期刊文献+

求解煤炭发热量预测问题的萤火虫优化算法研究 被引量:4

下载PDF
导出
摘要 萤火虫群算法是一种新型群集智能算法,该算法已成功应用于复杂函数的优化方面,并取得很好的应用效果。为了充分利用萤火虫算法的优点,扩展该算法的应用领域,首先检测影响煤炭发热量的主要因素,建立一个新的煤炭发热量预测模型,然后利用萤火虫算法优化该模型的阈值,以实现能够达到快速预测煤炭发热量为目的。数值仿真和实验结果显示,在萤火虫算法优化后的煤炭预测模型能够对发热量实现快速检测,而且有很好鲁棒性和很高的精度,具有一定的应用价值。
作者 李瑞强
出处 《邢台学院学报》 2013年第4期180-182,共3页 Journal of Xingtai University
  • 相关文献

参考文献12

二级参考文献46

共引文献112

同被引文献44

  • 1邵金元.无烟煤发热量与水分、灰分、挥发分的回归分析[J].煤炭工程,2012,44(S2):125-126. 被引量:7
  • 2曾国泰.萤火虫最佳化分群演算法[D]. 台北:大同大学资讯经营所,2008.
  • 3龚利华,刘广新.用工业分析数据预测煤炭发热量[C] //煤炭工业技术委员会地质分会/中国煤炭学会矿井地质专业委员会2001年学术年会论文集.徐州:中国矿业大学出版社,2001:125-127.
  • 4Krishnanand K N, Ghose D. Detection of multiple source locations using a glowworm metaphor with applications to collective robotics[C]//Swarm Intelligence symposium, 2005. SIS 2005. Proceedings 2005 IEEE. IEEE, 2005:84-91.
  • 5Krishnanand K N, Ghose D. Glowworm swarm based optimization algorithm for multimodal functions with collective robotics applications[Jl Multivalent and Grid Systems, 2006:209-222.
  • 6Krishnanand K N, Ghose D. Glowworm swarm optimization for simulataneous capture of multiple local optima of multimodal functions[J].Swarm Intelligence, .2009, 3 (2) :87-124.
  • 7李颖珊.在无线感测网络中基于萤火虫最佳化演算法的布置方法[D].台湾:大同大学,2009.
  • 8Krishnanand K N, Ghose D. Theoretical foundations for rendezvous of glowworm-inspired agent swarms at multiple locations[J].Robotics and Autonomous Systems, 2008,56(7):549-569.
  • 9Krishnanand K N, Ghose D. Glowworm swarm optimization:A New method for optimizing Multi-modal functions[J]. International Journal of Computational Intelligence Studies, 20091(1):93-119.
  • 10Krishnanand K N, Ghose D. Glowworm swarm optimization forsimultaneous captrue of multiple local optima of multimodal functions[J].Swarm Intelligence, 20091,3(2):87-124.

引证文献4

二级引证文献19

相关作者

内容加载中请稍等...

相关机构

内容加载中请稍等...

相关主题

内容加载中请稍等...

浏览历史

内容加载中请稍等...
;
使用帮助 返回顶部