蝙蝠算法

摘要： 在局部遮荫条件下,传统最大功率点追踪(MPPT)算法容易失效,群智能优化算法追踪时间较长。为此,提出了一种基于蝙蝠与粒子群混合优化(BPSHO)的MPPT算法。在算法的前期,采用蝙蝠算法;在算法中后期,采用粒子群优化算法。按照指数规律调节算法的参数,并在算法的中期加入局部搜索机制。仿真与实验结果表明:BPSHO算法能够准确地跟踪到最大功率点,跟踪时间只有粒子群优化算法的一半左右。

摘要： 为减小卫星信号干扰和空间分布对定位结果的影响,提出一种顾及信噪比的蝙蝠选星算法。通过设置信噪比阈值,剔除信号受干扰的卫星,为蝙蝠算法提供先验条件;再结合算法搜索最优卫星组合快的优势,减小选星耗时。选取MGEX平台提供的IGS基准站观测数据进行实验分析,结果表明:对于定位结果偏差较大的时刻,与最小几何精度因子遍历法相比,顾及信噪比的蝙蝠选星算法能改善定位精度,提高选星效率。

摘要： 针对当前智能搬运机器人重叠路径删除过程中,普遍存在重删率较低,执行时间较长的问题,提出了智能搬运机器人重叠路径删除算法。利用人工势场法分别构建障碍物与目标点的斥力场和引力场模型,通过势场函数设计参数,计算其斥力场函数与引力负梯度,消除局部极小点,使智能搬运机器人能够快速到达目标地点。结合两点之间直线距离最短原理,引入橡皮筋拉紧算法,获取智能搬运机器人最短路径。利用极限学习机算法构建分类器,将最短路径选择精度作为目标函数,对其建立数学模型。采用蝙蝠算法求解,计算适应度函数,获取最优极限学习机分类器参数,实现智能搬运机器人重叠路径删除。实验结果表明,所提方法的重删率较高,能够有效缩短重叠路径删除执行时间。

摘要： 为了辨识低照度条件下纸病图像的背景区域和纸病区域,提出一种基于蝙蝠算法优化的纸病图像增强方法。首先采用混沌映射和引力搜索算法分别更新个体响度、脉冲发射率和个体速度改进蝙蝠算法,然后将改进后的蝙蝠算法搜索伽马变换的最佳参数γ,利用该γ值调整图像灰度,提高图像对比度。结果表明,与基于传统直方图均衡算法的纸病增强算法、基于限制对比度自适应直方图均衡算法的纸病图像增强算法、基于标准蝙蝠算法优化的纸病图像增强算法、基于混沌蝙蝠算法优化的纸病图像增强算法相比,本文算法的对比度、灰度方差乘积函数、均值大小都有所提升,增强效果为所有对比算法中最优。

摘要： 针对微电网运行的多目标优化问题,提出了蝙蝠算法优化微电网的运行策略。首先建立微电网系统运行的数学模型,以微电网简化模型为研究对象,根据一年中不同典型日负荷情况,分别在其并网和离网状态下,以发电成本最低和环境污染费用最低为目标函数,使用蝙蝠算法对算例进行求解分析,对各个分布式电源在不同时刻的出力进行优化,使日综合发电成本最低,提高了微电网系统综合效益,验证了蝙蝠算法和微电网优化系统的可行性。

摘要： 智能优化算法主要分为4类:仿自然优化算法、进化算法、仿植物生长算法和群体智能优化算法,其中群体智能优化算法是最为重要的一类算法。智能优化算法与图像处理、故障检测、路径规划、粒子滤波、特征选择、生产调度、入侵检测、支持向量机、无线传感器、神经网络等技术领域交叉融合,应用更加广泛。以蝙蝠算法、果蝇优化算法、鲸鱼优化算法、樽海鞘群体算法和哈里斯鹰优化算法为基础,对群体智能优化算法的模型、特征、改进策略及应用领域等进行了综述,从理论研究、改进策略和应用研究3个方面分析了其面临的发展机遇和未来趋势,给出了算法应用的指导意见。研究表明:群体智能优化算法在众多经典问题上的表现较好,而在多目标优化、多约束优化、动态优化和混合变量优化等领域仍有待扩展;不同群体智能优化算法在面对各类具体问题时有效的参数控制仍是未来的研究重点;种群协同进化、探索更高效的混合算法和搜索策略是可行的解决途径。

