多策略改进的猎人猎物优化算法及其应用

针对猎人猎物优化算法易陷入局部最优和收敛精度不足的问题,本文提出多策略改进的猎人猎物优化算法。该算法基于动态搜索思想,通过自适应机制从全局搜索转向局部开发;通过利用种群的历史信息来实施差分进化,从而增强种群的多样性;采用精英池策略和非线性步长相结合的方法,以防止算法陷入局部最优,并提升其收敛精度。在10个大规模(10 000维)测试函数上对改进后的算法和其他6种经典或最新的优化算法进行性能评估,结果显示,该算法在全局优化能力、寻优精度和稳定性方面均表现出色,能有效解决高维优化问题。最后,将多策略改进猎人猎物优化算法应用于三维无人机路径规划问题,仿真实验结果表明,该算法能求解到最优的无人机三维规划路径。

基于领导者竞争策略的改进猎人猎物优化算法

针对猎人猎物优化算法寻优精度低和易陷入局部最优等问题,提出了一种基于领导者竞争策略的改进猎人猎物优化算法。首先将种群随机分为三个亚群,采用不同的搜索策略,扩大搜索范围;其次,采用精英组合突变策略,提升种群子代多样性,规避局部最优值;最后,提出领导者竞争策略,利用个体间的信息交流,统合各个策略,筛选出最优变量。通过数值实验以及在工程优化问题上的应用结果表明,所提算法相较于对比算法具有更为优异的寻优能力,验证了改进策略的有效性和可靠性。

多策略改进的猎人猎物优化算法

针对猎人猎物优化算法HPO存在收敛速度慢且易陷入局部最优的问题,提出一种多策略改进的猎人猎物优化算法IHPO。首先,利用佳点集初始化种群,增强种群的多样性;其次,引入非线性控制参数策略优化搜索与开发平衡参数,调整全局搜索和局部搜索权重,提高收敛速度;然后,引入莱维飞行策略和贪婪策略更新猎人位置,让种群跳出局部最优,再引入黄金正弦策略更新猎物位置,提升IHPO的局部开发能力。将IHPO和另外6种智能算法在测试函数集上进行寻优对比和Wilcoxon秩和检验,检验结果表明IHPO有较好的寻优能力和收敛速度;将IHPO运用于2个实际工程优化问题的求解,仿真结果表明IHPO在解决工程优化问题有较好的适用性和求解稳定性。

基于猎人猎物优化算法优化BiLSTM的电力负荷短期预测

针对电力负荷由于随机性和非线性等原因导致预测精度不高等问题,基于经验模态分解(empirical mode decomposition,EMD)与猎人猎物优化(hunter-prey optimization,HPO)算法,提出一种优化双向长短期记忆神经网络(bidirectional long short-term memory,BiLSTM)的电力负荷短期预测模型。首先,利用经验模态分解将电力负荷时间序列分解成多个固有模态函数分量和一个残差分量。然后,利用猎人猎物优化算法优化双向长短期记忆神经网络构建HPOBiLSTM预测模型,并将各个固有模态函数分量和残差分量归一化后输入HPO-BiLSTM预测模型中进行预测,把各分量的预测值反归一化后直接相加得到最终的预测结果。最后,选取某地区在2018年3月1日-11日的电力负荷数据进行分析,仿真结果表明,与BiLSTM、HPO-BiLSTM、EMD-BiLSTM、EMD-GA-BiLSTM和EMD-PSO-BiLSTM预测模型相比,EMD-HPO-BiLSTM预测模型的预测精度更高,拟合效果更好。

