基于改进北方苍鹰优化算法的封闭小区开放决策模型

为减少封闭小区开放过程中安全、环境与噪声等因素带来的影响,考虑小区开放的影响因素与费用值之间的关系,同时考虑小区出口和入口数量对内部交通疏散的影响,建立封闭小区是否开放的多目标优化模型。在北方苍鹰优化算法基础上,优化苍鹰的捕食行为,改进北方苍鹰优化算法对模型进行求解。通过虚拟路网验证模型和改进算法的有效性,计算结果表明,合理设置封闭小区的决策方式,可以减少车辆出行时间和出行总费用值,开放封闭小区能有效缓解交通压力。此外,将改进北方苍鹰优化算法(ENGO)与非支配排序遗传算法和社会工程优化器进行比较,研究结果能表明ENGO具有的优越性,相比其它两种算法,其反世代距离平均上升9.59%,超体积平均上升3.21%,运行时间平均下降5.88%。

改进的北方苍鹰算法优化粒子滤波算法

针对标准粒子滤波过程的权值退化和样本贫化问题,提出一种改进的北方苍鹰算法优化粒子滤波算法INGOPF(Improved Northern Goshawk Optimization for Particle Filter)。首先,利用透镜成像学习策略增加种群多样性,在优化初始解的同时增加种群搜索范围,使算法尽可能搜索到潜在的最优解,增加算法的搜索能力。其次,将改进的北方苍鹰位置更新公式用于优化迭代更新,然后将最优最差学习策略与透镜成像学习策略结合,克服算法陷入局部最优和易早熟的情况,提高算法的收敛精度。最后,将INGOPF应用于锂电池的寿命预测。仿真结果表明:与标准粒子滤波以及粒子群算法优化的粒子滤波方法相比,INGOPF有效提升了粒子多样性、系统状态估计精度、滤波稳定性和实际运用能力。

基于改进北方苍鹰优化随机配置网络的网络流量预测模型

网络流量预测作为一种关键技术,能帮助实现网络资源的合理分配、优化网络性能以及提供高效的网络服务。随着网络环境的演变和发展,网络流量的多样性和复杂性增加,为了提高网络流量的预测精度,提出了一种基于改进北方苍鹰优化随机配置网络(CNGO-SCN)的网络流量预测模型。随机配置网络作为一种具有监督机制的增量式模型,在解决大规模数据回归和预测问题方面具有良好的优势。但是,一些超参数的选择影响了随机配置网络的准确性。针对这一问题,利用北方苍鹰算法对影响随机配置网络性能的正则化参数和比例因子进行优化,得到最佳数值。而北方苍鹰算法由于初始种群的随机分布导致种群个体质量不佳,因此引入混沌逻辑映射提升初始解的质量。将优化后的模型应用于英国学术网、欧洲某城市核心网网络流量数据集和合作企业搭建的网络协同制造云平台交换机接口的真实流量数据集,并与多种神经网络模型进行对比,以验证所提模型的网络流量预测能力。实验结果表明,该模型对比其他神经网络模型具有更高的预测精度,在实际应用场景中处理复杂数据时具备更加优秀的预测能力,该模型的预测误差下降了0.9%~99.7%。

基于北方苍鹰优化核极限学习机的玉米品种鉴别研究

玉米作为我国种植最为广泛的农作物,其产量对于我国粮食安全具有重大意义,由于不同品种具有不同的特性,根据种植条件科学选种能够很大限度上提高产量并且降低生产成本,但不同玉米种子外观极其相似,导致科学选种工作产生了一定难度。该研究基于近红外光谱技术结合核极限学习机(KELM)针对玉米品种分类问题构建鉴别模型,利用甜糯黄玉米、甜妃、昌甜、金色超人、香甜5号五种玉米种子,每种取(13±0.5)g作为一份样品,共计126个样品作为研究对象,对采集的近红外光谱数据进行标准正态变量变换(SNV)处理后采用竞争性自适应重加权采样法(CARS)对数据集进行降维。按照5∶1的比例将样本随机分为训练集和测试集,探讨北方苍鹰优化算法(NGO)对KELM模型性能的影响。分别使用NGO算法、粒子群算法(PSO)和灰狼算法(GWO)对KELM模型的两个重要参正则化参数C和高斯核函数γ进行寻优,选择五折交叉验证识别准确率最高时对应的C和γ作为建模参数,建立KELM分类模型。将各算法寻优后建立的KELM模型性能进行对比。实验发现,通过NGO算法寻优后建立的KELM模型性能高于其他两种算法优化的KELM模型,测试集识别准确率可达100%。在CARS降维的基础上分别建立CARS-NGO-KELM、CARS-PSO-KELM和CARS-GWO-KELM模型,结果表明,在面对降维后的数据时NGO算法仍能表现较好的性能,其测试集准确率和F 1值均达到了100%。为了验证样本数量对模型的影响,使用各品种样品数量同步后的共计90个样品重新训练KELM模型。结果表明,在同步各类样品数量后,各个模型在训练集和测试集上的表现均有提升。该研究在近红外光谱的基础上引入多种优化算法构建核极限学习机模型并将识别准确率提升至100%,实现了对玉米种子快速、无损、准确的品种鉴别,研究结果为玉米品种快速鉴别提供了一种新方法,同时也对监管部门具有一定的指导意义。