摘要： 为提高云计算任务调度效率,减少任务调度的成本和时间,改进算法容易陷入局部最优的缺陷,提出基于混沌扰动的w_BAPSO算法。在云计算环境下,通过引入带有logistics混沌扰动的线性递减惯性权重,在PSO算法更新过程中结合蝙蝠算法脉冲速率、脉冲响度等参数,将带有混沌扰动的w_BAPSO算法用于云计算任务调度过程中。通过Cloudsim云计算仿真软件进行实验验证,分别测试不同任务规模下w_BAPSO算法效能。实验结果表明,基于混沌扰动的w_BAPSO算法不仅能够提高算法的收敛速度和搜索精度,而且减少了云计算任务调度的成本和时间,还提高了任务调度效率。

摘要： 由于复杂工业过程中关键质量变量的难测性及过程变量的易测性,导致收集到的数据集中含有大量无标记样本,采用传统的有监督极限学习机难以获得理想的回归精度。采用流形正则化框架修正极限学习机的目标函数,将无标记样本和有标记样本共同用于半监督极限学习机的模型训练可以有效提升回归精度。由于模型中含有速率参数a、位移参数b、核宽σ、惩罚系数C和权重λ多个参数,利用蝙蝠算法较强的全局寻优能力对半监督极限学习机中的参数进行优化。最后,将基于蝙蝠算法的半监督极限学习机建模方法应用于脱丁烷塔塔底丁烷浓度的预测。仿真结果表明,所提方法具有良好的预测精度和泛化能力。

摘要： 为解决井下人员定位算法定位精度不高的问题,提出基于微惯性导航系统和无线传感器网络的井下组合导航定位算法。通过井下无线网络、惯性定位终端采集相关信息数据,利用行人航迹推算算法和改进加权质心定位算法分别估算出目标点的坐标和速度。将这两种算法通过正弦余弦蝙蝠融合算法优化后的卡尔曼滤波组合导航定位,估算出目标点最终的位置坐标。实验结果表明:该组合导航定位算法平均定位误差为1.71 m,其定位精度高于传统质心定位算法和行人航迹推算算法。

摘要： 为提高医院网络安全评估预测的精度,采用层次分析法从资产、脆弱性、威胁等3个方面建立医院网络安全量化评价指标体系,同时采用BA算法对RVM模型的核函数宽度进行优化,得到用于医院网络安全量化评估预测的BA-RVM模型。将RVM模型和BA-RVM模型分别应用于山东省某三甲医院的网络安全量化评估预测实例中,通过对比预测结果,验证了提出的BA-RVM模型对医院网络安全量化评估预测具有更高的精度和稳定性。

摘要： 为提高参考作物蒸散量模拟的准确性,提出蝙蝠算法优化极限学习机的参考作物蒸散量模拟模型.基于汕头站1966-2015年月值气象数据(包括逐月最高温度、最低温度、地表总辐射量、风速和相对湿度),建立参考作物蒸散量的极限学习机模型,并采用蝙蝠算法通过交叉验证方法对极限学习机的正则化系数和径向基函数的幅宽进行优化,最后对参考作物蒸散量模拟效果进行评估.结果表明:与传统调参方法和遗传算法优化后的模型相比,蝙蝠算法优化参数极限学习机模型建立了整体性能优异并且稳定的参考作物蒸散量模型,提高了参考作物蒸散量的模拟精度.

摘要： 蝙蝠算法(bat algorithm,BA)是一种模拟蝙蝠回声定位行为的启发式算法,针对蝙蝠算法存在易陷入局部最优,精度不高和早熟收敛的现象,本文提出了一种蝙蝠算法结合最速下降(Steepest Descent,SD)法模式的混合算法,利用蝙蝠算法和最速下降法各自的优缺点的结合达到有效求解非线性方程组的目的.通过仿真实验结果表明:此混合算法(SD-BA)可提高求解结果的精确度,使优化结果更准确,是一种有效求解非线性方程组的可靠的算法.

