为提高水厂泵站的运行效率,以水泵机组运行总功率最小为目标,以满足供水需求、泵站高效运行和安全运行为约束条件,建立泵组优化模型。对人工蜂群算法进行改进,通过自适应调整步长,改进侦察峰搜索策略,提高收敛精度。利用改进后的人工蜂群算法对中电建夹江青衣水厂泵站运行进行优化,结果表明,泵组优化效果良好,优化方案有助于泵站的节能降耗。

为了提高冗余机械臂逆运动学问题求解的位置精度和姿态精度,提出了基于多策略贪婪蜂群算法的求解方法。介绍了KUKA LBR iiwa七自由度冗余机械臂构型,推导了机械臂正运动学的齐次变换矩阵,以减小机械臂末端执行器位置误差和姿态误差为目标建立了优化模型。介绍了标准人工蜂群算法原理并分析了算法存在的缺陷,优化了能够提高蜜蜂多样性的跟随蜂选择策略,以提高跟随蜂局部搜索能力为目的给定了3种位置更新策略,将新算法命名为多策略贪婪蜂群算法。将新蜂群算法应用于逆运动学求解,经仿真验证可知,多策略贪婪蜂群算法的求解质量和求解速度均好于标准蜂群算法,且多策略贪婪蜂群算法在连续多个位姿点逆运动学求解中也具有较高精度,以上结果证明了多策略贪婪蜂群算法在机械臂逆运动学求解中的优越性。

3D打印技术融合云制造模式形成的3D打印云服务具备低成本、跨区域、协同化的特点,可满足用户日益增长的个性化定制的需求。为解决3D打印云服务的合理分配问题和保障3D打印云平台高效运行,以时间和成本为优化目标,构建5约束优化模型,提出一种引入全局最优解信息的人工蜂群算法。通过仿真实验对算法性能、优化目标的选取进行分析,结果表明,改进的算法比对比算法具有更好的收敛性和稳定性,且与优化模型高度适配。

针对电能表故障频发,严重影响电网公司效益及用户日常生活的问题,准确对电能表故障类型进行诊断、及时修复故障电能表,对保证电力系统正常运行有十分重要的意义。提出一种基于改进人工蜂群算法优化支持向量机(CABC-SVM)参数的诊断方法;以Tent混沌搜索具有遍历性、随机性的优点增强蜂群算法的全局搜索能力;通过历史故障数据训练建立的CABC-SVM诊断模型。仿真结果验证CABC-SVM模型分类精度高达98.0%,相比于与传统ABC-SVM、PSO-SVM和GA-SVM有更少的收敛迭代次数。因此,CABC-SVM具有更高的分类精度和更少的运行时间,是一种高效的电能表故障诊断方法。

为应对无人机遇到的复杂任务状况，提高航迹规划效率，提出一种基于改进人工蜂群算法的无人机三维航迹规划方法。为降低无人机三维航迹规划的难度，将航迹规划数学模型通过简化建模转化为函数优化问题；为提高航迹优化效率，通过改进蜜源初始化方式、引入动态评价选择策略、引入Metropolis准则等方式对传统人工蜂群算法在该问题求解中的缺陷进行改进，通过MATLAB进行20次仿真实验，验证了改进人工蜂群算法在无人机三维航迹规划中的可行性和优化效率。

针对柔性作业车间调度问题,提出了改进的人工蜂群算法。算法采用基于混沌序列思想、SPT启发式规则和随机方式三种方式共同产生初始种群以保证初始解的质量。针对算法的搜索过程,引入相似度概念将种群分为先进和后进两个群,并针对两个群特点分别采用搜索范围不同的搜索策略以加强寻优性能;采用锦标赛选择策略代替原算法的轮盘赌选择方式以改善过早收敛现象;根据局部解特点,改变原来的未变个体的替换方式,采用按一定比例替换具有相同最优值的个体,保留当前最优的同时,又具有跳出局部最优解的能力。最后通过标准实例求解并与其它论文结果对比,证明了该改进算法的有效性。

针对认知无线网络中频谱分配问题,提出了一种基于改进人工蜂群算法的多目标组合优化算法。首先将频谱分配问题转换成多目标优化问题,然后利用人工蜂群算法的寻优能力来实现频谱最优的分配方案。其中,在雇佣蜂搜索阶段采用新型杂交算子加快收敛速度;跟随蜂搜索阶段引入一种新的概率选择方式保证种群多样性;侦察蜂搜索阶段利用混沌算子来提高全局搜索能力。最后,通过频谱分配仿真对这里提出的算法进行了验证,结果表明：与其他算法相比,这里算法能够较好地跳出局部最优的束缚,具有优化效果佳、稳定性好、鲁棒性强的优点,可以在满足多个优化目标的前提下获得更合理的频谱分配方案。

针对齿轮箱故障的非线性、非稳定性特点,提出了一种参数优化变分模态分解(Variational mode decomposition,简称VMD)提取特征频率的方法。首先,利用人工蜂群算法(Artificial bee colony algorithm,简称ABC)对VMD分解的层数和惩罚因子进行自适应选择;其次,根据互信息法在VMD分解后得到的有限个本征模态函数(Intrinsic mode function,简称IMF)中选择最佳模态函数;最后,对该模态函数进行包络谱分析,有效提取齿轮故障特征频率。仿真与实验结果表明,与经验模态分解(Empirical mode decomposition,简称EMD)以及基于粒子群优化算法(Particle swarm optimization,简称PSO)的变分模态分解方法相比较,ABC-VMD方法自适应性强,可以有效克服模态混叠、信号丢失及过度分解问题,能够准确诊断齿轮箱故障,同时避免PSO-VMD易陷入局部最优的缺点。

针对矿山井下排水系统能耗费用高的问题,结合分时电价,提出了以泵机组日排水耗电费用最小为目标,各时段水仓的水位为约束条件,各时段泵的开启台数为决策变量的矿山多泵机组日优化运行模型,并利用人工蜂群算法求解模型得到最优开机方案。最后以某煤矿排水系统的实际运行为例作了日优化运行计算,结果表明:该优化运行方案在满足矿山排水要求、保证安全生产的条件下,可显著降低排水费用。