基于二次插值的天牛须搜索算法

针对天牛须搜索算法在高维空间中搜索精度低和易陷入局部最优的问题进行了研究,提出一种新的天牛须优化算法——基于二次插值的天牛须搜索算法(QIBAS)。算法在天牛进行移动后,将天牛当前位置左右两触须作为插值坐标点,利用二次插值生成一个新的解,再对比插值产生的解与当前最优解、全局最优解的适应度值,更新全局最优解。对多个单峰函数和多峰函数进行数值仿真测试,其维度分别取100、500、1000、5000、10000。仿真结果表明,引入二次插值有效提升了BAS算法跳出局部最优的能力。QIBAS在求解最优值时,其求解精度有极大的提升,收敛速度也有较明显提升,改进算法的有效性得以验证。

融合多狩猎协调策略的爬行动物搜索算法

爬行动物搜索算法(RSA)具有较强的全局探索能力,但开发能力相对薄弱,在迭代后期无法较好地收敛。针对上述问题,综合教与学优化(TLBO)算法、二次插值的天牛须搜索(BAS)算法和透镜成像反向学习策略,提出一种融合多狩猎协调策略的爬行动物搜索算法(MHCS-RSA)。MHCS-RSA保留了RSA包围阶段(全局探索)和狩猎阶段(局部开发)中狩猎合作的位置更新公式,在狩猎阶段,将狩猎协调融合TLBO算法的学习阶段和二次插值的BAS进行位置更新,以增强算法的开发能力和收敛能力;此外,引入透镜成像反向学习策略以增强算法跳出局部最优的能力。在CEC 2020测试函数上的实验结果表明,MHCS-RSA具有良好的寻优能力、收敛能力以及鲁棒性。最后通过对拉力/压力弹簧设计问题和减速器设计问题的求解,进一步验证了MHCS-RSA求解实际问题的有效性。

基于二次插值法的布谷鸟搜索算法研究

对基本的布谷鸟搜索算法(Cuckoo Search,CS)进行研究,为改进CS算法局部搜索能力差、进化后期收敛速度慢、求解精度低等缺陷,考虑到二次插值法是一种局部搜索能力较强的搜索方法,提出一种基于二次插值法的布谷鸟搜索算法(QI_CS)。新算法充分利用鸟窝个体局部的优化信息,增强算法的局部搜索能力,加快算法搜索全局最优解的收敛速度。仿真实验结果表明,QI_CS算法在保持原算法的强大全局寻优能力的基础上大幅提高算法的收敛能力和求解精度,是求解多峰函数优化问题的一种可行和有效的方法。

基于增强天牛须搜索算法的专色配方预测方法

专色的准确预测是包装印刷领域的重要技术之一。为了得到更加准确的专色配方,提高专色配色精度,提出了一种结合最小二乘法和增强天牛须搜索算法的专色配方预测方法,并利用吸光度来解决专色配方的预测问题。研究了高透光特性PET薄膜的光谱模型,并构建了吸收光谱机理模型;提出了增强天牛须搜索算法,在传统天牛须搜索算法的基础上,引入突变概率项和方向修正项,提升算法的搜索能力和收敛速度;利用最小二乘法优化配色色域空间,降低基色搜索维度,提高寻优效率。应用所提出的增强天牛须搜索算法求解各基色比例,预测专色配方,并与传统天牛须算法、粒子群算法和蚁群算法进行比较,验证所提方法在专色预测方面的有效性和优越性。研究结果表明,所提方法与现有的3种方法相比,具有更高的精度,原有专色和预测专色之间色差均小于3,且90%的色差小于1,40%的色差小于0.1,所提方法对于提高专色油墨的配色精度具有显著效果,可准确地预测专色配方。

