1 北京信息科技大学, 北京 100000
2 西安邮电大学, 西安 710000
3 北京好扑信息科技有限公司, 北京 100000
为了适应下一代6G网络对光纤传输系统大容量、高速率和低时延的要求, 以石英光纤为传输介质, 利用人工蜂群算法设计了二阶多泵浦拉曼光纤放大器。采用龙格-库塔法和打靶法求解二阶多泵浦拉曼光纤放大器的功率耦合波方程, 再通过人工蜂群算法对4个泵浦光的不同排列结构进行优化分析。通过Matlab仿真, 从14种双向泵浦结构中, 得到了性能最优的双向泵浦结构FFBF, 该结构在100 nm带宽范围内的平均增益高达24.8 dB, 增益平坦度仅为0.78 dB, 为6G网络的拉曼光纤放大器的设计和优化提供了参考。
拉曼光纤放大器 二阶泵浦 人工蜂群算法 拉曼增益 Raman fiber amplifier second-order pump artificial bee colony Raman gain
上海理工大学上海市介入医疗器械工程研究中心,上海 200093
提出一种基于连续透射消光光谱的粒径测量方法。基于Mie散射理论和人工蜂群算法对颗粒粒径进行反演,结果表明,单峰分布时颗粒的体积频率分布曲线相对均方根误差(RRMSE)低至0.08%,双峰分布时颗粒的体积频率分布曲线RRMSE低至3.49%。用编号为GBW120134、GBW120024和GBW120041的聚苯乙烯乳胶标准颗粒进行了对比实验。结果表明,单峰分布时D50粒径的相对误差在10%以内,双峰分布时D50粒径的相对误差在20%以内。
散射 消光法 光谱 粒径测量 人工蜂群算法 激光与光电子学进展
2022, 59(21): 2129002
无人机编队信息交互拓扑优化对于提高无人机集群任务执行的协同性和通信传输效率具有重要意义。首先, 提出无人机编队剩余能量不均衡度指标, 在编队通信链长的基础上, 将网络延迟影响因素、剩余能量不均衡度纳入无人机编队信息交互拓扑的生成体系中, 综合考虑多个目标优化无人机集群信息交互拓扑; 然后, 通过构建满意度偏差隶属度函数, 建立目标规划模型实现多个目标的综合; 同时, 在拓扑生成中采用多叉树结构进行分级, 并改进人工蜂群算法求解模型, 可以支持较大规模无人机的协同; 最后, 通过16架无人机组成的编队进行仿真分析, 验证了模型的合理性及算法的有效性。
无人机编队 信息交互拓扑 多目标优化 改进人工蜂群算法 UAV formation information interaction topology multi-objective optimization improved artificial bee colony algorithm
强激光与粒子束
2021, 33(12): 123005
1 1.沧州师范学院 a.计算机科学与工程学院
2 1.沧州师范学院 b. 经济管理学院, 河北 沧州 061001
3 大连理工大学 计算机科学与技术学院, 辽宁 大连 116024
基于光纤传感的物联网(IoT)具有测量感知与数据传输的双重特性,为了实现网络内任意节点的快速定位,文章研究了快速节点定位技术,该技术采用边界盒定位的方法优化了人工蜂群(ABC)算法。实验对光纤传感网络中的多个未知节点进行定位分析,并将所提算法、未优化的ABC算法和传统粒子群(PSO)算法的测试结果进行了对比。实验结果表明,随着种群数的增加,3种算法的定位精度都会提高,当种群数>20后趋于稳定,定位精度依次为2.2、3.0和3.3 m。由达到稳定的迭代次数和定位精度上下限可知,所提算法的收敛速度和定位稳定性均优于后两种算法。由此可见,基于所提算法的定位技术更适用于光纤传感IoT的节点定位应用。
光纤传感网络 人工蜂群算法 边界盒 定位精度 物联网 fiber optic sensor network ABC algorithm bounding box positioning accuracy IoT
1 西安邮电大学电子工程学院, 陕西 西安 710121
