基于DE算法改进的蝙蝠算法的研究及应用
基于改进蝙蝠算法的水下机器人避障路径优化方法
基于改进蝙蝠算法的水下机器人避障路径优化方法我跟你说，基于改进蝙蝠算法的水下机器人避障路径优化方法这事儿，可把我折腾得够呛。
说实话，最开始的时候我就像没头的苍蝇一样瞎摸索。
我知道蝙蝠算法是个很厉害的算法，它模拟蝙蝠的回声定位原理来搜索最优解。
但是直接用在水下机器人避障路径优化上，问题多多。
我一开始就按照常规的蝙蝠算法思路来搞。
你看啊，蝙蝠算法里蝙蝠的位置更新公式就很关键。
我就按照传统的方式去设置那些参数，像蝙蝠的飞行速度、蝙蝠发出脉冲的频率这些。
但结果呢，水下机器人在模拟环境里到处乱撞，根本做不到有效的避障和路径优化。
我就想，这肯定是哪里出大问题了。
后来我就寻思着，水下的环境和我们平常的环境不一样啊，有水流之类的干扰。
我得把这个考虑进去。
我就尝试改进那些参数的计算方式，就好比你本来是在平地上走路随便迈步子，现在是在水里走，得随着水流的力量调整自己的步子大小和方向。
我把这些水流因素放到那一堆计算公式里，那计算量一下子就变得很复杂。
我又在这个时候犯错了。
我没做好数据的范围限制，弄出来的结果不是特别离谱的大，就是负值，这显然不符合实际情况啊。
这就像是你本来打算做一个合适的蛋糕，结果放材料的时候没控制好量，不是糖太多把人甜死，就是根本忘了放面粉，成不了型。
然后我就反复检查我的公式和代码，确定每个参数在考虑水流等因素后的合理范围。
还调整了蝙蝠算法中蝙蝠个体之间信息交流的部分。
因为在水下机器人避障路径优化里，机器人之间的协作也很重要。
如果周围有其他机器人发现了更好的路径，要像蝙蝠种群里其他蝙蝠能学习经验一样，也好修改自己的路径。
我不确定我现在的这个改进版方法是不是在所有情况下都能做到最好，不过在多次的模拟测试里是已经有不错的表现了。
我还想说呢，对于数学公式部分一定要谨慎又谨慎，每一个小的变动都可能会对最终的结果有很大的影响。
还有就是不能光纸上谈兵，一定要多做模拟测试，这样才能发现好多实际存在但在理论推导里容易忽略的小问题。
改进蝙蝠算法解决FFSP问题及其应用研究
2019，55（9）1引言生产车间调度问题一直是工业生产中提高生产效率的重中之重，一直以来被公认为是一种NP-Hard 的组合问题[1]；前有学者在关于流水车间调度和作业车间调度问题上做了大量的研究[2-5]；在工业4.0与中国智能制造2025等出现后，生产车间柔性生产越来越受到重视，解决柔性作业车间调度问题（FJSP ）和柔性流水车间调度问题（FFSP ）已成为生产调度问题研究的新方向，对提高工厂生产效率和智能制造水平具有重要的意义。
在算法领域中，近来元启发式算法尤其是集群优化算法成为解决许多复杂优化问题的中坚力量[6-10]。
集群类算法的灵感大都来之自然界中的生物集群现象，核心算法也是模拟生物系统的行为，例如，鱼群算法、布谷鸟、蚁群等，此类算法在解决问题上的优势是不需要特殊的问题特征，对优化的问题具备一定的通用性，易于实现。
改进蝙蝠算法解决FFSP 问题及其应用研究尹建津1，张贝克1，高东1，许欣21.北京化工大学信息科学与技术学院，北京1000292.北京德普罗尔科技有限公司，北京100029摘要：针对连续蝙蝠算法不适合解决柔性流水车间调度问题（FFSP ），提出了一种改进的连续蝙蝠算法。
该算法改进了编码方式，同时在位置更新函数中加入自适应的调节因子，改善靠近最优解收敛速度下降的问题；通过仿真对比实验，结果表明了算法的优越性和可行性。
最后根据某工厂图章的实际生产线，在3D 仿真软件平台上搭建了生产流水线，完成了算法的应用，生产结果显示算法有较高的应用价值。
关键词：连续蝙蝠算法；柔性流水车间调度；编码方式；生产应用文献标志码：A 中图分类号：TP391doi ：10.3778/j.issn.1002-8331.1801-0080尹建津，张贝克，高东，等.改进蝙蝠算法解决FFSP 问题及其应用研究.计算机工程与应用，2019，55（9）：243-247.YIN Jianjin,ZHANG Beike,GAO Dong,et al.Improved bat algorithm for solving flexible flow shop scheduling problem and its puter Engineering and Applications,2019,55（9）：243-247.Improved Bat Algorithm for Solving Flexible Flow Shop Scheduling Problem and Its Application YIN Jianjin 1,ZHANG Beike 1,GAO Dong 1,XU Xin 21.College of Information Science and Technology,Beijing University of Chemical Technology,Beijing 100029,China2.Beijing Digital Process Technology Co.Ltd.,Beijing 100029,ChinaAbstract ：In order to solve the problem that continuous bat algorithm is not suitable to solve Flexible Flow Scheduling Problem （FFSP ）,an improved continuous bat algorithm is proposed.The algorithm improves the coding method.Adap-tive updating factor is set in position updating function to improve the convergence speed near the optimal solution.Simu-lation results prove the superiority and feasibility of the algorithm.Finally,according to the actual production of stamps,a production line is built in 3D simulation software platform.The production experiment of the algorithm is completed and the application value of the algorithm is verified.Key words ：continuous bat algorithm;Flexible Flow Scheduling Problem （FFSP ）;coding method;production verification 基金项目：国家自然科学基金（No.61703026）。
