群智能算法在月径流预测支持向量机建模中的适应性研究

变化环境下,径流的精准预测愈加困难,集成稳健的优化算法是近年来机器学习发展的动力,也是提高径流预测精度的有效途径。为规避支持向量机(SVM)建模时适应度函数选取的不足,提出基于群智能算法的SVM参数优化范式,并以新疆克孜尔水库月平均径流量预测为例,对粒子群算法(PSO)、差分算法(DE)、灰狼算法(GWO)、鲸鱼算法(WOA)和麻雀算法(SSA)5个典型算法进行仿真验证。结果表明,PSO建立SVM模型合格率(QR)小于60%,预测精度不达标,其余4类算法的平均绝对相对误差和纳什系数分别介于10%~20%和0.75~1之间,预测效果良好;20次独立运算结果中,PSO、WOA、SSA和DE存在预测结果较差的情况,其中PSO的稳定性最差。综合而言,GWO优化的SVM(SVMGWO)在月径流预测中精度、稳定性和可靠性更佳。

新型群智能算法在求解聚类问题上的对比研究

为更好地解决kmeans聚类算法对初始聚类中心敏感的问题,选取了最近几年比较典型的5种群智能算法,如蝙蝠算法、磷虾算法、灰狼算法、鲸鱼算法和麻雀算法等,对Kmeans算法在初始聚类中心的选择上进行优化,然后通过6个UCI中典型的数据集进行聚类仿真,并分别从算法的求解精度、稳定性、收敛速度和聚类性能等方面对比分析了各算法的性能。仿真结果表明,灰狼算法在求解聚类问题时效果最佳,能够在较短的时间内有效地对聚类中心进行优化,并且具有较高的精度和稳定性,可有效地解决kmeans算法对初始聚类中心敏感的问题。

基于混合群智能算法的无人机集群任务分配

针对无人机集群任务分配方法存在的搜索时全局性与收敛速度相矛盾的问题,提出了一种狼群算法和模拟退火算法相结合的混合群智能算法。首先,在分析无人机集群作战应用及任务分配建模的基础上,对基本的狼群算法进行改进,将狼群算法中游走、召唤和围捕行为的固定步长改进为自适应步长,以提高收敛速度和搜索精度;其次,将改进的狼群算法的初步结果作为模拟退火算法的输入,进行快速搜索来进一步提高算法的收敛速度;最后,在相同的应用场景下,通过与粒子群优化算法、改进的狼群优化算法仿真比较,验证了所提算法在分配精度和收敛速度上均有较大的提高。

基于群智能算法对比的城市配电网故障停电预测研究

随着我国电网的发展规模逐渐扩大,对于城市配电网的安全性能要求也越来越高。需要实时监测电网结构,从而准确判断故障区域以及进行停电预测。因此,基于电网故障信息源,提出了1种群智能算法下的混合蛙跳算法(SLFA),并使用粒子群优化(PSO)算法和未来搜索算法(FSA)作为比较。通过对3种算法的常规性能指数进行测试,发现SLFA相比于另外2种算法,拥有运行时间长、结果正确率高、受初值影响小、收敛精度高的优势。因此,SLFA能够广泛应用于城市配电网的故障检测和停电预测,为城市电网的安全运行提供保障。

基于改进雷达图法的群智能算法综合性能评估

为解决传统性能评估方法无法准确评估群智能算法性能的问题,提出一种基于改进雷达图法的群智能算法综合性能评估方法。建立适应度评价次数、寻优时间、寻优稳定性、寻优精度、覆盖度、覆盖速率6种群体智能算法性能评估指标模型。在典型测试函数上,基于上述6种指标,通过改进雷达图法分析3种常用群智能算法的综合性能。仿真结果表明:所提方法能够全面客观的反映群智能算法的综合性能,为群智能算法的性能分析、优化和决策提供理论依据。

群智能算法在气体源定位中的应用综述

近几年频繁发生的气体泄漏事件使得气体源定位成为了公共安全领域亟待解决的问题。气体源定位问题本质上可以转化为最优化问题,群智能算法作为一种高效的优化算法,为其提供了一个全新的解决方案。介绍了气体源定位问题的研究背景和研究现状;根据群智能算法在气体源定位中应用的研究思路和研究内容对具有代表性研究成果进行了分类综述和对比分析;对目前基于群智能算法的气体源定位研究中存在的问题和未来发展趋势进行了分析和展望,对气体源定位问题的进一步研究提供一定的参考作用。

