基于MapReduce与优化布谷鸟算法的并行密度聚类算法

针对并行化密度聚类的过程中,不同密度聚类簇边界点划分模糊,并且存在数据噪声,从而影响聚类性能,使聚类结果受制于局部最优影响的问题,提出一种基于MapReduce与优化布谷鸟算法的并行密度聚类算法。首先,该算法结合K-means中的近邻与逆近邻思路的策略KDBSCAN(K-means DBSCAN),通过计算各数据点的影响空间,以此重新定义基于密度的聚类(Density-based spatial dutering of apptications with noise,DBSCAN)算法中聚类簇的拓展条件,避免了不同密度聚类簇边界点划分模糊的问题;其次,结合KDBSCAN密度聚类中的近邻思想提出了一种可行的迭代性噪声点处理策略,减轻数据中噪声点对于聚类算法性能的影响;再次,提出基于传统布谷鸟算法的优化改进策略MCS(Majorization cuckoo search),通过衰减发现巢穴概率的权重,随着迭代搜寻次数的增加提升算法收敛速度,解决了聚类结果受制于局部最优的问题;最后,结合MapReduce提出了并行密度聚类策略MCS-KDBSCAN,通过并行化密度聚类算法运算,减轻了并行聚类算法局部最优解传递的通信负担,提升了算法性能。实验证明,提出的MCS-KDBSCAN并行化密度聚类算法在聚类精度、聚类运行时间等方面均较优。

基于布谷鸟算法的3D NoC测试优化研究

在路由器数量、测试带宽、TSV数量和功耗的多重约束下进行三维片上网络(Three Dimensional Net-work-on-Chip,3D NoC)资源内核测试研究中,使测试时间最小化的同时降低测试功耗是NP难问题.在测试带宽和路由器数目等的限制下,采用改进的布谷鸟算法协同优化测试时间与功耗,避免过大的功耗产生热量影响芯片性能.通过logistic函数改进布谷鸟算法,利用其变化特性避免算法早熟,同时快速寻找到全局最优解.采用余弦递减函数动态改变发现概率,寻找和替换劣质解.采用ITC'02 SOC测试集作为实验对象,结果表明:对该算法进行改进后得到的最优解,实现了在多约束下最小化测试时间的同时减少测试功耗的目的,保证3 D NoC的可靠性和测试效率.

求解二重数值积分的混沌布谷鸟优化算法

引入混沌变量作为布谷鸟优化算法的局部算子,提出了一种基于混沌布谷鸟(Chaotic Cuckoo Search,CCS)优化算法求解二重数值积分的方法.该方法初始时在矩形积分区域两个方向的区间内各自任意选取一定的节点,通过CCS算法优化这些节点,并以优化后的节点作为分割点对二重数值积分进行求解.仿真实例结果表明,该算法简单,易实现,收敛速度快,得到的积分值精度高,是一种有效的二重数值积分求解方法.

基于改进布谷鸟算法的机器人位置精度性能提升方法研究

主要解决工业机器人在高端制造领域精度性能不足的问题。首先阐述了工业机器人误差模型的构建方法,将机器人运动学参数、关节减速比参数、耦合比参数进行统一建模;其次,提出了一种改进的布谷鸟搜索算法(Cuckoo Search Algorithm,CSA)的优化多参数辨识方法,利用对数调整系数修正Levy搜索步长,提升CSA优化算法的收敛性和精确性。为了验证提出的误差模型和优化方法的有效性,构建了串联型工业机器人标定实验系统。通过在Staubli TX60机器人的运动空间内测量160个测量点,分别构成辨识点集和验证点集。实验结果表明,待标定机器人的平均综合位置误差降低了86.7%以上。说明提出的误差模型和优化方法能够较好地提升工业机器人的精度性能。

