摘要：针对图像分割算法各个性能不均衡的问题,提出一种基于蜂群优化与多颜色空间特征提取的图像分割算法。首先,对CIE颜色空间的L分量使用Gabor滤波器提取图像的纹理特征,并且在图像的HSV颜色空间计算图像的局部一致性,共提取图像的7个特征,组成特征向量;然后,本文对蜂群搜索算法进行优化,设计了一个有效的局部搜索算法,使得蜂群可高效地收敛至较优的帕累托最优解;最终,使用改进的蜂群算法对种子区域生长法进行改进与优化,指定种子的最优位置,决定每个种子点一致性准则的最优阈值,并将多准则作为多目标优化的问题,使用蜂群优化搜索帕累托最优解,最终获得分割结果。对比实验结果表明,该分割算法的时间效率、一致性误差以及类内散布度等性能较为均衡,具有较好的实用价值。

摘要：为了在满足可接受停车需求条件下减少车辆在泊车过程中不必要的频繁移位,文中建立了多种不同停车需求共存环境下的预约式共享停车供需匹配优化模式,并通过与自然界中蜜蜂的繁育活动进行类比,设计了对应的蜂群优化算法.算例分析验证了模型与算法的有效性.研究表明:合理的车辆与泊位时空匹配可以有效减少不必要的车辆移位,降低发生事故的风险,提升共享停车服务体验.

摘要：为提高人工蜂群算法的优化能力,提出一种量子衍生蜂群算法。在该算法中,蜂群采用基于Bloch球面描述的量子比特编码;采用量子比特在Bloch球面上的绕转旋转实现进化搜索;采用泡利矩阵获得量子比特的Bloch坐标;通过解空间变换获得优化问题的实际解。该方法的突出优点是能够同时调整量子比特的两个参数,并自动实现两个调整量的最佳匹配。函数极值优化及水淹层识别的实验结果表明,该方法的优化能力比普通蜂群算法确有明显提高。

摘要：蜂群算法作为一种较为新颖的启发式算法已经在多种类型的优化问题求解过程中表现了优秀的性能。针对蜂群算法在项目调度问题中的模型求解资源受限的问题,提出对求解方法进行改进,采用人工蜂群算法和蜂群优化算法两类典型的蜂群算法,对资源受限项目调度问题进行优化设计,并在benchmark上进行仿真并与传统的调度优化算法进行比较。实验结果表明,新设计的两类蜂群算法在调度成功率和收敛速度方面均有更好表现,人工蜂群算法求解的质量方面更优,蜂群算法在收敛速度上更具有优势。

摘要：提出一种带蜂群策略的粒子群优化算法,并将算法应用于神经网络训练。将蜂群优化算法中引领蜂和观察蜂的收益评价与贪婪选择策略以及侦察蜂的探索新解策略引入到粒子群优化算法中。粒子在飞行时,按维度对粒子速度和位置进行更新,根据对收益的评价,只接收能够提高解适应值的位置,从而加快了收敛速度;如果粒子多次迭代均无法改进解,则在解空间中随机搜索新的位置,增强算法跳出局部极值的能力。在求解异或问题、奇偶校验和编码解码问题的神经网络上进行了仿真,结果表明,该算法优于BP算法、粒子群优化算法和蜂群优化算法。

摘要：针对三维集成微系统中高密度集成导致的热效应和复杂的多物理场耦合问题,提出了一种基于神经网络辅助人工蜂群的硅通孔电热瞬态优化方法,用于高效准确地分析三维微系统中硅通孔阵列的瞬态电热问题.利用有限元分析软件进行了电热耦合协同仿真,分析了设计参数(硅通孔半径、氧化物厚度、硅通孔间距)对硅通孔阵列中铜柱温度、微凸点温度等性能的影响.利用神经网络建立了设计参数与性能参数之间的映射关系.提出了一种具有性能约束的协同优化策略,并采用蜂群优化算法对设计参数进行优化.根据优化后的设计参数,有限元模拟结果与预测性能基本一致,结构的最高温度误差为2.6%.结论不仅证明了优化策略的可行性,且与传统有限元方法相比,该优化设计方法极大地缩短了仿真时间,简化了多场耦合中复杂数学分析.