,提出了一种新型萤火虫算法优化PID控制器的控制策略。在标准萤火虫算法的位置更新公式中,通过改变惯性权重策略加快优化初期寻优速度,增强算法的全局探测能力,同时利用步长单调递减对移动步长进行改进,增强算法后期的深度搜索能力。通过建立电液比例伺服系统的数学模型,利用新型萤火虫算法对PID控制器进行参数整定优化,并引入能量指标和超调量指标对适应度函数进行改进,在MATLAB和AMESim...
作者:马翩翩; 张新刚; 梁晶晶 期刊:《网络安全技术与应用》 2019年第12期
针对近邻传播聚类(AP)中偏向参数和阻尼因子对聚类效果的影响,将偏向参数和阻尼因子作为萤火虫算法中的亮度和吸引度,通过群体智能算法在搜索空间中寻找偏向参数和阻尼因子,从而提高AP算法的聚类质量.实验表明,该算法能提高聚类质量.
作者:张萍 期刊:《机械设计与制造工程》 2019年第11期
为避免人工势场(APF)算法陷入震荡和局部极小值,将萤火虫算法(FA)引入人工势场算法,利用FA的寻优特性进行颗粒增强材料喷涂机器人的运动路径规划。首先,将颗粒增强材料喷涂机器人的路径规划问题转化为当前机器人位置寻优的过程,并建立相应的数学模型;其次,根据障碍物分布和是否陷入局部最小值或者震荡等情况,对颗粒增强材料喷涂机器人的路径规划采用不同策略,通过FA搜索梯度方向上最优解,从而绕过障碍物或逃逸实现路径的最优规划。...
作者:汤文亮; 张平; 汤树芳 期刊:《计算机工程与设计》 2019年第11期
为解决传统k-means聚类算法在聚类精度及中心点选取方面的问题,提出一种基于精英反向学习的萤火虫k-means改进算法。针对k-means算法的弱点,利用萤火虫优化算法具有较强全局搜索能力这一特性,使用精英反向学习策略对萤火虫进行改进,扩大萤火虫的搜索范围并提高收敛速度,对萤火虫的吸引度和步长因子进行改进,提升聚类效率。将改进算法运用到UCI标准数据集进行聚类仿真实验,该算法在寻优精度和收敛速度上有更好的结果,验证了其有效性...
作者:刘丹; 张腾飞 期刊:《信息技术与网络安全》 2016年第23期
传统的小波神经网络以梯度下降法训练网络,而梯度下降法易导致网络出现收敛早熟、陷入局部极小等问题,影响网络训练的精度。文章将萤火虫算法用于训练小波神经网络,在全局内搜寻网络的最优参数。为了提高萤火虫算法参数寻优的能力,在训练过程中自适应调节γ值。同时利用高斯变异来提高萤火虫个体的活性,在保证收敛速度的同时避免算法陷入局部极小。将优化后的小波神经网络用于短期负荷预测,实验证明改进后的预测模型非线性拟合能力...
作者:卓宏明; 陈倩清 期刊:《信息技术与网络安全》 2019年第11期
针对萤火虫算法参数设置问题,在分析萤火虫算法原理和数学模型基础上,确定算法需要设置的主要参数有萤火虫数量n、步长因子α、吸收因子γ、最大迭代次数T。提出了一种通过理论定性分析以及单因素数值试验,测试经典测试函数分析各参数对求解性能影响的方法,测试结果表明参数的设置对算法的求解性能有很大影响。最后通过对比试验数值表明,参数优化后比优化前萤火虫算法的求解精度提高了1~2个数量级,并且收敛代数也明显减少,验证了所提...
针对萤火虫算法存在收敛速度慢、求解精度低等问题,本文提出了一种基于指数递减型惯性权重的改进萤火虫算法(IFA).将指数递减型惯性权重引入到位置更新公式中,在权重公式中加入随机扰动项进行自适应调整。通过典型测试函数对基本算法和改进算法进行仿真实验,验证了IFA算法的有效性。
作者:田德伟; 何广军; 尤晓亮; 李槟槟 期刊:《探测与控制学报》 2015年第02期
针对多传感器管理的目标分配问题中如何使监测效果最佳的NP难题,提出了基于萤火虫算法的雷达目标分配方法,将雷达目标分配问题分解为多维背包问题,使用人工萤火虫群优化算法对目标函数进行寻优并确定分配策略。仿真结果表明,萤火虫算法在解决雷达目标分配问题时具有收敛速度快,求解结果稳定的优点,在军事运筹领域具有广泛的应用前景。
作者:候聪亚; 王宗彦; 滕绯虎 期刊:《机械设计与制造》 2018年第06期
通过对萤火虫算法的学习和深入研究,得知算法在极值点区域容易呈现无规律的振荡现象,从而降低了局部搜索的能力;为了解决这个难题,引入了振荡权重函数,以此来增强局部搜索能力,提高算法精度。同时为了使全局与局部的搜索能力相对均衡,加快算法的收敛进度,又将模拟退火算法借鉴到算法中;将改进的算法运用到桥式起重机箱型主梁中进行优化并通过ANSYS进行力学分析,实例检验了算法的可行性;最后通过对比优化前后的结果,得出优化后的主...
作者:赵嘉; 谢智峰; 吕莉; 王晖; 孙辉; 喻祥 期刊:《电子学报》 2018年第11期
为克服萤火虫算法全局寻优精度不高和过早收敛的缺点,本文提出深度学习萤火虫算法.算法采用随机吸引模型,萤火虫随机选择一个粒子学习,根据历史最优位置构建广义中心粒子,对其进行一定次数的单维深度学习,学习后的粒子引导种群进化.实验发现,深度学习策略及粒子深度学习次数对算法优化性能的改善起着重要作用.12个基准测试函数的实验结果表明,算法的综合寻优性能优于其它8种最近提出的萤火虫算法.
作者:蔡泽凡; 黄道平 期刊:《科技通报》 2017年第12期
逆运动最优解的求解是机器人运动学中最重要的一环,鉴于要得到逆运动最优解的解析解必须满足特殊的条件,本文介绍利用改进萤火虫算法求解串联多关节机器人逆解的数值解法。本方法不受机器人结构的限制,能够找出所有的逆解并选择最合适的一个。仿真证明,该算法能够有效的应用到逆解的求解中,并且能够达到足够的精度。