基于布谷鸟优化算法的全基因组关联分析

利用贝叶斯网络描述单核苷酸多态性(SNP)与疾病之间的关系,以SNP与疾病之间的贝叶斯评分作为评价SNP与疾病关联度的目标函数,在全基因数据中通过布谷鸟优化算法对SNP与疾病之间的关联进行启发式搜索来寻找致病SNP;通过布谷鸟算法寻找致病SNP可以在保留SNP与疾病相关信息的同时,又能在全基因组数据中高效准确地找出致病SNP。实验结果表明:与已有方法相比,本文基于布谷鸟优化算法的全基因组关联分析方法具有更好的检测SNP与疾病之间关联的能力。

基于布谷鸟优化算法的加权极限学习机模型

鉴于极限学习机的待定参数对模型极大的影响力,利用布谷鸟优化算法对核参数和惩罚因子进行优化选择,以进一步提高模型的预测精度,然后利用非线性权值函数对极限学习机的不同样本数据进行加权,得到新的加权极限学习机模型,提高模型的鲁棒性能。

基于优化布谷鸟搜索算法的两阶段应急供应链网络建模与求解

应急供应链在突发事件防控中发挥着至关重要的作用,基于突发事件的特点,文章考虑应急物资供应和需求的不确定性,构建两阶段应急供应链网络鲁棒优化模型,以提升突发事件下应急供应链网络的可靠性和运作效率。首先基于不确定集描述不确定参数,以网络响应总时间、网络成本和网络碳排放量最小为优化目标构建鲁棒优化模型;然后提出一种基于动态参数调整策略的优化布谷鸟搜索算法,以提升模型的求解效果;最后以武汉新冠肺炎疫情受灾区为研究对象,验证了模型的可行性和有效性。

基于布谷鸟优化算法的二维FIR数滤字波器设计

针对二维(2-D)有限冲击长响应(FIR)数字滤波器设计中的传输函数,提出了一个基于布谷鸟优化算法的传输函相位区间优化设计算法,该算法在McClellan变换下通过布谷鸟优化算法搜索最小的传输函相位区间均方误差,所产生的新解既可以继承当前最优解,又可以不局限于局部最优,不但可以解决2-D FIR滤波器设计中非线性的优化问题,而且也能减少滤波器设计的复杂度和数据的溢出问题。最后,以低通扇形和高通椭圆形的2-D FIR滤波器为例,分别进行了仿真设计实验,结果表明,在相同的规定通带和阻带衰减等参数条件下,该优化算法与已有算法相比,滤波器传输系数的向量误差可降低4.9%-27%,阻带衰减起伏也随之减少。

基于布谷鸟优化轻量梯度提升机的泥石流预测

针对山区环境中引发泥石流的影响因素复杂多样,影响因子之间易存在相互耦合以及轻量梯度提升机(light gradient boosting machine,lightGBM)预测模型易陷入局部最优问题,提出了核线性判别分析法(kernel linear discriminant analysis,KLDA)与经布谷鸟算法(cuckoo search,CS)寻优后的LightGBM预测模型。首先,对传感器采集到的原始数据进行清洗,并将“清洗”后得到的规范数据通过KLDA进行降维处理,得到相关性低且贡献率高的影响因子作为预测因子。采用随机取样的方法对降维后数据进行规划,选取70%的数据用于训练模型,剩余30%用于验证模型。然后,将训练数据作为输入,基于CS-LightGBM算法训练出最优预测模型。最后,结合鹅项沟监测数据进行仿真。结果证明,此方法能够将复杂的泥石流影响因子降维成利于建模的预测因子,使预测模型具有较好的预测准确度,为泥石流灾害预测方面的研究提供了新的思路。

光伏并网逆变器布谷鸟搜索优化反推控制

针对并网逆变器模型非线性和电网扰动的问题,提出一种基于布谷鸟搜索算法优化反推控制技术光伏并网逆变器控制策略。首先,建立考虑参数变化和电网扰动的并网逆变器数学模型,设计并网逆变器反推控制。然后,利用布谷鸟搜索算法对不确定性部分进行在线辨识和补偿,消除模型非线性和外部扰动产生的不确定性部分的影响。利用Lyapunov稳定性理论设计控制器自适应律,证明了布谷鸟搜索算法优化反推控制器的稳定性。实验结果表明该方法能实现逆变器精确并网控制,具有较好的动静态性能和较强的鲁棒性。