改进的新型蝙蝠算法
改进的新型蝙蝠算法吕赵明;张颖江【摘要】对基本的蝙蝠算法及其他群智能优化算法进行试验研究后,发现基本蝙蝠算法存在易陷入局部最优、求解精度不高等缺陷,而细菌觅食算法具有群体智能算法并行搜索、易跳出局部极小值等优点.由于基本蝙蝠算法对求解的空间搜索不充分,通过实验分析提出了试探扰动因子;另外针对蝙蝠算法缺乏对父代的继承性,分别使用线性递减权重法、随机权重法和自适应权重法对蝙蝠算法求解性能进行了对比实验,发现随机惯性权重求解精度较高.基于以上分析,提出了一种改进的新型蝙蝠算法.该算法融合细菌觅食算法的趋化算子来改进蝙蝠算法的局部搜索能力,增加试探扰动因子来提高算法的求解精度和充分性,采用随机惯性权重来均衡算法的探索能力和挖掘能力.为了验证该算法的性能,选择几个高维的经典函数进行实验,结果表明,改进的新型蝙蝠算法同基本的蝙蝠算法和粒子群算法相比提高了寻优性能.%Based on the experimental study of the basic bat algorithm and other groups of intelligent optimization algorithms,it is found that the basic bat algorithm is easy to fall into the local optimum and the accuracy of the solution is not high.The bacterial foraging algo-rithm has the advantages of parallel search and jumping out of local minimum easily from group intelligence algorithm.Because the basic bat algorithm is not sufficient to search the solution space,the probe disturbance factor is put forward.In addition,the bat algorithm lacks the inheritance of the parent.For this,we use respectively the linear descent inertial weight,the random inertial weight and the adaptive in-ertial weight to compare the performance of the bat algorithm,which shows that the accuracy of the random inertia weight ishighest. Based on the above analysis,we propose an improved new bat algorithm which combines the chemotaxis operator of the bacterial foraging algorithm to improve the local search ability of the bat algorithm,increases the probabilistic perturbation factor to improve the accuracy and sufficiency of the algorithm and adopts the inertia weight to equalize ability of exploer and exploit in the algorithm.To verify the per-formance of the improved algorithm,several high quality classical functions are selected to test.The experiments show that the proposed bat algorithm improves the performance compared with the basic bat algorithm and particle swarm algorithm.【期刊名称】《计算机技术与发展》【年(卷),期】2018(028)005【总页数】6页(P63-67,72)【关键词】蝙蝠算法;细菌觅食算法;翻滚;惯性权重;扰动因子【作者】吕赵明;张颖江【作者单位】湖北工业大学计算机学院,湖北武汉430068;湖北工业大学计算机学院,湖北武汉430068【正文语种】中文【中图分类】TP301.60 引言在许多科学计算中都会遇到最优化问题，最优化问题是通过对无限可行的方案进行寻优从而得到最优的方案。
蝙蝠算法的一种改进方法
蝙蝠算法的一种改进方法
魏三强;张超
【期刊名称】《东北师大学报：自然科学版》
【年(卷),期】2017(49)4
【摘要】针对蝙蝠算法在进行局部搜索时,易使算法陷入局部极值的束缚,导致算法收敛精度不高的缺陷,提出了使用t-分布对局部搜索时的最优解进行变异操作.为最优解各维度增加t分布型随机扰动项,选取7个经典测试函数做仿真实验.实验结果表明:改进的蝙蝠算法在收敛精度和速度上有显著提升,说明通过对最优解实施t-分布扰动能够使算法摆脱局部极值的束缚,显著提高收敛精度.
