Approach to WTA in air combat using IAFSA-IHS algorithm

In this paper, a static weapon target assignment（WTA）problem is studied. As a critical problem in cooperative air combat,outcome of WTA directly influences the battle. Along with the cost of weapons rising rapidly, it is indispensable to design a target assignment model that can ensure minimizing targets survivability and weapons consumption simultaneously. Afterwards an algorithm named as improved artificial fish swarm algorithm-improved harmony search algorithm（IAFSA-IHS） is proposed to solve the problem. The effect of the proposed algorithm is demonstrated in numerical simulations, and results show that it performs positively in searching the optimal solution and solving the WTA problem.

基于IAFSA-SVM的心音信号识别研究

为提高心音信号识别的准确率,针对传统的支持向量机(SVM)在寻找最优核函数参数和惩罚因子时存在的优化问题,提出一种改进的人工鱼群算法(IAFSA)优化SVM的心音信号分类算法(IAFSA-SVM)。首先将采集到的含噪心音信号利用改进的小波阈值进行降噪处理,并进行时频域分析提取出特征值;然后采用改进的人工鱼群算法寻找最优SVM参数,并输入到SVM识别模型中进行心音信号的识别。通过仿真证实IAFSA-SVM算法相对于传统的SVM模型和粒子群优化的SVM模型提高了心音信号识别的准确率,为心脏病的诊断提供了新方法。

基于AFSA优化ELM的SF_(6)断路器触头烧蚀状态评估

为评估SF_(6)断路器触头的烧蚀状态,对断路器进行模拟烧蚀试验,并采用3种不同测试电流分别测量动态电阻行程。结果表明:增大测试电流可以减少动态电阻曲线的波动;除电流烧蚀作用外,操动机构松动会造成触头分合闸不到位,导致动态电阻曲线中主触头行程不断减小。将触头烧蚀状态按照烧蚀次数划分为4个等级;从动态电阻行程曲线中提取5个状态参数作为输入参数,基于极限学习机建立触头烧蚀状态的评估模型,并使用人工鱼群算法对模型进行优化;建立未优化的极限学习机模型进行对比。结果表明:利用优化后的模型能够准确分类测试集样本的烧蚀等级,准确率为100%;人工鱼群算法可以提高模型的评估准确率,使模型具有更好的稳定性。

PSO和AFSA混合优化算法

结合粒子群优化(PSO)算法和人工鱼群算法(AFSA)的优势,提出一种PSO-AFSA混合算法。将种群分为2个子群体,在每次迭代中,一个子群体利用PSO算法进化,另一个子群体利用AFSA进化,2个算法共享整个种群极值信息。通过混合算法对5个标准函数进行实验,并与标准PSO算法进行比较,结果表明混合算法具有更好的优化性能。

IAFSA-RBF神经网络在短期负荷预测中的应用

为了提高人工鱼群算法AFSA(artificial fish swarm algorithm)的全局搜索能力及加快其收敛速度,提出一种将其与免疫算法IA(immune algorithm)进行结合的新方法,形成了免疫人工鱼群算法IAFSA(immuneartificial fish swarm algorithm),并且利用该算法自动选取径向基函数RBF(radial basis function)神经网络中的输入变量,以及对网络中隐含层到输出层之间的权值进行训练,从而减少了RBF神经网络的工作量,提高了训练速度。用优化后的RBF神经网络进行短期负荷预测,结果表明,该方法具有较高的预测精度。

基于广义高斯随机混沌算法的AFSA在WSN覆盖中的研究

如何能够进行更好的覆盖优化是目前无线传感器网络研究的热点。针对目前的传感覆盖模型没有考虑覆盖范围、成本和连通性的问题进行改进,在人工鱼群算法(AFSA)的基础上,对初始阶段对人工鱼群采用广义高斯分布,在觅食阶段采用混沌算法,使得个体分布更加合理,有效减少了聚群行为的时间。仿真结果表明,改进后的人工鱼群能够有效地提高节点的覆盖率,降低了网络消耗和成本,为传感覆盖优化提供了一种新的方法。

基于AFSA-SVM的网络入侵检测模型

特征选择是网络入侵检测研究中的核心问题,为了提高网络入侵检测率,提出一种人工鱼群算法(AFSA)和支持向量机(SVM)相融合的网络入侵检测模型(AFSA-SVM)。将网络特征子集编码成人工鱼的位置,以5折交叉验证SVM训练模型检测率作为特征子集优劣的评价标准,通过模拟鱼群的觅食、聚群及追尾行为找到最优特征子集,SVM根据最优特征子集进行网络入侵检测,并采用KDD CUP 99数据集进行仿真测试。仿真结果表明,相对于粒子群优化算法、遗传算法和原始特征法,AFSA-SVM提高了入侵检测效率和检测率,是一种有效的网络入侵检测模型。

