基于原子搜索优化深度神经网络的网络安全态势预测

为提高网络安全态势预测准确度,将深度卷积神经网络(CNN)运用于安全态势预测,并借助原子搜索算法改进深度卷积神经网络,以提高其在网络安全态势预测方面的适应度。首先,提取网络样本流量特征并完成初始化,接着建立深度CNN网络攻击检测模型,并采用原子搜索优化(ASO)算法对CNN网络参数进行优化求解。通过原子适应度、质量及加速度的计算,不断更新原子的速度和位置,以获得最高适应度的CNN网络参数原子个体。然后采用最优参数进行CNN网络攻击类型检测训练,确定网络攻击类型。最后根据攻击类型权重和主机权重计算网络安全态势预测值。实验证明,在合理设置主机权重的情况下,通过ASO-CNN算法获得的网络安全态势预测值精度高,且稳定性强。

基于原子搜索Kriging模型方法的民用飞机液压系统温度监测

温度是民用飞机液压系统性能的重要表征参数之一,为有效实现液压系统温度监测,基于Kriging模型和原子搜索优化算法(ASO),提出一种基于原子搜索优化Kriging模型(ASOKM)方法。首先,针对液压系统温度故障发生原因进行分析,建立其故障逻辑图,明确影响液压系统温度的特征参数;然后,结合快速存取记录器(QAR)数据,介绍ASOKM方法建模原理;最后,通过某型国产民用飞机液压系统温度监测分析,对所提出的ASOKM方法进行有效性验证。结果表明:相比响应面法(RSM)、Kriging、BP神经网络(BP-ANN)模型,ASOKM方法的训练平均绝对误差、监测平均绝对误差较低,具有较高的精度、效率和鲁棒性,能够为液压系统可靠性分析、故障诊断、预测维修提供借鉴。

基于原子搜索的自压滴灌系统优化方法与应用研究

本研究基于原子搜索优化算法,建立数学模型,计算单位面积工程建设的综合成本,对自压滴灌系统进行优化,得出以下结论:当田间长宽比为1.2时,自压滴灌系统工程的单位成本最低,说明当该项目的地块形状为正方形时,为最优的自压滴灌系统工程建设方案。滴灌带间距与单位面积成本呈负相关关系,随着滴灌带间距的增大,单位面积的成本逐渐减小,当滴灌带间距为0.60~0.75 m时,单位面积的成本变化量较大。灌水器的设计流量与单位面积成本呈正相关关系,当灌水器设计流量最大时,其对应的单位面积成本最大。灌水器间距与单位面积成线性负关系,随着灌水器间距的增大,其单位面积成本的增量较为稳定。

一种改进的最佳时频原子搜索策略

在极低编码速率条件下 ,Neff和Zahor提出的基于匹配跟踪信号分解的视频编码器不仅具有比H .2 6 3编码器更高的编码性能 ,而且能够避免产生人眼敏感的方块效应 ,但由于该算法需要在一个冗余字典里搜索最佳匹配误差结构的原子函数 ,其实现所需要的运算量比传统的编码器要高很多 ,因而影响了该编码器的效率。为了提高编码效率 ,在对能量优先原子搜索策略进行分析的基础上 ,提出了一种改进的全搜索策略和加权能量优先搜索策略 ,从而改进了最佳时频原子搜索策略。

融合振幅随机补偿与步长演变机制的改进原子搜索优化算法

针对原子优化算法寻优精度弱且易陷入局部极值的问题,本文从种群多样性、参数适应性和位置动态性角度提出一种融合混沌优化、振幅随机补偿和步长演变机制改进的原子搜索优化算法(improved atom search optimization,IASO),并将其成功应用于分类任务。首先,引入帐篷映射(Tent混沌)增强原子种群在搜索空间中的分布均匀性;其次,通过构建振幅函数对算法参数进行随机扰动并加入步长演变因子更新原子位置,以增强算法全局性和收敛性;最后,再将改进算法应用于误差反馈神经网络(BP神经网络)参数优化。通过与6种元启发式算法在20个基准测试函数下的数值实验对比表明:IASO不仅在求解多维基准函数上具有好的寻优性能,且在对BP神经网络参数进行优化时相较于2种对比算法具有更高的分类精度。