【总页数】6页(P76-81)
【关键词】蝙蝠算法;t分布;收敛精度;群体多样性;智能算法
【作者】魏三强;张超
【作者单位】宿州职业技术学院计算机信息系;中国矿业大学信息与控制工程学院【正文语种】中文
【中图分类】TP301.6
【相关文献】
1.一种改进的混合蝙蝠算法 [J], 郜振华;吴昊
2.一种改进的蝙蝠算法* [J], 周贤泉; 宋威; 张士昱; 王晨妮
3.一种改进后的蝙蝠算法在云计算资源调度的应用及仿真研究 [J], 刘颜颜
4.一种改进的并行蝙蝠算法 [J], 李广强;张肇宝;徐晨;梁大伟;赵钎伊;于浩淼
5.一种运用于微电网优化调度的改进蝙蝠算法 [J], 何丽娜;陈汝科;沈丹青;杨凯帆;谢枭;王若昕;黄婧
因版权原因，仅展示原文概要，查看原文内容请购买。
蝙蝠算法研究及应用综述
一个解决方案，新的局部解使用随机游走方式生成。
xnew = xold + ε × At
（5）
其中，ε ∈ [−1，1]，是一个随机数，At 是整个群体在同一
代中的平均响度。
蝙蝠在寻找猎物的过程中，会根据距目标猎物的方
位不断调整发出声波的响度和频度，以提高捕食效率。
在逐渐靠近猎物的过程中，蝙蝠寻找猎物的空间范围也
如果以理想化的方式研究蝙蝠的回声定位特征，就
可以更方便地模拟蝙蝠算法。在模拟蝙蝠算法的过程
中，使用以下近似理想化的规则[3]：
（1）所有蝙蝠都使用回声定位感知距离。
（2）蝙蝠在位置 xi 随机飞行，并具有固定的频率 f ，同时根据其与目标猎物的接近程度自动调整波长和
脉冲响度来搜索猎物。
（3）脉冲响度变化方式多样，算法假设其从最大值
基于改进蝙蝠算法的多目标移动储能调度
基于改进蝙蝠算法的多目标移动储能调度
李永刚;林卉
【期刊名称】《华北电力大学学报(自然科学版)》
【年(卷),期】2024(51)1
【摘要】在大规模电动汽车的随机充电等因素的影响下,电网峰谷差等问题突出。
首先,计算所需多类型移动储能(电动汽车、移动储能车、氢燃料发电车)调度功率,考虑交通能耗,建立各类移动储能模型。
其中,针对电动汽车交通能耗,根据电价对用户参与意愿的影响,建立相应的补贴体系。
其余类型则只计及交通能耗成本。
然后,建立以的配电网负荷峰谷差、新能源利用率、配电网运行成本为目标,利用超平面的概念自适应地确定不同目标函数的权重,将多目标归一化,建立三类移动储能协调调度模型。
而后,使用改进蝙蝠算法求解,得到多类型移动储能协同调度的方案。
其中,基本蝙蝠算法引入柯西变异逆累积分布函数等改进,得到改进蝙蝠算法,该算法有效提升优化速度、全局搜索能力。
最后,在IEEE33节点系统中,进行仿真验证,结果证明了该调度方案的有效性。
【总页数】9页(P56-64)
【作者】李永刚;林卉
【作者单位】华北电力大学电气与电子工程学院
【正文语种】中文
【中图分类】TM734
【相关文献】
1.基于改进蝙蝠算法的多传感器多目标分配
2.基于改进粒子群算法的风储联合系统多目标协同调度
3.基于改进多目标教与学算法的电力系统多目标调度优化研究
4.基于混合蝙蝠算法的多目标柔性作业车间调度问题
5.基于改进蝙蝠算法的混合储能系统容量优化配置
因版权原因，仅展示原文概要，查看原文内容请购买。
基于蝙蝠算法的改进杂草算法研究