采用改进北方苍鹰算法的微电网优化调度研究

微电网系统通常由多种分布式电源组成,为降低运行成本,常使用智能算法对微电网进行调度。智能算法在求解微电网调度模型时容易陷入局部最优解,导致求解精度差,因此在北方苍鹰算法的基础上,提出了一种混合策略改进的北方苍鹰算法(HNGO),利用反向学习、Metropolies准则以及自适应t分布变异提高求解精度,同时构建了考虑可再生能源出力特性的需求响应模型,使负荷曲线与可再生能源出力曲线更贴近,然后建立日运行成本最低的微电网优化调度模型,并利用HNGO求解。对比仿真结果显示所提算法具有更好的求解精度,且所提需求响应模型能显著降低燃料成本。

基于改进北部苍鹰算法的垂直斗式提升机减速器优化

垂直斗式提升机是一种固定装置的机械输送设备,具有输送能力强、提升高度高、运行平稳可靠、寿命长等优点。减速器是垂直斗式提升机的关键部件,为高效获得减速器的最优解,提出一种冲刺决胜策略改进的北部苍鹰优化算法。采用压力容器和悬臂梁两个经典非线性约束工程算例对改进北部苍鹰算法进行性能验证,结果表明,改进北部苍鹰算法具有良好的收敛速度。在此基础上,对垂直斗式提升机减速器进行优化设计,结果减速器的中心距由初始的720 mm减少为680.16 mm,减少了5.33%。说明改进北部苍鹰优化算法可以作为一种高效的优化算法求解实际工程问题。

改进北方苍鹰优化算法的收敛性及其性能对比分析

针对北方苍鹰优化算法存在易陷入局部最优的问题,提出一种改进北方苍鹰优化算法(INGO)。在种群初始化阶段,引入佳点集方法映射到搜索空间,提高了种群的多样性以及避免了早熟;在位置更新阶段,加入鱼鹰局部勘探位置更新策略和自适应惯性权重因子,增强了全局勘探和局部开发能力同时提升算法的收敛速度和收敛精度;建立INGO算法的北方苍鹰捕猎过程Markov链模型,证明了全局收敛性。通过实验仿真与六种经典智能算法进行对比分析验证INGO算法的有效性,并对INGO算法进行收敛曲线和Wilcoxon秩和检验分析,实验结果表明INGO算法能够有效地避免陷入局部最优,具有较强的收敛精度和鲁棒性。为了进一步描述INGO算法的实际应用能力,将该算法成功应用于工程设计问题中,验证了INGO算法在实际应用中的有效性。

多策略融合改进北方苍鹰算法的森林冠层图像分割

针对森林冠层图像复杂,分割精度较差等问题,提出一种多策略融合改进北方苍鹰优化算法(Improved Northern Goshawk Optimization,INGO)的冠层图像分割方法。首先,在北方苍鹰初始化引入随机反向学习策略,以增加种群多样性,提高搜索效率;在北方苍鹰探索阶段,添加自适应权重因子提高算法搜索能力,加快算法收敛速度;在北方苍鹰开发阶段,添加非线性收敛因子平衡全局搜索和局部开发能力。其次,采用多阈值Kapur熵作为适应度函数,通过选取8个基准函数对改进的算法进行测试,测试结果表明,改进的算法可以有效提高精度和搜索速度。最后,将所改进的算法对森林冠层图像进行阈值分割试验,并在适应度值、森林图像分割时的峰值信噪比(PSNR)、结构相似性(SSIM)与特征相似度(FSIM)上进行对比分析。试验结果表明,改进的算法可以获得更精确的森林冠层分割阈值和更高的分割精度。

基于多策略改进北方苍鹰算法的无人机路径规划

为实现在复杂地域和障碍环境下无人机高效、安全飞行路径规划问题,以飞行距离、转向角度、飞行高度为性能指标,以地形、空域中的障碍为约束建立了无人机三维路径规划模型.智能算法在解决高维多约束情况下无人机路径规划问题时,存在初始种群多样性差且分布不均、容易陷入局部最优解等局限性,对此提出了一种多策略改进的北方苍鹰算法(MINGO).该算法在初始化时借助Piecewise混沌映射有效地增强了初始种群的分布均匀性,借助Levy游走和随机扰动策略增强了种群的多样性和个体的质量,使算法快速且高精度的收敛,使用非线性收敛因子策略来有效平衡算法的全局和局部搜索能力,通过精英个体引导策略有效提升了算法的寻优效率.比较性的数值实验和仿真实验表明,MINGO具有更快的收敛速度和更高的寻优精度,处理复杂障碍环境下无人机三维路径规划问题具有非常明显的优势.