基于改进原子轨道搜索算法的多工艺路线柔性作业车间问题研究

针对多品种、小批量复杂产品在加工过程中忽略加工路线约束,导致调度方案中存在设备利用率低的问题,以完工时间最优为目标建立多工艺路线柔性作业车间数学模型。由于加入多约束后模型复杂度骤增,为有效求解该模型,提出一种改进原子轨道搜索算法。改进算法采用一种三层编码方式进行编码和解码;在算法初始化候选解时均匀生成全局加工路线;搜索过程中为增强局部搜索融入自体交叉;为避免陷入局部最优引入变邻域变异;迭代过程中设计了变工序数精英保留策略,扩大了搜索空间。最后,通过某内燃机车生产车间实例对模型和算法进行求解分析,验证了模型的有效性和算法的优越性及适用性。

基于多目标原子轨道搜索算法的风电场集群最优经济调度

随着环保意识的增强以及风电渗透率的不断攀升,使得电力部门对含风电系统的经济调度提出了更高的要求。为了在降低污染物排放及促进风电消纳的同时将发电成本控制在最低,建立了考虑环境与经济指标的风-火多随机变量经济调度模型。该模型中的目标函数考虑了火力发电成本、风力发电成本、弃风惩罚成本及污染气体排放。采用多目标原子轨道搜索算法进行模型求解,该算法在传统原子轨道搜索算法的基础上添加了存档机制、网络机制以及领导者选择机制,具有较强的多目标优化执行能力。结合修改后的IEEE30节点算例进行仿真分析,结果验证了所提模型的可行性以及多目标原子轨道搜索算法求解此类问题的有效性。

基于改进原子轨道搜索算法优化随机森林分类器的光伏系统故障诊断

针对光伏系统故障难以被准确高效地诊断和分类的问题,提出了一种基于改进原子轨道搜索优化的随机森林(IAOS-RF)算法。此算法在光子的发射和吸收部分引入了自适应权重机制和反向学习机制,用于更新电子的位置,能有效加强算法在搜索空间的全面勘探和开发能力。基于一组并网光伏系统故障数据进行算例分析,对比了IAOS-RF算法和几类基准算法的性能差异,结果显示,IAOS-RF算法故障分类准确率最高并且可达到98%,其诊断结果趋于稳定所需的迭代次数最小,具有较快的收敛速度。最后针对该算法存在的一些局限性和改进空间,提出未来需要进一步研究和探讨的问题。

Matching Pursuits视频编码中原子匹配块搜索中的权值设计

基于 Matching Pursuits的误差图像编码算法因其基函数的灵活性 ,是一种在低码率视频编码应用中较为理想的算法 ,块能量搜索算法被用于减少该算法的编码复杂度 .针对固定权值加权块搜索算法的不足之处 ,提出了一种自适应加权块搜索算法 ,在不增加算法复杂度的情况下 ,对不同的被编码序列采用不同的权值表完成加权块能量算法 ;在各种情况下均得到了较理想的编码效果 .

基于Tent-ASO-BP的短期电力负荷预测模型

针对短期电力负荷预测精度低与可靠性差的问题,设计一种基于Tent-ASO-BP的电力短期负荷预测模型。该模型利用了Tent混沌映射的方法,设计了一种原子种群初始化方法,其在保证个体的同时选出适应度最优的个体,增强原子种群在分布空间的均匀性,进而加快ASO算法的收敛;同时引入自适应,增加该算法的局部探索和开发能力;将改进的ASO算法应用于BP神经网络参数优化,搭建了Tent-ASO-BP预测模型对短期电力负荷进行预测。使用Matlab工具进行仿真,通过对Tent-ASO-BP、ASO-BP和BP三种算法进行实验对比,结果表明,Tent-ASO-BP网络预测模型的RMSE、MAE和MAPE分别为32.736 MW,51.783 MW和6.623%,相比于ASO-BP和BP网络预测模型有明显减少,得出该模型具有更强的迭代能力和更强的局部寻优能力,为电力系统短期电力负荷预测提供依据,具有普遍的指导意义。

