融合GSO算法与AFSA算法的人工智能电力系统预测模型设计

为了解决传统统计模型在电力系统负荷预测中存在的稳定性差、使用率低等情况,研究将人工智能引入到了电力系统的统计模型中。研究创新地将人工萤火虫算法和人工鱼群算法进行优化和融合,将其用于构建电力系统负荷预测模型。首先对人工萤火虫算法进行优化,然后将优化后的人工萤火虫算法与人工鱼群算法进行融合用于构建电力负荷预测模型,最后利用仿真实验来验证预测模型的性能。结果表明,通过预测模型的归一化处理,节点电压的波动范围明显更平稳,其波动范围分布在[0.961~1.00pu]。同时预测模型在迭代至66次获得了最优解,也明显优于对比算法。这说明融合人工萤火虫算法和人工鱼群算法的人工智能电力系统负荷预测模型在准确性和稳定性方面表现出优越性。

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.

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。

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。

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。

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。

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。

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.

AFSA与改进FSOA相结合的优化方法

提出一种采用AFSA和改进FSOA相融合的混合优化方法。该优化方法在寻优过程中交替使用AFSA和改进FSOA优化方法,使用AFSA来搜索局部最优域,使用改进FSOA优化方法来加快算法收敛速度和提高优化精度。实验仿真结果表明,该优化算法具有收敛速度快、优化精度高、全局寻优能力强、算法稳定性好等特点,对于求解高维复杂函数的优化问题是有效的和可行的。

基于AFSA优化的龙门起重机防摆PID控制器

为减小龙门起重机运行过程中负载的摆角,在MATLAB/Simulink软件中建立PID控制模型,利用人工鱼群算法(Artificial Fish Swarm Algorithm,AFSA)优化模型参数,通过仿真分析,该模型显著减小了龙门起重机负载摆角,实现了龙门起重机快速精准定位,鲁棒性好。结果表明人工鱼群算法与PID控制器结合的方法具有可行性和有效性。

IAFSA-GRNN在油田集输管道CO_(2)腐蚀速率预测中的应用

为提高油田集输管道CO_(2)腐蚀速率预测的准确性,针对原始广义回归神经网络(GRNN)预测精度低的问题,提出改进的群智能算法优化原始GRNN的预测模型;分别使用GRNN模型、人工鱼群算法(AFSA)优化的GRNN(AFSA-GRNN)模型和自适应改进的AFSA-GRNN(IAFSA-GRNN)模型预测X65管线钢的CO_(2)腐蚀速率。结果表明:采用AFSA和IAFSA优化光滑因子S后,能大大提高GRNN模型的预测精度,预测结果的平均相对误差由36.09%分别减小至7.20%和6.90%;与AFSA相比,IAFSA优化的GRNN不仅具有更高的预测精度,还具有更快的收敛速度。AFSA-GRNN在第164次迭代计算时收敛,而IAFSA-GRNN在第109次迭代计算时收敛,说明AFSA经自适应优化能提高优化过程的收敛速度和GRNN的预测精度。

基于AFSA优化的支持向量机柴油机性能预测模型

电控高压共轨技术的采用使得船用柴油机性能及排放具有了更大的优化空间,但同时柴油机控制参数增多使得柴油机性能的预测变得更为复杂。为建立精确的柴油机性能预测模型,利用回归支持向量机,通过对试验数据的学习以获得预测模型。支持向量机的预测精度会因其参数的选择出现一定的差异,所以需要对支持向量机参数选择进行研究和优化。以某型船用高速大功率电控高压共轨柴油机为研究对象,建立支持向量机预测模型,分析其预测性能受参数选择的影响,并利用人工鱼群算法对其进行优化。结果表明,基于人工鱼群算法优化的回归支持向量机能够建立精度较高的柴油机性能预测模型,且人工鱼群算法具有很好的寻优性能。

基于AFSA-GA混合算法的圆锥刀轨迹优化

针对工业生产上用圆锥刀侧铣加工非可展直纹面问题,通过两点偏置法计算原始刀轴矢量位置和误差度量函数求取单刀位下的刀轴矢量位置.对于各个刀位下的不同位置优化问题,提出基于人工鱼群(AFSA)和遗传算法(GA)的混合算法作为求解策略.仿真建模计算显示,基于人工鱼群和遗传算法的混合算法的仿真计算结果精度较高,轨迹优化后刀具位置集合形成的刀具包络面误差最小,对于非可展直纹面侧铣加工具有一定的实际意义.