基于北方苍鹰优化算法优化长短期记忆神经网络的光伏发电功率短期预测

为提高光伏发电功率短期预测的精度,提出一种结合时变滤波经验模态分解和北方苍鹰优化算法优化长短期记忆神经网络的组合预测方法。首先,利用时变滤波经验模态分解将光伏发电功率分解成多个固有模态函数分量。其次,利用北方苍鹰优化(northern goshawk optimization,NGO)算法优化长短期记忆(long short-term memory,LSTM)神经网络隐含单元的个数、最大训练次数和初始学习率,构建NGO-LSTM预测模型。最后,把每一个固有模态函数分量都输入到预测模型中进行预测,将所有固有模态函数分量的预测结果进行叠加便可得到光伏发电功率短期预测的结果。仿真结果表明,所提的预测模型可以有效提高光伏发电功率的预测精度。

北方苍鹰算法在无人机路径规划中的应用

北方苍鹰算法是一种优秀的新型群智能算法,其优点适合高维工程问题求解。通过搭建三维地图仿真建模,将北方苍鹰算法和粒子群算法应用于无人机路径规划进行对比。观察无人机路径规划适应度值与综合数据结果表明,北方苍鹰算法相对更适合无人机路径规划的问题。

多策略协同优化的北方苍鹰优化算法及应用

针对北方苍鹰优化算法(Northern Goshawk Optimization algorithm,NGO)存在寻优精度低、收敛速度慢及易陷入局部最优值等问题,本文提出多策略协同优化的北方苍鹰优化算法(BLONGO)。首先,使用最优个体引领策略提高算法的收敛速度与精度;同时,采用增强莱维飞行策略避免种群个体陷入局部最优值;其次,使用小孔成像策略对当前最优值进行扰动,增加种群多样性,进而提升算法寻优精度。通过10个基准测试函数、Wilcoxon秩和检验寻优对比,验证改进算法在寻优精度、收敛速度及鲁棒性上得到了提升。最后,引入2个工程优化问题,进一步说明BLONGO在解决实际工程问题时的有效性与可行性。

改进粒子群及北方苍鹰复合算法在光伏MPPT的应用

针对局部阴影下输出功率多峰值的情况,传统最大功率点追踪算法易陷入局部最优、智能优化算法追踪时间较长的问题,提出一种基于反向学习的粒子群及北方苍鹰复合算法。利用Tent混沌映射及反向学习策略对初始种群进行优化;针对粒子群算法迭代后期收敛较慢的问题,引入基于种群方差的权重因子调整策略加快迭代后期的收敛速度;对初步确定的最大功率点利用北方苍鹰算法追击阶段进行局部开发,精确、迅速、稳定输出全局最大功率。在不同光照情况下进行仿真,提出的算法比粒子群、灰狼算法在追踪时间上提升明显且输出功率更优。改进粒子群及北方苍鹰复合算法有效加快算法的收敛速度的同时保证了较优的精度。

苍鹰翼尾缘结构的单元仿生叶片降噪机理研究

利用逆向工程方法提取苍鹰尾缘非光滑形态的降噪特征元素,由此建立了仿生叶片结构模型;采用基于Smagorinsky亚格子应力模型的大涡模拟,结合基于Lighthill声类比的FW-H方程,分别对仿生尾缘锯齿叶片和标准叶片的流道模型进行了三维流场及声场的数值计算;通过分析仿生齿形结构对叶尾迹流场的影响,研究了仿生尾缘齿形结构的气流噪声控制机理.结果表明:仿生尾缘锯齿结构叶片的总A计权声压级比标准叶片降低了9.8dB;叶片尾缘锯齿结构可以改变流场噪声峰值的分布规律,从而降低了噪声峰值,且大部分频率范围内的气动噪声均有所降低;仿生尾缘锯齿结构可以改变各截面尾迹涡的脱落位置,从而增大了涡心之间的距离,抑制了脱落涡对尾迹流动的扰动,进而减小了叶片表面的非定常压力脉动和尾迹涡引起的气动噪声.