基于AFSA-BP神经网络的湿度传感器温度补偿

针对HMP45D型温湿一体化传感器在使用中受温度影响的问题,提出了基于人工鱼群算法(AFSA)的BP神经网络温度补偿方法,用AFSA算法优化BP网络的初始权阈值并用该值训练BP网络。根据湿度传感器在多温度下所测数据,建立AFSA-BP神经网络模型实现温度补偿,与传统BP神经网络方法对比。结果表明,与传统BP神经网络相比,AFSA-BP神经网络的误差绝对值之和降低了6.14%,改善了BP神经网络易陷入局部极小的缺陷,提高了补偿精度。

改进AFSA算法优化SVM的变压器故障诊断

提出一种基于改进人工鱼群算法优化支持向量机(SVM)的变压器故障诊断方法。首先对基本人工鱼群算法进行改进,引入柯西变异优化觅食行为,并在算法的迭代过程中利用鱼群搜索到的信息和t分布变异的特点,对劣质个体鱼进行消亡与重生,提高鱼群算法的寻优效率和求解精度。然后,利用改进的人工鱼群算法优化SVM的核函数参数及惩罚系数,使SVM分类器获得最佳的分类精度。最后采用决策导向无环图(DDAG)方法建立变压器故障诊断SVM多分类决策模型。通过仿真实验将提出的方法与网格搜索法Grid-SVM、GA-SVM、PSO-SVM比较,所建模型具有更高的诊断正确率。

基于AFSA-ACA自适应模糊滑模的采煤机滚筒液压调高控制

为研究采煤机滚筒在不同复杂工况下的位置跟踪控制,以液压机构的工作原理为基础,建立了滚筒液压调高机构的数学模型。基于自适应模糊微分积分滑模鲁棒性强的优点,提出了在鱼群-蚁群融合算法优化滑模控制器参数条件下的滚筒位置跟踪控制方案,并分析了滚筒在采用一般滑模控制器及自适应模糊微分积分滑模控制器下位置跟踪的特点。仿真结果表明:采用结合融合算法优化的自适应模糊微分积分滑模控制器的滚筒调高机构对内部参数摄动及外部时变干扰具有较好的鲁棒性,能够实现位置跟踪控制。

基于AJAFSA-SVM温度补偿算法的SF6泄漏检测方法研究

针对现有六氟化硫（SF6）气体泄漏在线检测方法检测精度低的问题,提出了一种基于差分吸收激光雷达（DIAL）检测方法及系统。该系统通过测量SF6气体浓度达到泄漏检测的目的。实验研究表明,检测系统在不同温度下测量误差值超过允许范围,需要进行温度补偿,因此提出了一种基于改进人工鱼群算法（AJAFSA）的支持向量机（SVM）温度补偿算法。针对SVM中惩罚因子C和高斯核函数σ的传统选择方法精度低,搜索时间长且难以获得最佳值的问题,该算法自适应获取人工鱼群（AFSA）算法的视野和步长并加入全局信息,对SVM算法中参数C和σ寻优。研究表明,与AFSA优化的SVM算法相比,该算法训练时间减小了35.300 s,测试时间减小0.657 s,测试极差值减少到49,为之前的60.49%,算法性能更优。

最优化问题全局寻优的AFSA-BFGS混合算法

针对人工鱼群算法在优化后期收敛速度变慢问题,利用BFGS算法快速的局部搜索能力来改进,提出了一种最优化问题全局寻优的AFSA-BFGS混合算法。通过8个标准函数测试结果表明,AFSA-BFGS混合算法,不仅具有全局收敛性能,而且还具有较快的收敛速度和更高的求解精度,是求解优化问题的一种有效方法。

煤与瓦斯突出强度预测的AFSA-PCA-FCM耦合模型

针对传统模糊C均值(FCM)聚类算法在预测煤与瓦斯突出强度时不精确的问题,提出了一种基于人工鱼群算法(AFSA)和FCM聚类算法相结合的主成分分析(PCA)筛选的混合新方法。使用AFSA优化FCM聚类算法的初始参数,在公告板中更新AFSA的最优解,从而确定当次的聚类中心,通过PCA找到一个最佳聚类中心。通过无线传感网络系统实时采集井下影响煤与瓦斯突出的主要因素数据作为样本,将预处理后的数据进行分析、建模,并与AFSA—BP,FCM等方法进行比较、讨论。结果表明:对于煤与瓦斯突出强度的预测,该方法具有较高的准确性、快速性并能够稳定地收敛于全局最优解。