摘要： 针对蝙蝠算法(bat algorithm,BA)在解决高维复杂问题时容易陷入局部最优解和精确度不高的问题,该文结合蝙蝠算法和BFGS算法各自的优缺点,提出了一种BFGS-蝙蝠算法,达到求解非线性方程组的目的.该混合算法不仅发挥了蝙蝠算法强大的广度搜索能力,而且利用了BFGS算法的深度搜索能力,通过仿真实验结果表明:该算法不但以较高精度求出了各种非线性方程组的解,而且鲁棒性强,收敛速度快,是一种有效解决非线性方程组的方法.

摘要： 针对蝙蝠算法(bat algorithm,BA)容易陷入局部最优解和共轭梯度法(conjugate gradient method,CGM)计算精度不高的缺陷,本文提出了一种共轭梯度蝙蝠算法(conjugate gradient bat algorithm,CGBA).该方法具有算法简便,收敛速度快等优点,适合于求解非线性方程组.该混合算法不仅可以增强算法的局部搜索能力和全局搜索能力,而且在一定程度上能加快算法的收敛速度.仿真实验结果表明:该混合算法计算精度高,收敛速度快而且算法的稳定性很强.

摘要： 针对蝙蝠算法(bat algorithm,BA)在解决高维复杂问题时,导致种群多样性降低过快且各维度相互干扰容易陷入局部最优解和精确度不高的问题,从而影响算法的收敛速度和求解质量.该文结合蝙蝠算法和Rosenbrock算法各自的优缺点,提出了一种Rosenbrock蝙蝠算法(Rosenbrock bat algorithm,RBA),达到更优化求解非线性方程组的目的.该混合算法不仅发挥了蝙蝠算法强大的广度搜索能力,而且结合了Rosenbrock算法强大的局部搜索能力,通过仿真实验结果表明:该算法不但以较高精度求出了各种非线性方程组的解,而且鲁棒性强、收敛速度快,是一种有效解决非线性方程组的方法.

摘要： 由于蝙蝠算法(bat algorithm,BA)收敛速度慢,计算精度差,容易陷入局部极值,powell算法对初始值敏感,为了解决以上缺陷,本文结合powell算法和蝙蝠算法各自的优缺点,提出一种powell-蝙蝠算法用以求解非线性方程组.该混合算法不仅具有蝙蝠算法的强大的全局搜索能力,而且具有powell算法的局部精细搜索的能力,实验结果表明:该混合算法不仅以较高的精度求出了各种非线性方程组的解,且收敛速度较快,是一种较好的解决非线性方程组的方法.

摘要： 针对蝙蝠算法(bat algorithm,BA)具有初始值敏感和单纯形算法simplex algorithm(SA)容易陷入局部极值的缺陷,本文结合蝙蝠算法和单纯形算法的各自的优点,提出一种单纯形蝙蝠算法,用来求解非线性方程组问题.该混合算法不仅发挥了蝙蝠算法强大的全局搜索能力而且利用了单纯形算法的局部精细搜索能力.仿真实验成果表明:该算法不仅凭借较高的精度解出了各种非线性方程组的根,而且鲁棒性强,收敛速度快速,是解决非线性方程组的一种有效方法.

摘要： 针对蝙蝠算法收敛速度慢和Hooke-Jeeves算法易陷入局部最优等缺点,本文相结合二者的优点提出一种混合算法,即Hooke-Jeeves蝙蝠算法.然后利用这种混合算法来求解非线性方程组.Hooke-Jeeves蝙蝠算法不仅发挥了搜索全局最优解的能力,而且实现了局部精细搜索的能力.实验结果表明:Hooke-Jeeves蝙蝠算法是一种求解非线性方程组的有效的优化方法.该算法可以用于求解其他无约束优化问题.