2 西安邮电大学通信与信息工程学院, 陕西 西安 710121
介绍了一种将反向传播(BP)神经网络算法与人工蜂群算法相结合的方法,并用该方法对多泵浦拉曼光纤放大器的设计进行了优化。通过研究多层BP神经网络中的隐藏层层数和神经节点数,确定了最佳的学习模型,该模型可以精准地反映泵浦波长和泵浦功率与拉曼净增益分布间的映射关系,能代替传统求解拉曼耦合波方程的方法。同时,为了提高增益谱的平坦性,采用人工蜂群算法来优化泵浦参数,得到了最优的泵浦波长和泵浦功率。仿真结果表明,通过将训练好的BP神经网络模型加入到人工蜂群算法中,所研究的拉曼放大器达到了期望的增益性能,且其目标值与预测值的最大误差不超过0.29 dB。该设计方案为拉曼光纤放大器的研究提供了新的思路和方法。
光通信 拉曼光纤放大器 机器学习 BP神经网络算法 人工蜂群算法 拉曼增益 光学学报
2021, 41(20): 2006002
光纤布喇光栅(FBG)在构成大型传感网络时,由于光源带宽有限会出现光谱重叠的问题。提出了一种人工蜂群(ABC)算法及改进ABC(IABC)算法的解调技术,结合谱形复用技术与IABC算法对光谱重叠中的各个光栅的波长进行识别,并对多个FBG传感系统进行实验仿真与分析。实验结果表明:IABC算法在多FBG传感复用系统中的解调误差不超过3.6 pm,解调时间不超过7 s,温度测量精度达0.5 ℃,解决了多个FBG传感网络部分重叠和完全重叠问题。
光纤布喇格光栅 传感网络 光谱重叠 解调算法 改进人工蜂群算法 fiber Bragg grating sensor network spectrum overlap demodulation algorithm improved artificial bee colony algorithm
拉曼光谱技术由于其快速、简单且无损等优势, 广泛地应用于组分的定量分析。目前常用的定量回归方法包括偏最小二乘、人工神经网络、支持向量机等, 为寻求新方法, 本文对41组葡萄糖样本的拉曼光谱数据研究, 以极限学习机为定量回归基础, 结合遗传算法、粒子群算法、人工蜂群算法等优化算法, 比较分析后提出一种新型自适应差分进化的人工蜂群算法应用于极限学习机, 该模型对差分进化的变异率和交叉率做了调整, 能够降低极限学习机容易陷入局部最优和差分进化对参数依赖性大的问题, 优化后模型的评价指标较传统极限学习机和基于其它优化算法都有显著提升。实验表明, 基于自适应差分进化人工蜂群算法的极限学习机提高了预测精确度和模型稳健性。
人工蜂群算法 自适应差分进化 拉曼光谱 葡萄糖样本 极限学习机 Artificial Bee Colony Algorithm Self Adaption Differential Evolution Raman spectroscopy glucose sample Extreme Learning Machine
1 空军工程大学装备管理与无人机工程学院,西安 710051
2 西安电子科技大学物理与光电工程学院,西安 710071
为提高多无人机动态侦察分配效率,更好地满足现代战争对多无人机动态侦察实时性的要求,建立了多无人机动态侦察资源分配模型。该模型将动态任务分配问题转化为多阶段静态分配问题,利用状态更新方法对各阶段静态分配问题的初始状态进行更新,从而提升整体分配效率。采用改进的人工蜂群算法对该模型进行求解,在选择蜜源阶段采用双向进化以增加种群的多样性,提高了算法的寻优能力。仿真结果表明,动态侦察资源分配模型相较于传统的静态分配模型具有侦察效率高、续航能力强的优势,且更适用于大规模无人机集群作战情况。
多无人机协同 动态侦察 资源分配 任务分配 人工蜂群算法 multi-UAV collaboration dynamic reconnaissance resource allocation task allocation artificial bee colony algorithm