基于CM-AFSA算法的碾压混凝土坝热学参数反分析

针对通过试验得到的碾压混凝土坝热学参数偏离实际的问题,引入人工鱼群算法并利用云模型理论对其进行优化,将改进得到的CM-AFSA算法用于碾压混凝土坝热学参数反演中。结合某碾压混凝土坝实测资料,将算法通过MATLAB软件编程,反演其热学参数,并利用反演出的热学参数进行温度场的正演算,将得到的温度计算值与实测资料中的真实值进行对比,结果表明,两者的拟合程度很高,说明CM-AFSA算法在碾压混凝土坝热学参数反演中具有较好的适应性。

AFSA与POA融合算法在水库中长期优化调度中的应用研究

通过融合AFAS(人工鱼群算法)、POA(逐步优化算法)两种算法形成一种融合优化算法,解决AFAS算法容易陷入局部最优解与POA优化速度缓慢问题,使得融合算法在水库优化调度中更快、更准确地获得调度过程最优解。融合算法利用AFAS快速收敛的特点,获取调度过程初步解,再以POA跳出局部最优解的能力获得全局最优解。融合算法以天生桥一级水电站为实例,分别以AFAS、POA、AFAS与POA融合3种算法对电站历史过程进行优化调度,结果表明,融合算法综合考量结果优于单一AFAS与POA结果,说明AFAS与POA相融合的算法在水库调度的优化方面有一定的应用空间。

一种求解多项式根最大模的区间进化AFSA

针对多项式根的最大模求解问题,给出一种求解多项式根最大模的区间进化人工鱼群算法(AFSA)。该算法利用公告板上前后两代的信息,将搜索区间映射到更为有效的区域中,其搜索区间是动态的和进化的,从理论上证明该算法的收敛性。仿真实验结果表明,该算法在求多项式根最大模中是可行有效的,收敛速度快,求解精度高。

基于改进的AFSA算法对复杂系统的寻优

由于工程中的复杂系统常常具有非线性的特点,因此寻找满足系统要求的最低成本成了复杂系统设计的难点。针对这一问题,文章对常规的人工鱼群算法(artificial fish school algorithm,AFSA)进行了双空间自适应嵌套式的改进,探讨了改进后的AFSA算法在复杂系统寻优中的可行性,并对3个测试的复杂系统进行了分析计算;结果表明,与原算法相比,改进后的算法在提升寻优精确度与收敛速度方面有很好的效果。

AFSA-BP速度辨识器在DTC系统中的应用研究

为实现无速度传感器直接转矩控制,有时采用神经网络转速辨识器,但前馈神经网络结构难以确定,运用BP算法时又极易陷入局部解。将人工鱼群算法与BP算法相结合的AFSA+BP算法,实现了人工鱼群算法的全局搜索能力与BP算法的局部寻优性能的互补结合。将所设计的神经网络转速辨识器运用到直接转矩控制系统当中,利用Matlab/Simulink实现无速度传感器控制系统的仿真实验结果表明,该算法具有良好辨识效果。

一种基于AFSA的SVM分类方法(英文)

应用一种全局搜索方法即人工鱼群算法(artificial fish swarm algorithm,AFSA)来优化支持向量基(support vector machines,SVM)的参数,并应用于图像分类。基于分类,初始化惩罚系数C和核函数参数δ2的范围;利用AF-SA来优化SVM的参数,并得到合适的值;最后,把参数优化后的SVM应用于分类。实验结果表明,与C-SVC和交叉验证法相比,其分类结果优于其它两种方法,因此AFSA-SVM方法有更好的准确性和鲁棒性。

自适应差分变异的人工鱼群算法

针对人工鱼群算法存在的全局搜索能力欠缺,鲁棒性差及易陷入局部极值等不足,提出一种自适应差分变异的人工鱼群算法(ADMAFSA).首先,该算法采用自适应视野和步长策略,改善种群个体在较优区域的精细搜索能力,提升算法的寻优精度.其次,在人工鱼群的随机行为中引入反向学习机制,通过发掘潜在的寻优空间,提高算法的全局搜索性能,避免算法早熟收敛.最后,借鉴差分进化算法对质量较差的人工鱼进行变异操作,从而增加鱼群的多样性,降低算法陷入局部极值的可能性.为验证改进算法的性能,本文对6个基准测试函数和8个CEC2019函数进行仿真,与其他AFSA变体、新型智能算法进行对比,实验结果表明,ADMAFSA在寻优精度和鲁棒性方面均有所提高.最后,在齿轮系设计问题上,进一步证明了改进算法具有较好的优化效果.