摘要： 近年来许多解决复杂优化问题的新方法源自于生物机理,例如,一种基于蝙蝠的回声定位行为的全局优化算法——蝙蝠算法(Bat Algorithm,BA),该算法同时将一些现有优化算法的优点引入其中.本文首先从原理上描述了蝙蝠回声定位行为和算法实现流程,进而结合求解部分加载介质谐振腔的截止频率的时域有限差分(finite-difference time-domain,FDTD)法,利用蝙蝠算法对加载介质厚度进行优化,达到所要求的两个截止频率.另外,将蝙蝠算法和遗传算法(genetic algorithm,GA)的优化结果进行对比,蝙蝠算法性能更优.

摘要： 非线性方程组的求解是数值计算领域中最困难的问题,为了便于求解,本文结合蝙蝠算法(bat algorithm,BA)和信赖域(trust region,TR)法的优点,提出求解非线性方程组的一种BA-信赖域算法.因基本蝙蝠算法存在容易陷入局部最优解,解精度不高等方面的缺点,所以通过引入信赖域法中的算法可靠、收敛性很强的优点,使两种算法相结合,由此来构造新的求解非线性优化方法.包含蝙蝠算法的标准速度和位置的更新规则,同时结合信赖域法的可靠性,有效性和很强的收敛性.使用BA-信赖域算法相结合的混合应用优化方法及应用MATLAB工具实现.从而实现非线性方程组在混合算法内有解,并且具有精度高和全局收敛性.

摘要： 本发明公开了基于改进天牛须算法和蝙蝠算法融合的神经网络优化方法，采用了改进的天牛须‑蝙蝠算法优化BP神经网络参数，在局部精细寻优单元中受到天牛须算法的启发，对后期寻优机制进行改进，使个体朝着最优解方向偏移，提高了算法的收敛速度，进而提高算法的局部寻优能力和预测准确率，本发明的IBASBA‑BP神经网络模型是建立在已知的BP神经网络基础上，使用IBASBA对初始化的权重和阈值进行寻优，进而使BP神经网络在开始就拥有较优的权值以及阈值，从而降低了网络的训练时间，大幅度提升算法收敛速度。

摘要： 本发明公开了一种用改进的蝙蝠算法来训练神经网络的权值和阈值，大大提高图像分类的准确度。包括以下算法步骤：步骤一：录入原始图像，对原始图像进行处理。步骤二：对网络进行初始化。步骤三：对本发明的初始参数赋值。步骤四：计算权值经验因子，蝙蝠利用等式移动，并更新响度和脉冲速率。步骤五：记录当前种群的全局最优位置和局部最优位置，并更新利用公式进行速度更新，根据公式获得种群蝙蝠的信位置。步骤六：最优解X分别对应网络的权值和阈值，输出结果。步骤七：判断是否打到最大迭代次数，如果是，则输出结果。如果否，则返回步骤四。本发明与其他算法相比具有更快的收敛速度，本发明更具有开发能力，并且更加稳定。

摘要： 本发明公开了一种基于蝙蝠算法和大津算法的红外图像分割方法，其包括步骤：S10：获取待分割的红外图像；S20：将大津算法中的类间方差函数作为蝙蝠算法的目标函数，将所述类间方差函数对应的分割阈值变量作为所述蝙蝠算法中的蝙蝠位置变量；S30：基于所述蝙蝠算法求取目标函数最大时对应的蝙蝠位置，将该蝙蝠位置作为最优分割阈值将所述待分割的红外图像分割为背景区域和目标区域。此外，本发明还公开了相应的系统。本发明能实现快速地对待分割的红外图像进行分割。相对于现有的红外图像阈值分割方法，有效提高了阈值选取速度，为后续设备温度场特征的实时提取与分析奠定基础。

摘要： 本发明公开了一种超密集网络中基于加权混沌蝙蝠算法的资源分配方法，首先传统的蝙蝠算法主要用来解决连续解的非线性问题，但对于资源块分配是离散解，因此需要对原算法进行修正，适合离散解的问题去寻优；不仅如此，本发明还利用混沌映射的遍历性与随机性等特性产生混沌序列代替原始蝙蝠算法中均匀分布的随机数，增加种群的多样性；此外利用对数递减惯性权重来加快收敛速度；最后，本发明不仅考虑资源块的数量大于家庭基站用户设备数量的情况，同时考虑在资源匮乏的状态下，即资源块数目小于家庭基站用户设备的数量时，采用不同的初始种群编码方式，能够充分利用资源以及提高算法的鲁棒性；总的来说，该方法通过对蝙蝠算法的优化，能够有效解决超密集网络中的资源分配问题，提高系统的吞吐量。