布谷鸟搜索算法在超市配送中心选址问题中的应用

以节省企业各项运营成本和最小投资费用为目标,建立了连锁超市配送中心选址问题的数学模型。为解决优化选址问题,对基本的布谷鸟搜索算法(Cuckoo Search,CS)进行了研究,鉴于CS算法局部搜索能力差、进化后期收敛速度慢等缺陷,考虑到二次插值法是一种局部搜索能力较强的搜索方法,提出了一种基于二次插值法的布谷鸟搜索算法(QI_CS)。仿真实验结果表明,提出的QI_CS算法不但降低了计算的复杂度,大幅提高了算法的收敛能力和求解精度,更优化了选址模型,而且为解决物流选址问题提供了新的有效途径。

基于改进最小二乘支持向量机的一次风机状态预测方法研究

在“双碳”目标下,针对一次风机工况复杂且多变量强耦合特点,提出一种基于改进天牛须搜索算法(IBAS)优化的最小二乘支持向量机(LSSVM)一次风机状态预测模型。首先,基于“系统+部件”的思想多维度构建了原始特征体系,采用皮尔逊相关系数对各维度数据进行降维处理;其次,应用IBAS对LSSVM模型中的超参数进行寻优计算,建立了完整的一次风机状态预测模型;最后,采用国内某电厂的一次风机实测数据进行算例分析。结果表明:所提出的一次风机状态预测方法在精度和收敛速度上具有一定的优越性,其平均绝对百分比误差为2.53%,低于其他模型,可满足风机状态预测的工程实践需求。

基于PLS-MI组合的天牛须搜索BP神经网络模型对汽油辛烷值的预测性能

针对数据集中特征变量存在高度非线性和冗余的特点,提出了一种基于偏最小二乘回归(PLS)和互信息(MI)组合降维法的改进天牛须搜索算法(RSBAS)优化BP神经网络模型(PLS-MI-RSBASBP),并用于S Zorb装置汽油辛烷值的预测。首先通过偏最小二乘法和互信息组合算法选取与汽油辛烷值强相关的特征变量,然后使用RSBASBP模型对汽油辛烷值进行预测,并与BP,GABP,BASBP网络模型预测结果比较。结果表明:PLS-MI-RSBASBP模型预测结果较其他模型预测结果的MAE,MSE,RMSE更小,预测准确度高;而且,PLS-MI-RSBASBP模型可以确定影响汽油辛烷值的特征变量,从而进行有效控制和优化。

二次插值模型直接搜索算法的参数分析

对无约束优化问题的二次插值型直接搜索算法中初始插值半径,信赖域初始半径,位移接受准则和信赖域半径调节参数进行了数值实验分析.数值实验表明解无约束优化的基于二次函数插值型的直接搜索算法对初始插值半径和信赖域初始半径比较敏感,对位移接受准则和半径调节参数不敏感.根据数值实验结果推荐初始插值半径的选取应与信赖域初始半径相等,同时给出了基于二次插值型的直接搜索算法中初始插值半径与信赖域初始半径的选择区间和其它参数的推荐值.这些结果对这类算法的数值实现和工程应用是有益的.

混合布谷鸟搜索算法求解非线性方程组

针对当前算法求解非线性方程组存在求解个数不完整、精度低等问题,提出一种混合布谷鸟搜索算法(HCS).首先分析原始布谷鸟搜索算法不足,再结合差分进化算法和二次插值优势,将其进行深度融合.通过12个非线性方程组的仿真实验,结果表明算法能有效搜索到非线性方程组的较多解,并与其他算法进行比较,算法在解的数量和质量上具有优越性.

货物旋转对三向叉车横向稳定性影响及控制策略研究

文章考虑了三向叉车在装载货物运行的情况下,其货叉带动货物旋转引起整车的合成重心变化,进而提出一种考虑货物旋转情况的叉车横向稳定性模型。针对三向叉车的合成重心变化导致其横向稳定性不足的问题,首先在该文建立的叉车模型基础上运用线性二次型调节器(linear quadratic regulator,LQR)最优控制法,提出一种基于天牛须搜索的粒子群算法(particle swarm optimization based on beetle antennae search,BAS-PSO)来优化LQR状态矩阵加权系数的方法,进而设计LQR转向控制器;然后基于BAS-PSO优化的LQR转向控制器实现对理想横摆角速度和理想质心侧偏角的快速跟随;最后在双移线换道工况下进行仿真分析,验证了上述控制策略能有效抑制质心侧偏角的偏移,更好地实时跟踪理想横摆角速度,三向叉车在其货叉装载货物进行旋转操作时的横向稳定性得到了明显改善。