群智能算法在电力系统无功优化中的应用

总结了群智能算法在电力系统无功运行优化问题中的应用现状,指出了各种典型算法在解决此类问题时的优、缺点,并提出了相应的改进建议。

基于群智能算法的玻璃切割问题求解研究

通过对玻璃切割问题的研究,提出一种融合量子粒子群优化和蚁群优化的混合算法(QPSO-ACO算法)。该算法对QPSO及ACO的模型进行必要的修改,以实现对玻璃切割中的旅行商问题的较好求解。同时充分利用QPSO的快速性、全局收敛性和ACO的正反馈性及求精解效率高等特点,达到优势互补。实验结果表明,QPSO-ACO算法寻优能力较强,是解决玻璃切割问题的有效方法。

群智能算法的研究进展

群智能是一种仿生自然界动物昆虫觅食筑巢行为的新兴演化计算技术。目前主要的群智能优化算法有蚁群算法、微粒群算法和人工鱼群算法。本文介绍了群智能算法的产生、发展和优点,并着力阐述了上述三种典型算法的基本原理,同时概述了各算法的应用现状,最后提出了算法将来有待研究的内容。

一种基于群智能算法的模糊控制器优化设计方法

模糊控制虽然有很多优点,但从实际工程应用角度看,模糊控制还有许多未解决的问题。其中模糊控制器的设计因素非常多,当受控对象比较复杂时,选择调整模糊控制器的各设计因素就比较困难。为避免模糊控制器设计中参数的复杂调试,并使其获得最佳控制性能,群智能算法常被用来对模糊控制器参数进行优化设计。以火电厂主气温控制为实验对象,研究基于群智能算法优化模糊控制器设计的几种方案,比较其稳定性、抗干扰性、对象变化的适应性,得出用群智能算法优化模糊控制器存在的问题,并给出了一个改进目标函数的多种群差分进化算法的优化设计方案。仿真结果表明,上述方法改善了模糊控制器的鲁棒性。

汽轮机故障诊断的因果网络群智能算法模型

在利用概率因果网络模型进行汽轮机故障诊断过程中,传统的基于简约覆盖理论的求算方法不能直接得到诊断问题的解,而且当故障节点较多或网络层次较多时,存在着"组合爆炸"、计算量呈指数速度增加等问题;对此,基于群智能理论,建立汽轮发电机组故障诊断系统概率因果网络群智能算法模型,给出基本的群运算法则及改进方法,将焦点放在有限空间的诊断推理上,并实现并行处理,很好地解决了传统算法中的问题;最后一个应用实例验证了此方法的优越性及工程实用性。

语义关系算子在群智能算法中的研究

在传统群智能算法框架的基础上,提出基于语义关系算子的群智能算法。与传统的群智能算法不同,该算法采用了一个语义关系算子进行关键参数的更新操作,并基于群体的历史状态对语义关系可进行更新。在语义关系库更新过程中,通过分析群体之前的历史状态信息,进行基于本体的语义关系挖掘,从而找到全局语义关系。以粒子群算法解组合优化问题为例,提出了基于语义关系算子的蚁群算法和粒子群算法。实验表明,基于该算子的群智能算法寻优能力有了一定程度的改进。

群智能算法在“机械优化设计”教学中的应用

"机械优化设计"课程是机械类专业学生的一门重要基础课,目前存在着教师授课方法闭塞、单一、学生学习积极性不高等弊端,从而导致学习效果差、课程目标达成度低等问题。基于此,首先,将遗传算法、粒子群算法、混合蛙跳算法等群智能优化算法引入到二级圆柱齿轮减速器的优化设计中,试验结果表明,群智能算法的求解结果优于传统的人工算法和复合型算法。其次,通过分析数据发现,群智能算法的求解结果需要进行圆整等技术处理才可以在工程实际中使用,因此,需要引导学生思考如何改进算法。最后,针对混合蛙跳算法,提出了相应的改进措施,使之能够适合混合变量类型(非单一的连续型变量)的工程优化问题。通过将人工智能算法引入课程作业的教学过程,扩大了学生的视野,有利于培养学生在解决复杂工程问题时的创新能力。

