基于PVS算法的苏拉卡尔塔棋博弈系统设计与实现

文章旨在介绍基于主变量导向搜索(Principal Variation Search,PVS)算法的苏拉卡尔塔棋博弈系统的设计与实现。为了优化搜索策略,提高搜索效率和决策准确性,文章选用将Alpha-Beta剪枝和主要变例相结合的PVS搜索算法设计与实现苏拉卡尔塔棋博弈系统。在评估函数方面,综合考虑盘面价值、棋子价值、移动范围以及攻击范围等关键因素,从而准确评估当前棋局状态。本研究的贡献在于实现了一个苏拉卡尔塔棋博弈系统,并为该领域的未来研究奠定了坚实基础。

基于改进SSA-DBN的质子交换膜燃料电池水故障智能分类方法

为了实现质子交换膜燃料电池(PEMFC)系统水故障的高效快速分类,提出了基于改进麻雀搜索算法(SSA)优化深度置信网络(DBN)的PEMFC故障分类方法。采用归一化处理消除故障数据参数之间量纲不同的影响,使用核主成分分析对数据进行故障特征提取,有效地缩减了原始数据维度,降低了运算复杂度,并避免低贡献度数据对故障分类造成干扰。引入柯西-高斯变异策略改进SSA,并利用SSA对DBN进行参数寻优,确定网络结构,通过优化后的DBN实现对PEMFC水故障的快速分类。对3 000组PEMFC水故障数据进行测试,结果表明:所提方法可以快速准确地识别PEMFC的正常状态、膜干故障、水淹故障3种健康状态;总体的分类准确率为98.67%,运算时间为0.89 s,相比支持向量机、概率神经网络方法,所提方法的故障分类精度分别提升了4%、3.34%,运算时间分别减少了15.35、0.35 s。

基于ISSA-LSTM的黄鳝池溶氧量多参数预测

为提高溶氧量的多参数预测精度,文中基于改进的麻雀搜索算法(Improved Sparrow Search Algorithm,ISSA)与长短期记忆神经网络(Long and Short-Term Memory Neural Networks,LSTM)建立ISSA-LSTM溶氧量预测模型,并将该模型用于上海市农业科学院黄鳝养殖池溶氧量预测。利用混沌映射、透镜成像反向学习、自适应调节和柯西变异对麻雀搜索算法进行优化,通过小波变换进行数据预处理,并利用主成分分析法确定模型训练的输入参数。训练结果表明,相关系数、均方根误差、均方误差和平均绝对误差分别为0.911、1.392 mg·L^(-1)、1.938 mg·L^(-1)和0.992 mg·L^(-1),均优于对照模型。选择模型输入参数对模型预测结果也会产生影响,使用与溶氧量中等相关和强相关的参数同时作为输入参数的模型预测效果最优。训练结果为溶氧量多参数预测模型的发展提供了新视角。

五子棋机器博弈系统评估函数的设计

针对五子棋机器博弈需借助棋型评估棋局产生的速度瓶颈,提出了棋型识别粒度与搜索深度相关联的多层架构评估函数设计方法。实验证实粗颗粒度估值在深层搜索时整体效率更高;多层次判读棋型能明显加快评估速度;走法生成函数引入快速评估,提前进行博弈树自然剪枝收效显著;非关键棋型依据棋局浮动分值平衡搜索深度,对五子棋亦见成效;以及估值函数针对性地延伸评估来减少地平线效应的开销更少;从而表明估值函数动态评估更加合理。

基于自适应VMD-KPCA特征提取与SSA-SVM方法的滚动轴承故障诊断

为降低滚动轴承故障特征维度,更好地选取算法参数,提高故障诊断率,提出了自适应VMD-KPCA特征提取与SSA-SVM相结合的滚动轴承故障诊断方法。首先,利用飞鼠搜索算法(SSA)对VMD中分解层数k和惩罚因子α的最优组合进行寻优,形成自适应的VMD对振动信号进行分解;其次,利用SSA对SVM中核函数参数g和惩罚因子c进行寻优,构建了SSA-SVM故障诊断模型;最后,对利用自适应VMD分解出的时域、频域、能量熵等IMF分量的故障特征进行计算,并经KPCA降维后输入SSA-SVM模型中,与多种故障诊断模型进行仿真对比分析。结果表明,SSA-SVM从适应度、准确率、运行时间上,都具有优越性;同时将用KPCA降维与未降维的SSA-SVM进行对比,证明用KPCA降维的SSA-SVM虽牺牲了少量准确率,却换取了运行时间上的大幅度提高。

基于KPCA-ISSA-KELM的光伏阵列故障诊断方法

为提高光伏阵列故障诊断的精度,提出一种基于核主成分分析(KPCA)和改进麻雀搜索算法(ISSA)优化核极限学习机(KELM)的光伏故障诊断方法。利用KPCA降维提取故障数据的非线性特征,减少外界条件产生的冗余数据,有效提高复杂故障识别准确率。通过融入Levy飞行和自适应权重t对麻雀搜索算法进行改进,并利用ISSA对KELM中的核参数γ和正则化系数C进行优化,建立了基于KPCA-ISSA-KELM的光伏阵列故障诊断模型。实验结果表明,经ISSA优化KELM的光伏阵列故障诊断模型与其他光伏阵列诊断模型相比,在故障诊断精度上达到97%,验证了该模型的准确性和有效性。