摘要：随着群体智能算法在路面参数反演中的成功应用,复杂多元非线性优化难题得以解决,但算法的选择仍然是路面参数反分析问题中亟待解决的难题。针对路面参数反分析中模型复杂、反演参数众多、绝大多数运算时间消耗在正算程序上等问题,选择8种常见的群体智能算法,开展限定正算调用次数下算法性能相关研究,并以考虑材料横观各向同性以及层间接触状态的路面结构参数反演问题为例,对群体智能算法进行实际测试。结果表明:不同算法各具特点,其中,粒子群算法、遗传算法、头脑风暴算法、人工蜂群算法以及烟花算法在多峰问题上具有较好的适用性;萤火虫算法在解决最优解附近存在平缓区域的问题时具有较快的收敛速度;对于遗传算法,实数编码方式后期收敛速度较二进制编码方式有所提高,但对于多峰问题的搜索能力有所下降;鱼群算法、混合蛙跳算法仅有在较大正算调用次数下才有较好的寻优能力。对于路面参数反演问题,从弯沉曲线匹配上看,粒子群算法、遗传算法、头脑风暴算法以及萤火虫算法均有较好的反演结果;而从相关系数上看,头脑风暴算法具有最佳反演结果。

摘要：为解决无线传感器网络(Wireless Sensor Networks,WSN)节点分布不均和随机部署中的低覆盖率问题,该文提出一种改进群体智能算法的无线传感器网络覆盖优化算法,即改进的黑猩猩优化和哈里斯鹰优化的混合优化算法(Improved Chimp Optimization and Harris Hawk Optimization Algorithm,ICHHO).该算法首先对黑猩猩优化算法(Chimpanzee Optimization Algorithm,ChOA)进行改进,使用Levy Flight来改善其探索阶段,然后设计一个更新的公式来计算猎物逃逸能量,作为开发和探索之间的选择因素.传感器节点随机部署后,将ICHHO在传感器节点上执行,按照改进策略更新个体位置信息,计算相应的适应程度,找到最优传感器位置,并根据传感器概率模型确定网络最优覆盖率.仿真结果验证了ICHHO对于解决WSN覆盖问题的适用性,与其他优化算法的对比结果显示,ICHHO在提高覆盖率方面优于其他算法.

摘要：为提高年降水量预测精度,提出一种基于小波包变换(WPT)和孔雀优化算法(POA)、沙猫优化(SCSO)算法、猎豹优化(CO)算法优化的高斯过程回归(GPR)预测模型,并将其应用于文山州年降水量预测研究。首先,利用WPT将实例1956-2021年降水量时间序列分解为1个周期项分量和3个波动项分量;其次,简要介绍POA、SCSO、CO算法原理,利用POA、SCSO、CO分别优化GPR超参数,建立WPT-POA-GPR、WPT-SCSOGPR、WPT-CO-GPR模型;最后,利用所建立的3种模型对年降水量周期项分量和波动项分量进行预测,将4个分量的预测结果加和重构后得到最终预测结果,并构建基于支持向量机(SVM)的WPT-POA-SVM、WPT-SCSOSVM、WPT-CO-SVM模型、基于RBF神经网络的WPT-POA-RBF、WPT-SCSO-RBF、WPT-CO-RBF模型和未经优化的WPT-GPR模型作对比分析模型。结果表明:①WPT-POA-GPR、WPT-SCSO-GPR、WPT-CO-GPR模型对年降水量预测的平均绝对百分比误差MAPE分别为0.52%、0.46%、0.48%,平均绝对误差MAE分别为5.80 mm、5.31 mm、5.25 mm,均方根误差RMSE分别为8.20 mm、7.72 mm、7.83 mm,确定性系数DC>0.99,预测效果优于其他7种模型,具有更高的预测精度和更好的泛化能力。②POA、SCSO、CO能有效优化GPR超参数,显著提高GPR预测性能。③所构建的3种模型具有普适性,为降水等时间序列预测研究提供参考。