基于猎人-猎物优化支持向量机的光伏阵列故障识别研究

为提升光伏电站的运行效率,对光伏阵列的故障识别方法展开了深入研究,并建立基于猎人-猎物优化支持向量机(HPO-SVM)的故障识别方法。该方法以光伏阵列模型的5个参数作为故障特征向量对光伏阵列的故障进行识别,基于仿真数据和实验数据评估该方法的有效性和可靠性。在基于仿真数据进行故障识别时,HPO-SVM的识别准确率达到了99.5556%,十折交叉验证的平均准确率为98.2641%。与支持向量机(SVM)相比,HPO-SVM的准确率分别提高了8.4445%和8.6086%。在基于实验数据进行故障识别时,HPO-SVM的识别准确率达到了98.0645%,十折交叉验证的平均准确率为94.2995%。相较于SVM,HPO-SVM的准确率分别提高了7.7419%和4.5702%。结果表明,HPO-SVM对光伏阵列的故障识别具有较高的准确度、可靠性,并具有良好的泛化性能。

多样复述,智慧语用——民间故事《猎人海力布》教学探索

复述不仅是语文教学的方式之一,还是学生学习和运用语言的方式之一。民间故事特别适合让学生以复述的形式加以“还原”,以表达他们独特的理解和感受,并以复述的形式将中华优秀传统文化传承下去。教师教学民间故事《猎人海力布》时,利用复述的多样化形式,引导学生迁移阅读表达,能够培养学生的语用能力最终实现学生复述能力的有效发展。

改进猎人猎物优化算法在WSN覆盖中的应用

针对传统无线传感器网络(WSN)节点部署覆盖盲区大、分布不均等问题,提出一种改进的猎人猎物优化(IHPO)算法优化网络覆盖。首先,在猎物位置更新阶段,引入差分进化(DE)思想并借助动态比例因子进行交叉变异,从而增强种群信息交流;其次,在全局最优位置更新阶段,由α稳定分布提出自适应α变异对全局最优位置进行扰动,从而平衡不同时期算法的性能需求;最后,利用自适应α变异扰动的全局最优位置引导种群完成动态反向学习,从而增加种群的全局搜索能力和多样性。在WSN覆盖问题中,使用IHPO优化的网络节点分布更均匀、覆盖率更高,在传感器感知能力不足时能达到92.56%的覆盖率,对比原始HPO算法优化的节点提高了25.74%,对比改进粒子群优化(IPSO)算法、改进灰狼优化算法(IGWO)优化的节点分别提高了13.98%、16.41%。同时,IHPO算法优化的节点能耗更均衡,在路由测试中的网络工作时间可以延长至2500轮次。

融合改进猎人猎物优化算法与LSTM的电驱动总成腔体密封质量预测

腔体密封不良对电驱动总成的寿命及功能实现具有较大负面影响,针对电驱动总成腔体密封质量合格率低,事后检验繁琐、效率低等实际问题,提出了一种基于改进猎人猎物优化算法(IHPO)与长短期记忆神经网络(LSTM)的电驱动总成腔体密封质量预测模型。首先,采用核主成分分析法(KPCA)对多个腔体密封质量影响因素进行降维处理,再用Cubic混沌映射、折射反向学习和强制切换策略优化猎人猎物优化算法,然后利用改进的猎人猎物优化算法对LSTM模型的参数进行优化,并采用改进HPO-LSTM模型并完成腔体密封质量预测。最后以某装配车间X型电驱动总成为例进行实例验证,结果表明:IHPO-LSTM模型预测结果均方根误差、平均绝对误差、决定系数分别为0.15442%、0.13230%、0.98218,均优于其他模型。

屠格涅夫《猎人笔记》的语言艺术分析

《猎人笔记》是屠格涅夫的成名作,采用见闻录的形式展开。作品并没有贯穿始终的故事情节,而是借助于语言艺术表现其主题思想。本文试从文学修辞的角度分析屠格涅夫《猎人笔记》中语言手段的运用,以期获得新的理解。

