摘要：为求解以最小化工位数为目标的第Ⅰ类多约束双边装配线平衡问题,构建多目标数学模型,并提出混合果蝇算法的求解算法。在算法设计中,将果蝇个体的生成过程分为编码、解码和分配3个阶段,提出面向全部约束的作业分配方法,设计了预分配机制和重置机制;在迭代搜索阶段,引入邻域变换思想,设计多种插入和交叉算子构建邻域进行局部搜索;此外,算法提出最小化加权空闲时间作为适应度函数辅助寻优。最后基于多个不同规模的标杆算例设计了对比实验,实验结果表明所提混合果蝇算法能有效求解第Ⅰ类多约束双边装配线平衡问题,且具有一定的优越性。

摘要：针对现有算法在复杂网络中筛选出的关键节点过于密集、传播效率低的富人俱乐部(Rich-Club)现象,提出一种基于离散度及果蝇算法的关键节点识别算法。利用去除筛选网络中最大影响力节点,网络的流通性将会有最大程度损坏这一特性,定义离散度函数,采用香农熵对果蝇算法进行改进并优化,确定网络最优种子集。在多种类型规模网络上的实验结果表明,该方法能够有效识别复杂网络中具有传播范围更广的最大影响力节点。

摘要：种子园的规划设计是林木育种的基础工作,在亲本数量不确定的前提下,最大限度避免种子园内无性系之间近交繁殖,保证种子园具有较高的遗传效益,是种子园设计的目标。以内蒙古红花尔基樟子松(Pinussylvestris ***)国家良种基地的1、1. 5、2代种子园樟子松无性系通过SSR等技术分析得到的不同亲本之间的遗传距离为数据支撑,考虑复杂的亲本关系,通过改进的智能优化算法进行种子园设计,并将最终结果与其他智能优化算法和传统算法的结果进行对比分析。结果表明:改进型果蝇算法的收敛速度和效果优于其他算法,由所有算法分别执行200次之后的对比结果中可见,其最大值低于其他算法的最小值。在完全随机算法设计方案中存在多处同一无性系分株相邻出现,遗传算法和改进型果蝇算法设计方案并无同一无性系分株作为近邻出现且改进型果蝇算法设计方案的优先交配优于遗传算法设计方案。结果表明,基于遗传距离处理亲本复杂的亲缘关系,采用智能优化算法进行方案配置,可以为高世代种子园设计提供参考。

摘要：针对混合流水车间调度问题(HFSP),本文提出了一种新的基于果蝇算法和变邻域搜索的混合优化方法.首先,将关键块内的工序与同阶段其他机器上的工序进行交换,提出了一种基于关键路径的HFSP新邻域结构.其次,针对HFSP的阶段式解码特性,提出了一种邻域解的快速评估方法,并验证了快速评估方法的高效性.然后,基于提出的新邻域结构,并将N7和K-insertion邻域结构引入HFSP,设计了基于上述3种邻域结构的变邻域搜索方法,以此为基础提出了一种针对HFSP的混合优化方法.最后,通过对Carlier和Liao等经典测试集进行测试,验证了所提新邻域结构的可行性和有效性,并将该方法与其他文献的方法进行了对比,验证了所提方法的优越性.

摘要：针对液压破碎锤故障原因具有多样性和不确定性,为避免传统模糊BP网络故障诊断存在收敛速度慢、易陷入局部极小值等缺陷,提出将果蝇算法优化模糊RBF网络方法用于液压破碎锤故障诊断.综合神经网络的联想记忆、并行处理能力和模糊理论的定性知识、模糊推理能力,同时利用果蝇算法对模糊RBF网络的扩展参数进行全局优化,建立了液压破碎锤系统输入故障征兆与输出故障原因间的映射.利用MATLAB软件编程进行仿真实验,结果表明:果蝇算法优化模糊RBF网络方法精度高,收敛速度快.利用该法对液压破碎锤故障诊断,结果与目标输出相符,证明该方法可行.

摘要：针对小样本条件下的轴承寿命预测问题,提出一种基于多子种群混沌自适应果蝇算法的多变量相空间重构-多核支持向量回归轴承剩余寿命预测综合优化方法。对多个特征向量进行相空间重构从而更加完整地还原轴承退化特性;利用不同的SVR核函数进行排列组合得到一个组合多核函数,从而将多核函数的构造问题转换为权值系数的优化问题;将延迟时间、嵌入维数、SVR参数以及多核函数权值作为整体参数向量,利用多子种群混沌自适应果蝇算法对训练数据预测精度的适应度函数进行优化,从而得到最优的预测模型参数。最后将得到的预测模型对轴承剩余寿命进行预测,结果证明了提出方法能够有效提升小样本条件下的轴承剩余寿命预测精度。

摘要：提出一种解决TSP的学习记忆果蝇算法.为克服传统果蝇算法易于陷入局部极值的缺点,该算法引入了果蝇的学习记忆机制,通过设置种群记忆区指导果蝇个体的搜索方向,以提高算法的全局寻优能力.同时,为增强算法求解TSP的局部搜索能力,结合λ-opt算法设计了一种离散型嗅觉搜索过程.实验结果分析表明,本文所提出的算法能够有效地求解TSP,具有可靠的全局收敛性,较快的收敛速度.

摘要：针对采用传统算法对开关磁阻电机(SRM)本体进行多目标优化时存在算法复杂、调节参数多、计算量大且易陷入局部最优解等问题,提出一种基于果蝇算法(FOA)的SRM本体多目标优化设计方法。利用极限学习机算法建立SRM非参数模型,采用FOA算法对其进行优化,实现了SRM定转子极弧的全局最优设计,最后对该优化算法的效果进行了仿真验证,同时与传统粒子群优化算法(PSO)进行了对比分析,结果表明,FOA算法不仅获得了较PSO算法更好的转矩波动系数和效率指标,而且具有参数设置少、收敛速度快且不易陷入局部最优解等特点,具有较好的应用价值。

摘要：针对无线传感器网络智能算法覆盖率低、算法复杂度高的问题,提出一种简单、高效的混沌果蝇算法。根据果蝇算法的寻优性,指导传感器网络节点布局,利用混沌优化的遍历性,随机生成一个混沌扰动因子,在每次果蝇群进化前进行混沌扰动,使果蝇群能迅速跳出局部寻优,进行全局搜索。分析和仿真结果表明,混沌果蝇算法的复杂度、收敛速度和收敛精度远优于蛙跳和虚拟力算法,具有更好的网络覆盖率,接近于理论极值。

摘要：针对机器人去毛刺时的工艺参数设置往往依靠经验的不足,采用新型历史学习果蝇算法(NHSFOA)的机器人去毛刺多参数。相比于果蝇算法(FOA),NHSFOA对果蝇个体位置更新方式进行了改进,变向最优个体所在位置飞去的方式为向最优个体位置和历史位置协同确定的位置飞去,在保证种群多样性的同时增加了算法的搜索能力。进行了去毛刺工艺的仿真分析和工程应用,试验结果表明NHSFOA缩短了单位长度毛刺的去除时间,提高了加工效率。