摘要：针对毫米波天线阻抗不匹配的问题,该文提出基于粒子群蚁群(Particle Swarm Ant Colony Optimization,PSACO)的天线贴片参数优化算法,利用蚁群算法的信息素引导机制获得粒子群算法的最优贴片长、宽及馈电位置;并采用模糊决策综合评价模型(Fuzzy Decision-Making Comprehensive Evaluation,FD-MCE)求解毫米波天线的地面开槽位置,实现带宽扩展。对28.0 GHz中心频率进行设计与仿真,结果证明所提方法能有效且快速实现毫米波天线阻抗匹配,保证谐振频率与中心频率的一致,且在开槽面积不大于接地面总面积30%时带宽可扩展约33%,回波损耗特性也得到明显改善。所提算法具有计算复杂度低,收敛速度快的优点。

摘要：羽毛球是一项具有高技术含量和策略意义的运动,战术优化对于提高比赛胜率和提高选手水平至关重要。本文基于群体智能算法,提出了一种羽毛球战术分析与优化方法,该方法采用多种数据分析手段和模型构建技术,改善了传统战术设计方式的局限性。实验结果表明,该方法有效提高了羽毛球选手的比赛成绩和胜率,具有广泛的应用前景。

摘要：针对群体智能算法中的典型算法实现模式-微粒群算法的性能评价问题,考虑到与最优值的平均绝对误差,最优值的平均相对误差和算法收敛到最优值的动态性能等因素,提出一种较为通用而有效的评价函数设计思路,实现从不同的角度在总体动态特征上对微粒群算法进行综合评价。

摘要：智慧城市建设过程中面临着众多复杂的决策与优化问题,群体智能方法通过模拟自然界中社会性动物的智能行为的涌现机制,已成为求解智慧城市中复杂优化问题的重要手段之一,在智慧城市领域有广泛的应用场景。为此,本文将围绕智慧城市中的智慧交通、智慧物流与智慧城市规划等领域,简述若干基于群体智能方法的智慧城市决策与优化应用,并具体以基于群体智能算法的智能拼车算法为例,阐述基于蚁群优化方法的拼车调度系统的算法设计与实验分析全过程。通过讨论与分析,本文将进一步探讨当前智慧城市应用对群体智能算法设计所提出的新挑战,并对面向智慧城市的群体智能算法研究的新趋势进行了展望。

摘要：近年来,群体智能优化方法愈来愈引起人们的关注,如粒子群算法、蚁群算法、蜂群算法等,它们是解决NP问题的有效工具。函数优化是优化领域的重要分支,主要通过将连续的变量(定义域)区间离散化,对这些离散变量的函数值最优编排、分组、排序或筛选等。这类问题通常随着变量区间的扩大及函数极值的增多,

摘要：随着社会的发展与时代的进步,现阶段的信息化进程逐渐加快。不得不说的是,信息化时代的产物,正在不断的服务与人们生活与生产当中的各个方面。而为了可以更好地解决现阶段复杂的NP问题及其他的问题,群体智能算法受到了更多人的重视。立足于现阶段群体智能算法的发展来看,其基本的设计类型包括了蚁群、粒子群等。而这些智能算法已经被很好的应用到了航空航天等各个领域。借此,该文立足于现阶段的网路大环境,对体智能算法及其在信息安全中的应用进行了研究。

摘要：群体智能算法适用于解决高维、多目标优化问题,将群体智能算法应用于土壤含水率可见光和近红外(Vis-NIR)光谱分析,有利于实现土壤含水率光谱预测模型的优化和实时土壤含水率测量传感器的研制。该研究利用高分辨率光谱仪,通过人工配置获取不同含水率土壤,获取不同含水率水平的土壤光谱数据。采用孤立森林算法(Isolation Forest algorithm,iForest)查找并去除光谱数据中的异常值,BP神经网络构建土壤含水率预测模型,以预测均方根误差(RMSEP)为评价标准,采用蝠鲼优化算法(MRFO)、黏菌算法(SMA)等8种新型群体智能算法来选取土壤含水率特征波长。结果表明,仅从预测结果来看,MRFO结果最佳,但综合考虑选择波长占比和模型预测结果,SMA表现更优。同时,通过对传统智能算法遗传算法(GA)和粒子群算法(PSO)建模结果的比较分析,发现新型群体智能算法在土壤含水率特征波长选取上具有更好表现。综合所有智能算法选取结果,筛选出490 nm、513 nm、543 nm、900 nm和926 nm作为土壤含水率敏感波长,为基于Vis-NIR的实时土壤含水率传感器的设计提供参考依据。