基于猎人猎物优化与双向长短时记忆组合模型的汽车出车率预测

汽车出车率预测对于交通管理者预先制定精准化管控方案、实施协调化统筹调度,以及调控汽车保有量规模具有重要意义。为此,本文提出一种基于猎人猎物优化算法与双向长短时记忆神经网络组合模型(HPO-BiLSTM)的汽车出车率预测方法。首先,分析汽车出车率的关键影响因素,提取出17个特征影响因子,结合标准化处理后的重构时间序列,基于随机森林算法进行变量的重要度评估,筛选出最优特征集合作为预测模型输入;其次,为解决神经网络算法容易陷入局部极值的难题,建立一种融合猎人猎物优化算法(HPO)与双向长短时记忆神经网络(BiLSTM)的组合预测模型,利用HPO的探索-开发机制,实现BiLSTM框架的动态化搭建与精细化调参;最后,结合北京市中心城区的汽车出车率数据集进行模型性能的测试与检验。结果表明:与自回归差分移动平均模型、灰色模型、卷积神经网络模型、长短时记忆神经网络模型以及双向长短时记忆神经网络模型等经典算法相比,HPO-BiLSTM模型在汽车出车率预测中的平均绝对误差(MAE)、平均绝对百分比误差(MAPE)和均方根误差(RMSE)分别降低了23.85%~54.38%、20.67%~57.40%、27.48%~59.32%,平均相对误差为-1.57%。说明本文提出的混合深度学习算法具有较高的预测精度与实用性能。

猎人弓综合征一例并文献复习

猎人弓综合征(BHS)又称旋转性椎动脉闭塞综合征,是由于头颈部转动或后伸时椎动脉受压迫导致后循环缺血症状的临床综合征。该病临床表现与椎动脉型颈椎病类似,易引起临床医师的误诊。现将本院收治的1例BHS患者报道如下,希望通过分析该患者影像学特点及诊治经过,提高临床医师对该少见疾病的认识,减少其漏诊率及误诊率。

基于改进猎人猎物算法的VMD-KELM短期负荷预测

为进一步提高负荷预测的准确性和可靠性,针对核极限学习机(Kernel extreme learning machine,KELM)参数选择影响预测能力的缺点以及负荷数据的波动性和非平稳性的特征,提出一种基于变分模态分解(Variational mode decomposition,VMD)与经种群混沌策略和莱维飞行策略改进的猎人猎物算法(Levy-hunter-prey optimizer,LHPO)优化KELM的预测模型。首先,使用灰色关联分析对原始数据的环境因素与负荷数据进行相关性分析;然后,使用VMD对负荷数据进行分解,分别将每个分解子序列输入经LHPO优化的KELM模型进行负荷预测;最终,将每个预测结果进行叠加。仿真试验验证该预测模型对短期负荷预测具有较高的适应性。

基于猎人猎物优化算法改进粒子滤波的滚动轴承剩余使用寿命预测技术

针对目前滚动轴承剩余使用寿命(RUL)预测存在的预测精度不高、预测模型累计误差大等问题,提出一种融合Hodrick-Prescott(HP)趋势滤波边界线(HPTF-BL)、猎人猎物优化算法改进粒子滤波(HPO-PF)的滚动轴承剩余使用寿命预测方法。该方法首先将HP趋势滤波与退化边界线构建相结合,对表达轴承退化信息的特征指标进行处理,得到上下退化边界与主要退化趋势,然后利用猎人猎物优化算法(HPO)改进粒子滤波(PF)的重采样过程,再使用改进的方法对特征指标进行趋势预测,最后结合设定的失效阈值线得到最终的剩余使用寿命。使用美国辛辛那提大学智能维护系统(IMS)中心的轴承实验数据验证了所提方法的可行性与有效性。