基于极限学习机的短期交通流预测混合优化模型

交通流的动态性、不确定性和非线性等特性导致交通流难以精确预测,本文在极限学习机(Extreme Learning Machine,ELM)的基础上,通过嵌入原子搜索算法(Atom Search Optimization,ASO),构建ASO-ELM短期交通流预测混合优化模型,对比现有短期交通流预测模型,分析混合优化模型在短期交通流预测领域的表现。实验选取荷兰阿姆斯特丹市A10环形公路为路网原型,使用ASO-ELM混合模型与常见交通流预测模型进行对比实验。实验结果表明:ASO-ELM混合模型在4个数据集下的平均绝对百分比误差(Mean Absolute Percentage Error,MAPE)相较于ELM模型分别下降了4.3%、3.5%、6.9%和5.4%,均方根误差(Root Mean Squared Error,RMSE)分别下降了4.8%、4.0%、2.0%和5.2%;其次,与人工神经网络(Artificial Neural Network,ANN)相比,MAPE分别下降了9.6%、8.6%、9.8%和5.0%,RMSE也分别下降了4.5%、5.9%、2.6%和1.7%。研究成果揭示了混合优化模型在短期交通流预测领域的潜力。

基于VMD-IASO-ELM的吸收塔出口SO_(2)浓度组合预测模型

为提高火电厂SO_(2)污染物排放控制水平,提出一种基于变分模态分解(VMD)改进原子搜索算法(IASO)极限学习机(ELM)的吸收塔出口SO_(2)浓度组合预测模型。首先,利用机理和相关性分析确定吸收塔出口SO_(2)浓度的初始相关变量,并采用VMD算法对其分解,保留分解结果与输出互信息中大的低频分量;然后,采用结构简单、学习速度快的ELM建立预测模型,并利用基于混合策略改进的IASO优化网络参数,提高预测精度;最后,利用模糊规则推理出误差修正项以校正ELM模型预测结果。应用历史数据仿真建模,结果表明该模型具有较高的预测精度和学习能力,能够准确跟踪吸收塔出口SO_(2)浓度变化趋势。

基于ASO-BP神经网络的屈服强度预测技术研究

针对传统屈服强度预测模型通用性较差的问题,提出一种采用原子搜索优化算法优化BP神经网络,建立多类型合金屈服强度预测模型的方法。以Kaggle公开数据为研究对象,对89种钢合金建立ASO-BP神经网络屈服强度预测模型,同时与PSO-BP,GA-BP,BP神经网络模型对比。结果表明:ASO-BP预测模型平均绝对百分比误差(MAPE)为6.98%,相关系数达到0.98716,效果优于其他对比模型。验证了预测多种类型合金屈服强度的合理性和可靠性,为工程实际应用和合金屈服强度检测提供较好的辅助判断。

基于LCASO-BPNN模型的单质硫溶解度预测

使用智能算法对硫溶解度进行预测是分析解决硫沉积问题的重要路径之一。为提高算法精度,提出一种采用基于混沌理论与Logistic映射改进的原子搜索优化算法对BP神经网络的权值和阈值进行优化的LCASO-BPNN预测模型,考虑温度、压力及CH_(4)、H_(2)S、CO_(2)摩尔分数5个影响硫溶解度的因素,选用224组实验数据对模型进行训练与预测,使用EAARD(平均绝对相对偏差)、ERMSE(均方根误差)、ESD(标准偏差)和测定系数R^(2)这4个评估参数对模型进行评估。模拟结果表明:提出的LCASO-BPNN预测模型的EAARD为4.60%,ERMSE为0.0367,ESD为0.0689,R^(2)为0.9978。较之前的研究,LCASO-BPNN模型具有预测精度高、误差小、模型简便的优势,可应用于实际工程。

