摘要:

以云南省2006-2015年及2020年水资源利用效率评价为例,从综合、工业、农业、生活和生态5个方面遴选15个指标构建水资源利用效率评价指标体系和分级标准,基于最大熵投影寻踪(MEPP)技术进行区域水资源利用效率动态评价.采用在指标分级标准阈值间随机生成样本的方法构造MEPP目标函数,利用水循环算法(WCA)优化MEPP最佳投影方向,建立WCA-MEPP水资源利用效率评价模型,并分别构建生物地理优化(BBO)算法、差分进化(DE)算法和粒子群优化(PSO)算法-MEPP水资源利用效率评价模型作对比模型.结果表明:(1)WCA寻优MEPP目标函数获得的最优值、最劣值、平均值和标准差均优于BBO、DE和PSO算法,具有较好的全局极值寻优能力.(2)WCA-MEPP模型对云南省2006-2007年水资源利用效率评价为"较低水平",2008-2015年评价为"中等水平",2020年评价为"较高水平".2006-2015年间云南省水资源利用效率随时间呈提升趋势,且提升趋势显著.(3)WCA-MEPP模型对云南省水资源利用效率评价结果与BBO-MEPP模型相同,但在排序上存在差异;与DE-MEPP、PSO-MEPP模型在评价结果及排序上均存在差异.

摘要:

目前,虽然有多种智能计算方法用于移动机器人路径规划问题,但在复杂环境下,多数智能计算方法表现出效率低下,结果较差的问题. 提出一种结合基于有效顶点的栅格编码法和改进的生物地理学优化算法的移动机器人路径规划方法,以解决该类问题. 结合已知的环境信息,从精英策略、降维机制和基于惯性算子的迁移操作3方面改进了生物地理学优化算法. 改进算法用于机器人移动路径,与人工蜂群算法、粒子群算法和人工鱼群算法等智能算法进行比较,实验的结果证实改进算法能够更有效地解决复杂环境下机器人路径规划问题.

摘要:

利用径向基函数神经网络可对大型机床导轨故障进行诊断,但有收敛速度慢、易陷入局部极小值等缺陷.现有生物地理优化算法具有参数少、实现简单、收敛速度快等优点,但因有搜索能力弱会导致其应用范围受到限制.该研究将利用BBO算法来训练RBF神经网络,并将其应用于龙门机床导轨的5种状态(正常、粘结、爬行、变形、磨损)的诊断.与传统诊断结果比较,迭代次数的大幅降低证明经过BBO算法训练的RBF神经网络故障诊断克服了传统神经网络寻优收敛速度慢、易陷入局部极小值等缺陷.具有较好的收敛性、稳定性,能够大幅提高故障诊断的准确度.

摘要:

特征提取和选择是网络入侵检测的一个关键步骤,针对当前特征提取算法存在的缺陷,以提高入侵检测正确率为目标,提出了一种基于生物地理优化算法的网络入侵检测模型.对当前网络入侵检测研究现状进行分析,找到当前模型检测正确率低的原因,建立网络入侵检测特征提取和选择的数学模型,采用生物地理优化算法对该数学模型进行求解,并根据求解结果建立最优的入侵检测模型,在Matlab 2014平台上进行了仿真测试.结果表明,该模型可以找到最优的特征,提高了入侵检测的正确率,具有较高的实际应用价值.