SEABOB潜水器——如鱼入海

当您漫步海边，遥望大海，凭海风拂过耳畔之时；当您驾驶游艇，乘风破浪，驰骋海面之时，您是否想过如鱼儿一般钻进大海，拥抱大海，您可以追赶前方的鱼群，还可以穿过美丽的珊瑚洞，您甚至可以如剑鱼般跃出海面，又潜入海底。     

终端区飞机排序的混合人工鱼群算法

为了保障飞行安全,对终端区着陆飞机进行有效的排序,建立了以航班延误总时间最小为目标函数的规划模型,以人工鱼群算法为基础,融合了遗传算法的选择操作和模拟退火算法的依概率接受的思想,形成混合人工鱼群算法,对着陆飞机排序问题进行了仿真计算,并与先到先服务算法、模拟退火算法以及蚁群算法进行了对比研究。仿真结果表明:与先到先服务相比,使用人工鱼群算法使得单跑道、双跑道延误分别减少了9·3%和48·0%,计算时间小于3s;与蚁群算法和模拟退火算法相比,求解的延误与时间最小,因此,提出的混合算法可行。     

基于混沌模式搜索的改进人工鱼群算法

针对人工鱼群算法存在的一些不足进行改进研究,对鱼群进行混沌初始化以获得质量较好的初始鱼群,用简化和最优鱼保留策略改进觅食行为,将具有强局部搜索能力的模式搜索融入到人工鱼群算法的全局搜索过程中。改进的算法结合了人工鱼群算法的强全局搜索能力和模式搜索的细局部搜索特点,提高了算法的搜索精度,同时,觅食行为的改进加快了人工鱼的搜索速度,提高了搜索效率。仿真实验结果表明了改进算法的可行性和高效性。     

基于改进鱼群算法的应急车辆最优路径选择

当突发事件发生后,要求将救援物资在最短的时间内运输到受灾点,而在整个应急救援过程中,应急车辆路径的选择对救援工作起到至关重要的作用,建立应急车辆最优路径选择模型对最优路径选择具有重要作用。介绍基本人工鱼群算法的主要算子并提出一种改进的人工鱼群算法,最后通过算例验证该算法在应急车辆路径选择时具有较好的效果和应用价值。     

基于AFSA优化的支持向量机柴油机性能预测模型

电控高压共轨技术的采用使得船用柴油机性能及排放具有了更大的优化空间，但同时柴油机控制参数增多使得柴油机性能的预测变得更为复杂。为了建立精确的柴油机性能预测模型，利用回归支持向量机，通过对实验数据的学习以获得预测模型。支持向量机的预测精度会因其参数的选择出现一定的差异，所以需要对支持向量机参数选择进行研究和优化。以某型船用高速大功率电控高压共轨柴油机为研究对象，建立支持向量机预测模型，分析其预测性能受参数选择的影响，并利用人工鱼群算法对其进行优化。结果表明，基于人工鱼群算法优化的回归支持向量机能够建立精度较高的柴油机性能预测模型，且人工鱼群算法具有很好的寻优性能。     

Front Vehicle Identification Under Different Lighting Conditions

选取车辆底部水平方向特征和车辆左右两侧垂直方向特征,提取出受全局灰度影响较小的局部灰度特征、局部梯度特征和局部波动特征.应用加权证据理论将车辆水平和垂直方向的特征分别进行信息融合,并根据光强的不同调整各特征的权重.为提高识别的实时性,将人工鱼群算法应用于识别中,并增添了车辆识别模块以增强人工鱼的引导能力.根据人工鱼群的搜索结果,再通过对称性特征进行进一步判定,实现前方车辆的准确定位.实验结果表明本方法可在不同光照条件下对前方车辆进行识别并准确定位,具有良好的适应性、准确性和实时性.     

基于多目标优化的航空器离场时隙控制方法

为了兼顾效率性和公平性,合理利用时隙资源,进行航空器离场时隙分配,根据机场管制运行部门和航空公司的决策目标,以航班正点率、旅客延误时间、延误成本、基尼系数等目标的不同组合为优化目标,建立了3组多目标优化模型.针对机场管制中航空器放行的应用背景,采用改进的人工鱼群算法求解模型.算例仿真结果表明:以航班延误成本和航班正点率为优化目标时,得到2个Pareto解集,与RBS(ration-by-schedule)分配算法相比,航班延误成本减少了52.9%和48.6%,航班正点率提高了62.5%和75.0%;以航班延误成本和旅客延误时间为优化目标时,得到1个可行解,与RBS分配算法相比,航班延误成本和旅客延误时间分别减少了52.9%和37.5%;以公平性和效率性为目标时,随着公平性的增强,效率性减弱.本文的多目标离场时隙控制方法,弥补了现有方法只考虑效率性的缺陷,为管制员提供了更多可供选择的决策方案.