一种多源数据融合的机器人导航技术

针对移动机器人在导航过程中存在的建图不精确、效率低下等问题,提出一种多源数据融合的移动机器人导航方法:利用扩展卡尔曼滤波融合激光雷达和深度相机的环境信息,通过位姿传感器获取机器人的位姿和加速度信息,提出基于激光雷达、深度相机和惯性测量单元数据融合的地图构建方法;并兼顾全局探测与局部求精的平衡,采用改进原子轨道搜索算法进行全局规划,利用动态窗口法完成局部避障。实验结果表明,多源数据融合建立的地图更接近于真实场景,改进后的融合算法未知障碍实时避障成功率达到98%,能够提升机器人自主导航效率。

基于优化BP神经网络ESA CCI土壤水分重建方法研究

为了获取空间连续的土壤水分遥感产品,提高微波遥感土壤水分产品精度,以青藏高原那曲地区为研究区域,欧洲航天局气候变化倡议(European Space Agency Climate Change Initiative,ESA CCI)土壤水分产品为基础,利用地表温度(LST)、归一化植被指数(NDVI)、反照率(Albedo)和数字高程(DEM)等数据作为辅助数据构建Back Propagation(BP)神经网络反演土壤水分模型,采用原子搜索优化(Atom Search Optimization,ASO)算法对传统BP神经网络进行优化,建立ASO-BP土壤水分重建模型。研究结果与地面实测数据相比,ASO-BP重建的土壤水分整体相关系数R值(0.80),高于传统BP神经网络模型重建土壤水分的R值(0.72),且RMSE值0.029 cm^(3)·cm^(-3)低于传统BP神经网络模型重建土壤水分的RMSE值0.034 cm^(3)·cm^(-3),结果精度均得到提高。在低植被覆盖度区域,精度提高更为明显,表现出更好的适用性。

基于自适应ASO算法的微电网优化调度

为了提高微电网的运营经济性和能源利用效率,提出了一种基于自适应原子搜索优化算法(Adaptive Atomic Search Optimization Algorithm,AASO)的微电网优化调度策略。在原子搜索优化算法(ASO)的基础上引入自适应思想,提高算法的收敛速度和精度,加强全局寻优能力。搭建一个包括光伏、风力等多种分布式发电设备的微电网数学模型,以微电网的经济环保性作为优化目标,并在孤岛和并网运行模式下进行算例寻优求解。结果表明,该算法在微电网优化调度上的寻优能力和收敛速度,均强于粒子群优化(PSO)算法,有效提高了微电网运行的经济环保性。

一种基于小波和MP变换的细粒度视频编码算法

针对目前的细粒度算法的计算复杂度大(如Matching Pursuit编码,简称MP编码)或者视频质量有各种效应(如离散小波变换编码DWT)的缺点,提出了一种基于小波变换和MP变换联合的细粒度视频编码算法。对连续的8帧视频采用一维小波变换,然后对变换后第1帧低频图像用二维小波变换,其它7帧高频图像信息采用MP变换编码,并采用基于能量的原子搜索与基于人眼视觉特性的分配策略。实验表明,该细粒度算法对帧间运动较小的视频应用,有较高的恢复质量。

基于Gabor字典的低速率视频编码

针对匹配跟踪冗余信号分解的视频编码器搜索最佳匹配误差结构的原子函数时,实现所需运算量复杂的问题.提出基于可分离Gabor字典的匹配跟踪算法,利用一种改进的最佳时频原子搜索策略,使实现算法的计算量显著下降.实验结果表明,在保持原有编码性能的基础上,该算法在视频编码应用中有效地降低了算法复杂度.

基于视觉保真的匹配跟踪位分配

提出一种改进的匹配跟踪视频编码的位分配策略,它能够根据人类视觉的某些高级特性在编码过程中动态确定视觉关注优先的区域,然后以此作为依据调整原有的原子搜索策略,使得原子函数分布集中在感兴趣区域附近,因此这些区域的图像质量能够得到相对提升,从而改善整个匹配跟踪视频编码器的图像恢复质量.最后的实验结果表明,改进后的位分配策略能够有效地提高恢复图像帧的主观视觉质量,具有较强的应用价值.