基于改进布谷鸟优化的模糊聚类图像分割

模糊C均值聚类算法(FCM)是一种应用非常广泛的聚类算法,但是它受初始聚类中心影响较大,容易陷入局部最优。在标准布谷鸟算法(CS)的基础上提出改进布谷鸟优化算法(ICS),将发现概率P由固定值转变成随迭代次数逐渐减小的变量,这样不仅可以提高搜索种群的质量,而且保证了算法的收敛。因此,可以将改进布谷鸟优化算法用于FCM算法聚类中心生成的过程(ICS_FCM),从而有效地避免FCM陷入局部最优。改进的算法具有良好的聚类效果和运行速度。实现基于改进布谷鸟优化的FCM图像分割,并与基于模拟退火的FCM算法(SA_FCM)进行对比。由实验结果可知,该算法(ICS_FCM)不仅取得了较好的分割效果,效率上也有明显的提高。

基于模糊OTSU与布谷鸟寻优的火灾图像多阈值分割算法

火灾现场环境复杂,如浓烟、光反射等,获取的图像对比度低、边缘模糊,易造成火灾图像分割困难。常用的OTSU方法使用单阈值分割,火焰目标与背景分辨不清,难以满足识别要求。为此,本文提出一种基于模糊OTSU与布谷鸟寻优(CS)的火灾图像多阈值分割算法。首先,考虑图像模糊不确定因素,将模糊理论融入OTSU方法中,通过隶属度函数划分整幅图像的灰度空间;然后使用布谷鸟算法寻找全局最优分割阈值;最后利用寻找到的阈值进行图像分割。实验表明,用该方法分割图像,可以很大程度上降低对噪声、光反射或其它干扰因素的影响,目标与背景分割效果更好,实验结果显示了该算法的有效性。

基于改进CS算法优化Elman-IOC神经网络的短期负荷预测

为提高负荷预测精度,提出一种基于混沌定向布谷鸟算法优化Elman-IOC神经网络的短期负荷预测模型,首先对Elman神经网络拓扑结构进行改进设计,通过增添输入-输出层连接单元,加强网络并行运算能力,提高预测精度,然后在布谷鸟算法中,利用最优位置信息指导随机游动过程,同时引入混沌扰动算子,增强全局搜索能力,最后将算法应用于Elman-IOC神经网络参数优化,建立了短期负荷预测模型。实验结果表明,较之其他模型,此模型具有更高的预测精度。

列车节能运行决策问题的模拟优化研究

轨道交通运输耗能巨大,研究列车节能操作运行具有重要的理论意义和实用价值。从节能角度出发,分析列车运行过程中的能量转换机制,建立单列车耗能最低优化模型、多列车节能优化模型及列车延误多目标优化控制模型,针对模型本身及其约束条件的复杂性,提出基于改进布谷鸟优化算法与动态搜索方法的"模拟优化"求解方法,对列车节能运行决策问题进行求解,并通过与其他同类算法的比较,阐述了所提方法的优越性。得到列车在不同运行工况下的最优节能运行控制策略,确定各情况下列车运行的最优速度距离曲线,结果符合实际情况。改进算法的搜索效率更高,研究思路与模型对于列车节能操作运行具有一定的借鉴意义,所提出的针对复杂优化模型的求解方法合理有效,适用性强,有一定的参考价值。

基于小波消噪和优化支持向量机的板形模式识别

提高板形模式识别的精度利于得到高精度的控制效果。针对实测的板形信号中混有噪声信号的问题,利用双变量阈值小波去噪,克服了软硬阈值函数在处理小波系数方面存在的缺点,使得去噪的效果更好。将去噪后的板形信号离散化,作为支持向量机的学习样本,建立识别模型。引入布谷鸟算法优化支持向量机的参数。仿真结果表明,相比于粒子群和遗传算法,布谷鸟优化算法所需匹配的参数少,而获得的最优解更好。

