基于量子和声搜索算法的可再生能源渗透率组合预测模型研究

“双碳”目标极大地促进了我国可再生能源的发展。针对可再生能源渗透率的准确预测问题,提出基于量子和声搜索(QHS)算法的可再生能源渗透率组合预测模型。首先,采用多层感知器筛选出与可再生能源渗透率强相关的因素;其次,选择4种不同的单项预测模型,采用改进折现均方预测误差加权(MDMFSE)组合模型对单项预测模型结果进行集成;最后,利用QHS算法对MDMFSE的加权系数进行动态优化,构建QHS-MDMFSE组合预测模型,实现对可再生能源渗透率的预测。算例分析表明,所提模型相较其他传统模型具有更高的预测精度,且稳定性更高。

云制造环境中面向设计知识资源序列化组合的量子和声搜索算法

针对云制造环境下中小企业设计知识散乱无序、创新能力薄弱的现状,为将设计知识组合成有序的知识资源序列,提出知识资源的服务能力评估模型和知识资源序列化组合的数学模型,并设计了求解该模型的量子和声搜索算法。该算法通过引入量子化编码及量子门变换,提高了全局搜索能力。以模具中小企业设计知识资源组合优化问题为例,根据数学模型,用该算法求解出了成本与质量综合约束下的最优设计知识资源序列化组合。

基于量子和声搜索模糊集的低亮度图像NSCT增强

针对低亮度图像存在的对比度低、边缘弱、噪声干扰等问题,提出了一种基于改进量子和声搜索(QHS)算法优化模糊集变换的非下采样Contourlet变换(NSCT)域图像增强方法。首先,将低亮度图像进行NSCT分解,得到低频图像和多尺度高频子带图像。然后,改进QHS算法的量子旋转门更新策略,并将改进的QHS算法用于模糊集变换参数的优化以实现低频图像的自适应增强。接着,根据能量分布对贝叶斯萎缩阈值进行改进以去除高频子带的噪声系数,并通过非线性增益函数实现了边缘和纹理细节的增强。最后,对增强后的各尺度图像进行NSCT重构。对低照度图像、医学计算机断层成像(CT)图像、红外夜视等低亮度图像进行了实验,结果表明,与现有的图像增强方法相比,所提方法不仅改善了图像的整体亮度,还具有更高的信息熵、对比度和清晰度。此外,所提方法在有效抑制噪声的同时保留了更多的纹理细节,且适用于不同环境下的低亮度图像增强。

基于量子和声优化的改进DMSFE组合模型及在中长期电量预测中的应用

为了最大限度利用单项模型预测信息,减少模型选择的风险,给出了一种基于量子和声搜索算法(QHS)的改进DMSFE组合预测方法(QHS-IDMSFE)。考虑时点差异和模型差异,将DMSFE模型中的折现因子β扩展为矩阵形式。并采用量子编码和声库,利用态叠加增加和声库中每个和声携带的信息量,提高算法的寻优能力,以达到在保证MAPE目标函数最小前提下通过QHS算法寻优确定出最优β矩阵形式,进而确定单项模型的组合权重。采用两个地区年用电量数据对提出的模型进行验证,结果显示该组合方法能有效提高预测精度且适用于中长期电量预测。同时能够实现矩阵β的智能寻优,并保证预测误差最小。

复杂装备多因素耦合安全性QHS-ESN度量

针对装备安全事故耦合机理不明确、危险因素关联复杂的问题,提出场景分割耦合方法。将危险因素分割为危害故障、人为失误、致命环境、危险属性4个分量,从危险分量之间的非线性耦合关系拟合角度进行装备安全性度量;在此基础上,利用量子和声算法较强的全局寻优能力,构建一种新的量子和声搜索-回声状态网络(quantum harmony search echo state network,QHS-ESN)模型及其算法。并将其应用到某型飞机低空大表速飞行安全性度量中。仿真结果表明,该模型比原有的回声状态网络模型、和声神经网络模型在低空大表速飞行场景危险分量非线性耦合关系拟合上,兼顾拟合精度和稳定性能,具有更好的装备安全性度量效果。