基于萤火虫搜索算法的图像纹理特征提取研究

为了提高图像纹理特征提取的查准率，采用图论萤火虫搜索算法。首先基于图论分层结构，确定萤火虫分布；接着通过差分操作更新萤火虫，依据轮盘法运动、欧式距离计算萤火虫的相互之间吸引度；然后对萤火虫搜索成功与失败分析，确定动态移动步长；最后建立图像纹理特征提取模型和算法流程。实验显示该算法既能提高查准率，又缩短处理时间。

基于IGSO优化LM网络的变压器故障诊断方法

针对现今电力变压器故障诊断方法中存在编码边界区间过于绝对、准确率不高等一系列问题,提出了一种自适应搜索萤火虫算法(IGSO)优化列文伯格·马夸尔特(LevenbergMaquardt,LM)网络的变压器故障诊断方法。该方法采用萤火虫个体代表神经网络的权值和阈值、LM网络的均方误差函数作为萤火虫个体的适应度函数,利用改进萤火虫算法迭代寻优得到LM网络的最优权值和阈值。同时,运用模糊理论对改良三比值法的边界模糊化,将得到的特征气体比值编码作为网络模型的输入,不仅有利于去除冗余信息,并且克服了编码边界区间过于绝对的缺点。然后,建立基于自适应搜索萤火虫算法优化的神经网络模型,并将典型变压器故障数据代入仿真,通过与贝叶斯正则化神经网络模型以及粒子群模型的仿真结果对比,表明该方法具有较好的分类效果,准确率达到88.57%。

改进的支持向量回归机在电力负荷预测中的应用

电力预测是一项重要的工程应用。为了解决多层次粒度支持向量回归机(Dynamical Granular Support Vector Regression Machine,DGSVRM)预测电力负低荷精度的问题,提出一种基于萤火虫群优化(Glowworm Swarm Optimization,GSO)算法与模式搜索算法(Pattern Search,PS)的混合算法来优化DGSVRM预测模型的关键参数。仿真实验表明,通过优化参数之后,预测模型的预测精度得到很大提高。

基于萤火虫禁忌算法的考虑谐波污染的无功优化研究

近年来,电力电子装置的广泛应用引起了谐波污染。如果直接对电力系统进行无功优化,将会引起谐波放大。针对这一问题,提出考虑谐波污染的无功优化的数学模型,首次将萤火虫禁忌算法(GSO/TS)运用到无功优化中。最后通过对IEEE30节点算例进行仿真分析,验证了可行性和优越性,在减小了网损和各次谐波畸变率的同时,提高了收敛速度和计算精度。

新型群智能优化算法综述

传统群智能算法在解决复杂实际多目标优化问题中存在不足,近年来学者提出诸多新型群智能算法,适用性强,在求解复杂实际问题中取得了较好的实验效果。以算法提出时间为主线,对新型群智能算法中细菌觅食优化算法、混合蛙跳算法、人工蜂群算法、萤火虫算法、布谷鸟搜索、果蝇优化算法和头脑风暴优化算法的改进及应用进行分析和综述,并对群智能算法未来的研究发展方向进行了探讨。

基于GMOGSO的多目标流水车间调度问题

针对缓冲区有限的多目标流水车间调度问题,提出一种基于Pareto最优的广义多目标萤火虫算法.通过引入交换子和交换序将基本萤火虫算法离散化,并将算法拓展为全局搜索过程和局部搜索过程.进化初期采用全局搜索将种群推向较优区域,进化中后期采用捕食搜索策略使算法主体在全局搜索和局部搜索间智能切换,从而保证全局与局部的平衡.动态变步长策略进一步增强了算法搜索能力.通过算例测试验证了所提出算法的有效性.