基于蝙蝠算法的改进杂草算法研究刘元苗;高晓智【摘要】提出了一种新型的混合算法并命名为混合杂草蝙蝠算法(Hybridize Invasive WeedOptimization with Bat Algorithm,IWOBA),该算法在杂草算法的基础上利用蝙蝠算法的回声定位来解决每代种子逐步寻优的问题.其原理是利用种群速度和位置的不断更新,增加种群的多样性,从而达到提高种群的全局收敛性.最后利用6个测试函数对该算法和标准杂草算法进行测试比较.仿真结果表明,IWOBA 能够有效克服原算法早熟、易陷入局部最优的缺点,可加快算法收敛速度,具有良好的鲁棒性.【期刊名称】《微型机与应用》【年(卷),期】2015(034)003【总页数】4页(P75-77,81)【关键词】杂草算法;蝙蝠算法;回声定位【作者】刘元苗;高晓智【作者单位】上海海事大学信息工程学院,上海201306;上海海事大学信息工程学院,上海201306;阿尔托大学自动化与系统技术系,芬兰赫尔辛基FI-00076【正文语种】中文【中图分类】TP301入侵杂草算法（Invasive Weed Optimization，IWO）是由德黑兰大学的Mehrabian等在2006年提出来的，它是一种模拟自然界杂草入侵的新型的数值优化算法。
该算法具有很强的鲁棒性和适应性，并且具有易于理解及实现等特点。
近几年来，在很多学者的研究下，杂草算法已经成功应用到图像聚类、工程约束设计以及DNA编码等众多领域中[1-2]。
与其他智能算法相比较，标准杂草算法本身存在易于陷入局部最优解和收敛精度不高的不足，这些不足都影响着算法的寻优效果。
因此，Hajimirsadeghi和Lucas 提出了一种IWO和PSO融合的算法[3]，利用位置和速度的更新，使得算法避免了局部最优解；Zhang Xuncai等人在标准IWO算法中引入了交叉算子，避免算法早熟，提高了全局最优解[4]；张玉等人将遗传算法中的选择机制加入到标准IWO算法中，从而提高算法的多样性[5]。
2021蝙蝠算法在战备物资调运决策优化中的应用研究范文3
2021蝙蝠算法在战备物资调运决策优化中的应用研究范文 引言 战备物资是为了应对战争或突发事件而提前准备的作战物品，其目的是保障部队能够快速投入战斗并且持续保持战斗力。
战备物资主要包括枪支弹药、车船油料等作战军械以及伙食被服等生活保障品，对于空军而言，战备物资以航空器材为主。
近些年，随着我军现代化建设不断加速，部队的后勤保障工作日渐成为关注焦点。
面对现今动荡的国际环境以及周边局势，建立完备的战备保障系统已经成为重中之重。
单个需求点的战备物资调运是战备保障工作中的常见项目，而如何找到一种高效合理的调运方案，正是调运指挥人员所急需解决的问题。
目前关于战备物资的研究主要集中在储备结构与策略上，如文献[1-3],而对于战备物资的调运问题研究较少。
文献[4]采用计算机终端进行物资转运控制，能够提高物资转运效率，但并未设计多目标多调运点条件下的优化问题；文献[5]建立了单个需求点的军械调运规划模型；文献[6]利用标准粒子群算法（PSO）对军械调运方案进行了优化。
然而，现有的解法不易运用在复杂的现实情况下，涉及供应点较多会出现内存溢出的情况，另外PSO也具有易陷入局部最优的缺陷。
蝙蝠算法（BatAlgorithm）是剑桥大学学者Yang[7]在 2010 年提出的一种基于蝙蝠回声定位行为的启发式算法。
该算法已经通过标准测试函数的测试[7-10],并应用于多种优化问题，尤其适用于处理包含约束的优化问题[8]以及多目标优化问题[9],其结果证明了蝙蝠算法相对于粒子群算法、遗传算法等其他仿真优化算法的优越性。
近年来蝙蝠算法在越来越多的领域展开了应用：李枝勇[11]使用蝙蝠算法解决了多目标多选择的背包问题；盛晓华[12]将蝙蝠算法应用在 PFSP 调度问题中，均取得了良好优化结果。
本文针对战备物资的调运问题进行了研究，建立了时间最短和损失度最低的多目标优化模型。
因为在多目标优化中，各目标属性往往彼此矛盾，基本上不可能同时达到最优，只能使各目标在一定范围内尽可能优化以获得最大的综合效益，这也是多目标优化的魅力所在。