群智能算法发展研究

最优化技术的应用日渐广泛,传统的优化方法对于解决复杂问题变得无能为力。群智能算法在这种背景下产生并迅速发展。目前已研究出许多种类的群智能优化算法,包括蚁群、粒子群、人工鱼群、混合蛙跳、人工蜂、萤火虫算法等。本文主要介绍群智能算法的发展,阐述上述典型算法产生的生物原理、算法思想和应用。

群智能算法在飞行器总体设计中的应用

飞行器总体设计直接影响飞行器的战术技术指标,在其设计过程中往往要经过多次反复,因此需要优化手段获得较优的飞行器总体技术方案。群智能算法由于自身的特点受到广泛关注,应用前景广泛。本文选择常用的3种群智能算法,即粒子群优化算法、差分进化算法和蚁群算法对某飞行器总体方案进行优化设计,并对结果进行对比分析。

在施工项目规划问题中群智能算法的应用研究

探索了群智能算法的混合并加入模糊集理论来尝试解决工程优化问题.将HGAPSO算法应用在工程实践的实际案例中,并与其他算法运算结果进行了对比.结果表明,在本文中的两个实际案例中的TCRO问题里,HGAPSO算法能够更好地找出问题的最优解.

电力系统无攻优化中群智能算法的研究应用

随着人们生活水平以及科学技术的不断进步,对于电力的需求也在不断的增加。电力系统进行无功优化控制,不但可以使系统有用功功率损耗得到有效的控制,而且对于电力系统中的电压质量有着很大的改善作用,对于保证电力系统安全平稳的运行有着重要的现实意义。文章对电力系统的无功优化所应用的先进的群智能算法的特点与使用情况进行分析,并对其中存在的问题进行分析,提出一定的改进意见,使其更加适用于电力系统的无功优化。

多群智能算法的云计算任务调度的对策研究

随着社会的不断发展,科技的不断进步,我国各个领域近年来都得到了很好的发展,经济实力也得到了有效提升,当今社会的飞速发展使得对人才、对设备、对技术等多方面的要求都有所提升,尤其是数据运算方面,其在众多领域的发展中都占据着非常重要的位置,但是传统的计算方法速度过慢,已经不能满足现阶段社会的发展要求,云计算的出现使得数据运算领域又完成了一次大的改革。本文通过查阅相关资料,简要介绍了多群智能算法的云计算任务调度,以及文化结构下的多群智能算法。

基于机器学习与群智能算法的精车大螺距螺杆切削优化研究

大螺距螺杆在精加工的过程中,其径向切深大,参与切削的切削刃长,进给速度大,使其切削力数十倍增加,造成刀具振动剧烈,热力耦合场不稳定,加剧了刀具的磨损,刀具的振动和磨损是造成工件表面质量劣化的主要原因。通过进行切削优化的研究,可以解决工件表面质量差的问题。首先,比较机器学习与回归方式的拟合误差,选用精确性更高的机器学习方法建立了切削力和切削温度的预测模型。其次,采用不同的群智能算法对优化目标进行求解,比较不同算法的求解性能,选择人工蜂群算法的优化结果为最优参数组合。最后,对不同切削方案得到的工件表面粗糙度进行测量,结果表明:采用优化后的参数加工,得到的工件表面粗糙度下降了20%,改善了工件表面质量,达到了切削优化的目的。

基于蚁群智能算法的建设用地空间优化研究——以锦州-葫芦岛沿海地区为例

利用遥感影像快速准确地提取多种生态环境方面的基础信息,应用数学概念中的多准则多目标评价原理,采用GIS空间分析技术对锦州-葫芦岛沿海地区的建设用地进行适宜性评价.之后,使用基于蚁群智能算法的元胞自动机(ACO-CA)模型在适宜性评价的基础上进行建设用地的位置选取,从而实现建设用地的空间优化.优化结果与辽宁沿海经济带开发建设规划及土地利用等相关规划的内容基本吻合,与各城市的空间发展战略基本一致.该方法使停留在理论探讨上的空间优化问题在方法论上有了补充,该优化结果有利于从开发建设的根源上控制和减少人类活动对生态系统的不利影响,促进锦州-葫芦岛沿海地区的城市建设与生态建设协调发展.