基于优化终端滑模模糊神经网络的板形模式识别

针对板形模式识别问题,将板形信号离散化、归一化,作为终端滑模模糊神经网络的学习样本,建立识别模型。在模糊神经网络的基础上,利用终端滑模权值调整律代替梯度下降法的权值调整律,提高网络的精度。为了进一步提高识别的精度以及收敛速度,引入布谷鸟算法优化模糊神经网络的模型参数。仿真结果表明,提出的识别模型对训练样本和未训练样本的平均最小方差分别为0.000 5和0.011 0,比模糊神经网络(FNN)和径向基神经网络(RBF)的值都小。对某冷轧厂宽度1 040 mm带材的一组实测板形数据识别结果表明,相比于FNN和RBF网络,CS-TSMFNN的识别效果更好。

基于动态布谷鸟算法的无线传感网能量优化方法研究

无线传感器节点的供电模块主要采用电池,其能量不易补充,所以如何使网络寿命最大化成为关注的焦点。通过研究LEACH以及LEACH-E算法,针对LEACH及其改进后的算法在簇头选取和通信过程中存在的缺陷与弊端,提出了一种基于布谷鸟搜索算法的无线传感网节能优化算法。该算法引入离散度作为选取因子并且结合网络中传感器节点的剩余能量,以此选出剩余能量较高且离散度低的节点作为簇头节点;同时选择最佳的中继节点作为数据的转发节点,从而实现数据的多跳传输。该算法极大程度地降低了网络能耗,达到了提高网络整体生存时间的效果,拓宽了无线传感器网络的应用领域。

基于CNN-LSTM-CS工业管道腐蚀率预测模型

针对传统工业管道腐蚀率预测模型存在特征提取依赖人工经验和泛化能力不足的问题,本文将卷积神经网络(convolutional neural network,CNN)和长短期记忆网络(long short-term memory,LSTM)相结合,提出了基于布谷鸟优化算法(cuckoo search,CS)的CNN-LSTM-CS网络模型,实现对工业管道腐蚀率预测.首先,对采集的管道腐蚀数据集进行归一化预处理;然后,利用CNN网络提取影响管道腐蚀率因素的深层次特征信息,并通过训练LSTM网络构建CNN-LSTM预测模型;最后,采用CS算法对预测模型进行参数优化,减少预测误差,实现腐蚀率的精准预测.实验结果表明,对比几种典型的腐蚀率预测方法,本文提出的方法具有更高的预测精度,为工业管道腐蚀率检测提供新的思路.

川西高山峡谷区空气源热泵多源互补供热系统热源方案比选及优化设计

考虑空气源热泵的结除霜损失,建立空气源热泵+生物质锅炉、空气源热泵+电热锅炉和空气源热泵+地源热泵3种系统模型,优化目标为系统最低全生命周期成本,基于布谷鸟算法编程对系统进行优化设计,并基于生物质燃料价格和电价对系统进行敏感性分析。研究结果表明,甘孜地区最佳供暖热源匹配方式为空气源热泵+生物质锅炉,设备额定制热量之比为1.18∶1,单位空气源热泵额定制热量水箱容积为440 L/kW,能源价格对系统容量的影响由大到小依次为:生物质锅炉容量>水箱容积>空气源热泵功率>电热锅炉功率≥地源热泵功率。研究结果可为川西高山峡谷区空气源热泵多源互补供热系统工程优化设计提供依据。

用于求解民船装载问题的R-CS-PSO混合改进算法

民船装载问题是一个多约束背包问题,解决的是资源优化分配的问题,通过合理的方式对需装载的物品进行船只分配,以取得最大价值,也就是舰船装载的最优方案。本文通过对需解决的问题进行分析,将布谷鸟搜索算法搜索范围广但计算精度不高和粒子群算法收敛速度快但容易陷入局部最优的特点结合起来,进行取长补短,改进提出了分阶段随机布谷鸟粒子群智能优化算法,并用此算法来解决舰船装载问题。通过验证此算法相较之前的算法搜索范围广、收敛速度快、能取得较好的解,有效的解决了此问题,并可在实际中进行推广应用。