基于精英反向学习策略的麻雀搜索算法

针对麻雀搜索算法(Sparrow Optimization Algorithm,SSA)存在收敛速度慢、容易陷入局部极值的问题,提出了一种基于精英反向学习(EOBL,elite opposition-based learning)的麻雀搜索算法。该算法引入精英反向学习策略,通过精英个体反向学习生成反向解,同时获取精英麻雀的动态边界,对比更新前后麻雀,如果更优则替代之前的麻雀,从当前解和精英反向解中挑选优异个体作为下一代种群,有效的提高了算法全局搜索能力和搜索精度。通过标准测试函数进行对比仿真,结果表明加入精英反向学习麻雀搜索算法具有很好的全局搜索能力和收敛速度。

基于改进XGBoost超参数优化的地下工程空调系统负荷预测

针对地下工程空调负荷难以精确预测的问题,提出一种基于天牛须搜索算法(Beetle Antennae Search,BAS)优化极限梯度提升算法(eXtreme Gradient Boosting,XGBoost)的负荷预测模型。该算法通过引入典型最优解引导机制优化常规BAS算法中的位置更新策略,同时采用线性递减策略对天牛的搜索步长进行修正,以实现更快达到全局最优点,提高收敛速度;并利用改进的BAS算法对XGBoost中的决策树个数、树的最大深度2个对模型预测精度有较大影响的超参数进行寻优,以获得XGBoost的最优参数组合,提高模型预测精度。最后,以某地下保障工程空调系统为研究对象,验证所提出的预测模型的有效性。

一种量子磷虾群融合算法及其应用

针对磷虾群算法和量子进化算法的缺陷,提出了一种量子磷虾群融合算法(quantum krill herd fusion algorithm,QKH)。该算法通过采用双链实数编码量子磷虾位置,加快收敛速度,避免量子观测的随机性和复杂性;通过利用动态调整的量子磷虾群旋转门更新磷虾位置,提升收敛精度,提高量子旋转相位的确定效率;通过改进的量子全干扰交叉策略,避免算法陷入局部最优,提升优化效率。通过经典测试函数验证了所提算法的优势。建立了QKH-BPNN空调负荷预测模型,仿真结果表明:该模型具有更好的准确性和稳定性。

开立指定偿付银行信用证业务

如果开证行在偿付行付款后才发现单据不符而拒付，向索偿行追款将是一件耗时耗力的事情。因此建议开立即期信用证时选择作风和信用良好的银行作为指定行。