改进北方苍鹰算法在光伏阵列中应用研究

针对北方苍鹰优化算法(NGO)存在收敛精度低和易陷入局部最优等问题,提出一种改进北方苍鹰算法(INGO),并应用于光伏阵列故障诊断。首先,利用Circle映射、自适应权重因子和Levy飞行策略改进了北方苍鹰优化算法,结合高斯检测机制和混合核极限学习机(HKELM)搭建INGO-HKELM故障诊断模型。其次,将INGO算法与NGO、粒子群算法(PSO)、鲸鱼算法(WOA)在测试函数上进行比较,表明在寻优能力、稳定性等方面具有优越性。然后,分析不同运行状态下光伏阵列运行特征,提出一种5维故障特征向量,作为数据的输入。最后,将4种算法分别对HKELM的核参数进行优化并实现故障分类。结果表明,所提方法能够准确地检测出光伏组件发生的异常状态,INGO-HKELM模型准确率达到93.74%,验证了所提算法的有效性和可行性。

基于改进北方苍鹰优化算法的多阈值图像分割

多阈值图像分割是一种简单、准确、高效且普遍的图像分割方法,相比单阈值图像分割更适用于包含大量信息的彩色图像。在多阈值图像分割中,随着阈值数量的增加,传统的枚举法计算量增大,分割一幅彩色图像不仅需要更多的时间,而且分割精度也随之降低。提出一种基于改进北方苍鹰优化(INGO)算法的多阈值图像分割方法。利用立方混沌优化与透镜成像反向学习策略增加种群多样性,在优化初始解的同时扩大种群搜索范围,使INGO算法尽可能搜索到潜在的最优解,增强算法的搜索能力。将最优最差反向与透镜成像反向学习策略相结合,避免INGO算法易陷入局部最优的情况,提高收敛精度。在对经典的伯克利测试图像进行多阈值彩色图像分割的实验结果表明,在GWO、PSO、ChOA等算法中,INGO算法取得峰值信噪比和特征相似度最优平均值的占比分别为100.000%和78.125%,在保证算法收敛效率的同时获得较优的图像分割结果,在多阈值图像分割领域具有较强的理论应用价值。

苍鹰尺骨骨折治疗与康复的报告

苍鹰（Accipiter gentilis）是鹰科（Accipiteridae）鹰属（Accipiter）的猛禽，为国家Ⅱ级重点保护野生动物，并被列入《濒危野生动植物种国际贸易公约》（CITES公约）附录。在北京地区苍鹰为旅鸟，每年春秋季市迁徙时过境。

彗星袭月、白虹贯日和苍鹰击殿

《战国策·魏策》“夫专诸之剌王僚也,彗星袭月;聂政之刺韩傀也,白虹贯日:要离之刺庆忌也,苍鹰击于殿上。……怀怒未发.休祲降于天。”如何理解”彗星袭月”、”白虹贯日”、“苍鹰击殿”和“休祲”呢?这要从古人对自然物的禁忌说起。

基于改进北方苍鹰算法优化混合核极限学习机的变压器故障诊断方法

为提高变压器故障诊断精度,提出了一种基于改进北方苍鹰优化算法(improved northern goshawk optimization algorithm,INGO)优化混合核极限学习机(hybrid kernel extreme learning machine,HKELM)的变压器故障诊断方法。首先,利用ReliefF算法对19维变压器故障特征进行筛选降维;其次,引入Logistic-tent混沌映射、柯西变异算子和非线性递增权重三种策略改进北方苍鹰优化算法,提高全局寻优能力;然后使用改进后的INGO算法优化HKELM的初始参数,以提高HKELM的分类准确性和鲁棒性;最后,将经ReliefF优选后的特征作为模型的输入特征,并与不同变压器故障诊断模型进行对比实验。仿真结果表明,INGO-HKELM故障诊断模型相较于其他模型具有更高的故障诊断精度。

苍鹰护翼千载盛,“四宝”励人百代兴 浙江永嘉宋代古村落苍坡村风水赏析

在风景秀丽的浙江永嘉楠溪江畔有一个远近闻名的古村落——苍坡。苍坡历史悠久、古韵悠扬。始祖李岑为避战乱从福建长溪迁居于此,五代后周显德二年（955）开始营建苍坡村落,南宋初年重建,至今已1000余年。现存村落基本保持南宋时期的规划原状与建筑风貌,其寨墙、路道、水池、古柏犹见当年风韵;苍坡是楠溪流域耕读文化最发达的村落之一,苍坡溪门、鼎香桥、李氏宗祠、望兄亭、仁济庙、水月堂、笔街、墨锭石、东西砚池等几十处文物古迹，至今仍然很好地保留了耕读文化的具体元素，以特色独具的古村人文风光而成为中国古村落中的经典。