摘要： 本发明公开了一种基于改进蝙蝠算法和支持向量机的局部放电故障诊断方法，其步骤包括：采集特高频局部放电数据，并对数据进行预处理，构建样本库；采用随机初始化的蝙蝠位置坐标构建初始支持向量机模型；使用改进蝙蝠算法优化支持向量机模型，并建立局部放电故障诊断的支持向量机模型；使用建立的局部放电故障诊断模型识别故障类型，获得故障识别结果。本发明能获得较好的分类效果，加快支持向量机参数寻优的效率，从而实现局部放电故障的自动诊断和准确识别。

摘要： 本发明涉及一种基于蝙蝠算法的介质目标电磁探测方法，包括：S1、构建微波成像模型，设定目标散射体和成像区域D；对成像区域D建立X‑Y坐标系，划分矩形网格；根据正向和逆向电磁散射积分方程推导出散射场公式；S2、根据散射场公式计算目标散射体的散射数据作为基准数据M；将逆散射问题转化成优化问题计算，根据其基准数据M与目标散射体的实验散射数据的差值构建成本函数，所述成本函数中设有正则化项；S3、根据成像区域D的大小，设定粒子的速度和位置范围；初始化随机粒子，基于蝙蝠算法对随机粒子进行迭代更新，根据最终得到的最优粒子重构出目标散射体。与现有技术相比，本发明具有提高二维电介质的图像重构准确度和精度等优点。

摘要： 一种基于改进蝙蝠算法的云平台的资源调度方法，S1，接收用户提交的任务，并把每个任务划分为子任务，每个子任务的规模大致相等，为每个子任务生成蝙蝠种群；S2，初始化步骤一生成的蝙蝠种群中的每个蝙蝠的位置、速度、脉冲搜索频率以及脉冲搜索频率范围；S3，改进蝙蝠算法，使用改进的蝙蝠算法求解步骤二初始化后的蝙蝠种群；S4，得到全局最优解，并根据所述最优解进行云平台的资源调度。基于对数递减策略的惯性权重方法来更新速度以及为了使算法不过早的陷入局部最优解，提高算法的搜索性能，通过添加随机扰动来更新当前最优解增加种群的多样性，从而最大限度地挖掘蝙蝠算法的随机搜索能力。

摘要： 本发明公开了基于变频蝙蝠算法的农业无人机路径规划方法及系统，该方法包括：获取巡检地地形和威胁区域并生成三维环境；根据三维环境和无人机约束条件构建总成本函数；基于圆柱矢量坐标，根据变频蝙蝠算法并结合总成本函数，得到无人机飞行路径的局部最优解和全局最优解；根据变频蝙蝠算法对无人机飞行路径的局部最优解和全局最优解进行更新，输出最优路径。通过使用本发明，能够实现更加安全低能耗的无人机路径规划。本发明作为基于变频蝙蝠算法的农业无人机路径规划方法及系统，可广泛应用于农业巡检技术领域。

摘要： 本发明涉及一种基于蝙蝠算法的图像聚类分割方法，主要用于使用K‑means聚类方法分割图像的时候，优化聚类中心的选择，提高蝙蝠算法的全局与局部搜索能力，从而提高图像分割的精度。

摘要： 本发明公开了一种基于多策略自适应蝙蝠算法的计算卸载方法，在支持多MEC的移动IoT网络中任务分流和资源分配的问题，并针对边缘执行模型的不足，可能导致资源冲突和资源浪费，提出了边缘服务器的调度模型。模型在保证延迟最小化的同时综合考虑能耗因素防止因过度追求延迟而产生极大能耗的问题并针对计算密集型应用的需求予以时延和能耗的限制和优化，其解决方案更实际可行，更符合计算密集型应用的需求且资源配置更高效。然后提出了一种基于多策略自适应蝙蝠算法的计算卸载方法为模型提供计算卸载方案。该算法对卸载选择和卸载顺序进行决策，以实现资源分配的合理性和更好的能源效率。