改进猎人猎物优化算法的光伏发电MPPT控制策略

光伏发电在局部遮挡时的功率-电压(P-U)特性曲线呈现多峰状态,导致传统MPPT控制策略易陷入局部最大功率点。提出了一种改进猎人猎物优化算法的MPPT控制策略。该优化算法引入非线性收敛因子,提高了算法全局探索与局部开发的能力。结合黄金正弦算法更新位置,提高了算法的寻优速度。在算法搜索后期利用莱维飞行策略避免算法陷入局部最优。经仿真验证,结果表明,与猎人猎物优化算法、布谷鸟算法和传统扰动观察法相比,所提算法跟踪速度快、收敛精度高且有效抑制了系统功率输出的振荡,能够满足光伏发电局部遮挡MPPT的要求。

猎人弓综合征致后循环缺血一例

猎人弓综合征(bow hunter's syndrome,BHS)又称旋转性椎动脉闭塞综合征,是由于头部旋转或过伸时优势侧椎动脉受压引起的后循环缺血[1]。1978年,Sorensen首次报道因射箭动作导致急性小脑后下动脉综合征,故命名BHS。由于病例罕见,目前还没有关于BHS诊断和管理的指南。我们报道BHS致后循环缺血1例,旨在提高对该罕见综合征的认识。

乡村教师“猎人乌托邦”的现象、危机及其疏解

“猎人乌托邦”是现代性由“固体”阶段向“液体”阶段转化过程中个体生存方式的异化呈现。这一生存方式指向现实目标的满足,以获取为行为准则,奉行相互敌视的自我保全。对于乡村教师来说,“猎人乌托邦”现象具体表现为绩效导向的生存认同、城市导向的价值追求及机会导向的生存策略。乡村教师“猎人乌托邦”的存在使得教师生命意义逐渐退隐,城乡教师同质化倾向加剧,教师精神进一步消解。在城乡教育均衡发展的时代背景下,唯有实现教师身份的返魅、教师存在的转型及教师生命意义的激活,才能较好地疏解乡村教师“猎人乌托邦”危机。

以晕厥为首发症状的猎人弓综合征儿童1例报告及文献复习

猎人弓综合征(BHS)临床病例罕见,儿童病例更为罕见,多为零散病例报道。BHS系由于椎基底动脉循环缺血或梗塞所引起一类症状性综合征,其临床表现无特异性,极易漏诊、误诊。现将1例以晕厥为首发症状的猎人弓综合征儿童病例报道如下,希望通过分析该患者影像学特点及诊治经过,提高儿科临床医师对该罕见疾病的认识,减少其漏诊率及误诊率。

《猎人海力布》缩写

从前有一个猎人,名叫海力布。他热心帮助别人,大家都非常尊敬他。有一天,海力布打猎时救了一条小白蛇。小白蛇告诉海力布,她是龙王的女儿,请海力布跟她回龙宫,龙王会酬谢他,还告诉他龙王嘴里有一颗宝石,谁含着那颗宝石谁就能听懂动物说的话,但是动物说的话不能对别人说,不然就会变成一块石头。

《猎人海力布》缩写

从前有一个猎人,叫海力布。他热心帮助人,总把猎物分享给大家。大家都非常尊敬他。一天,海力布在深山里打猎,看见一只老鹰抓着一条小白蛇。他急忙搭箭开弓射向老鹰,救下了小白蛇。原来小白蛇是龙王的女儿,她把海力布带到了龙宫。龙王为了感谢海力布,问他要什么赏赐。海力布想要龙王含在嘴里的宝石,因为他从小白蛇那儿得知,谁含着这颗宝石谁就能听懂动物说的话。但是自己听到的事情不能告诉任何人,否则就会变成石头。

双雪涛小说中的嵌套叙事——以小说集《猎人》为例

在《猎人》这部短篇小说集中,双雪涛刻意地使用了嵌套性叙事结构,使得原本难以放置在同一文本语境中的故事相遇于小说家的叙事策略之中。借此手法,小说中的叙事者主体性受到质疑,在嵌入故事与主题故事的对照下,整部小说集呈现出一种虚与实相交的暧昧性,在作家创作素材内卷的当下以平庸的素材却创作出了不平庸的故事。