起重机载荷谱回归预测的LSSVM模型优化研究

准确获取在役起重机正常工作状态下的载荷谱是预测和评估起重机疲劳剩余寿命的必要条件,但由于起重机载荷的不确定性、多样性和随机性,以及现场实测环境的复杂性,导致起重机载荷谱数据获取仍然十分困难。为解决起重机载荷谱预测样本容量小和准确性低的问题,基于优化算法和机器学习技术,提出了一种改进的天牛须搜索算法(improved beetle antennae search,IBAS)优化最小二乘支持向量机(least square support vector machine,LSSVM)模型,建立IBAS-LSSVM载荷谱预测模型。在传统的天牛须搜索算法的基础上,通过反正切函数控制步长的更新,并设置能够跳出算法停滞的方法,避免算法陷入局部最优,提升了算法的全局寻优性能。以某型号通用桥式起重机为例,利用IBAS-LSSVM模型对起重机的小样本载荷谱进行回归预测和分析。结果表明,同其他回归预测模型相比,IBAS-LSSVM预测模型具有更高的预测精度、较快的收敛速度和更好的泛化性能,也避免了陷入局部极小值的问题,该方法对起重机载荷谱的回归预测和进一步的疲劳剩余寿命评估具有重要意义。

基于VMD-ABAS-LSSVM的线损率预测模型

针对地区电网220 kV线路线损率数据呈现波动、非平稳的情况,为提高线损率预测精度,使用变分模态分解(variational mode decomposition,VMD)算法,将原始线损率时间序列分解为不同频率尺度的子序列,再利用最小二乘支持向量机(least squares support vector machine,LSSVM)模型进行线损预测。为了提高LSSVM模型的子序列预测精度,采用自适应天牛须搜索(adaptive beetle antennae search,ABAS)算法进行参数优化。与标准天牛须搜索(beetle antennae search,BAS)算法相比,ABAS算法采用了天牛多向感知模型,引入了变步长探路反馈更新策略,具备更快的收敛速度与更强的寻优能力。最后以湖北黄石地区220 kV栖儒桥—栖宫线的真实数据为例进行算法验证,结果表明所提出的VMD-ABAS-LSSVM模型能更有效地对线损率进行准确预测。

基于可见光图像识别的绝缘子污秽等级判别

提出了一种基于绝缘子可见光图像的颜色特征和最小二乘支持向量机模型的方法,通过建立污秽等级与颜色特征的对应关系,实现了绝缘子污秽等级的识别。以南昌电网多个变电站的红褐色瓷质绝缘子为研究对象,利用最大类间方差法(Otsu)分割绝缘子彩色图像得到盘面区域,计算出R,G,B,H,S和I分量图像共36种特征量,根据费希尔(Fisher)判别法筛选出能显著表征绝缘子污秽等级的特征量S均值和S中值;设计最小二乘支持向量机(LS-SVM)分类器,并利用天牛须搜索(BAS)算法优化LS-SVM的关键参数,实现了绝缘子污秽等级的判别。实验结果表明:该方法在判别绝缘子污秽等级的准确率上高达96.92%。

基于BAS-LSSVM的室内可见光指纹定位方法

为提高室内可见光定位精度,提出一种基于天牛须搜索算法优化最小二乘支持向量机(BAS-LSSVM)的可见光指纹定位方法。先利用LED的光强信号强度特征构建指纹库,然后用天牛须搜索算法对最小二乘支持向量机的超参数进行优化以实现提高精度和减少时间开销的目的,最后建立位置坐标和信号强度特征的映射关系实现定位。实验结果表明,BAS-LSSVM定位方法可以实现良好的定位效果,97.0%的测试点定位误差不大于0.10 m,所有测试点平均定位误差为0.031 m。