基于ISOA的VANET自适应数据传输算法

针对基于802.11p的车载自组织网络(VANET,Vehicular Ad hoc Network)的吞吐量最优化问题,采用启发式搜索优化的思想,在数据传输方面提出了改进的搜索者优化算法(ISOA,Improved Seeker Optimization Algorithm)。该算法通过对节点发送概率的最优化实现节点平均吞吐量的最大化;通过对吞吐量变化的检测调整发送概率,实现对通信环境变化的自适应性;通过对在VANET场景下传统SOA的改进,提高了搜索全局最优解的成功率。仿真结果表明,ISOA较传统算法在环境变化自适应性方面更好,在收敛速度及准确度等方面性能也更优。

基于改进搜索者算法的IIR滤波器设计

在无限冲击响应(infinite-impulse-response,IIR)滤波器设计中,针对非线性且多峰的系数误差面,采用改进的搜索者算法(modified seeker optimization algorithm,MSOA)求得系数的最优解。MSOA算法通过在SOA(seekeroptimization algorithm)中引入自学习过程以降低收敛于局部最优的概率,并通过增加淘汰机制提高种群多样性,从而提高了收敛于全局最优解的有效性。仿真结果表明,MSOA较SOA在搜索全局最优解方面具有更高的精确性;在减少种群数的情况下,MSOA较SOA具有更好的稳定性,其优势更明显。SOA可以看成是MSOA的一个特例,MSOA的最简形式即为SOA。根据具体问题灵活调整自学习过程的规模,实现收敛速度和精度的权衡,达到最优搜索效率。

基于SOA-LSSVM的短时交通流量预测

针对短时交通流量存在的非线性与不确定性的问题,结合搜索者算法收敛精度高和最小二乘支持向量机计算速度快的优点,提出基于搜索者-最小二乘支持向量机(SOA-LSSVM)的流量预测模型,将该模型应用于短时交通流量预测,并与人工神经网络进行对比分析,结果表明,该模型具有较高的预测精度和泛化能力,适合于短时交通流量的预测,具有良好的推广应用价值。

基于AP相似日选取与FISOA-RBF的短期负荷预测

为提高建筑电力负荷的预测精度,在考虑天气信息和日期类型等影响因素的基础上,提出基于吸引子传播(affinity propagation,AP)相似日选取和改进搜索者优化算法-径向基(fusion improvement seeker optimization algorithm-radial basis function,FISOA-RBF)神经网络的建筑用电短期负荷预测模型.采用AP算法对短期电力负荷进行相似日选取,以克服外界环境对建筑电力负荷预测精度的影响;以RBF神经网络的网络参数为优化对象,采用搜索者优化算法(seeker optimization algorithm,SOA)进行参数寻优,并引入融合改进策略提高传统人群算法的寻优性能,以进一步提高RBF神经网络的预测精度和学习速度;根据FISOA算法优化后的RBF神经网络对相似日数据进行训练,建立最优参数下的建筑短期电力负荷预测AP-FISOA-RBF模型.在相同数据集和气候特征条件下,与传统RBF、PSO-RBF和SOA-RBF预测模型相比,AP-FISOA-RBF模型平均预测绝对百分比误差分别降低了93.05%、83.60%和71.13%,平均预测速度分别提高了54.34%、39.25%和23.96%,表明AP-FISOA-RBF模型在预测精度和预测速度上的表现更好.

基于SOA-LSSVM的故障模式识别模型研究

将搜索者优化算法(SOA)应用于最小二乘支持向量机(ISSVM)惩罚因子和核函数参数的选择中,从而改善参数选择的随机性和盲目性,建立基于SOA-LSSVM的故障模式识别模型。应用该模型对变压器油中溶解气体故障模式进行分析,结果表明该算法在参数优选中的有效性,依此而建立SOA-LSSVM故障模式预测模型具有较高的准确率。

FM-DCSK UWB接收机优化

基于搜索者优化算法(SOA,Seeker Optimization Algorithm),首次将启发式搜索优化的理念引入到调频差分混沌键控超宽带接收机的积分时间最优化问题中。分析了积分时间对系统性能的影响,在IEEE 802.15.4a室内信道下得到给定信噪比的最优积分时间及其分布,同时也给出了最优积分时间并随信噪比变化的趋势。仿真结果表明,采用SOA较之传统方法更能高效地找到最优值。结论给该系统实现中的参数选择提供了有力依据,新理念的引入也将对难以用闭合数学模型表示的系统优化提供有益指导。

基于SOA的超宽带脉冲测距系统

提出了一种采用超宽带(UWB)高斯脉冲的测距系统,利用搜索者优化算法(SOA)搜索本地信号和接收信号之间相关的峰值,计算检测距离。分析了给定信噪比下接收机的相关结果、采用SOA的搜索过程以及搜索结果的概率分布。同时,在各信噪比下,与现有的步进相关法及门限判别法进行比较,仿真结果表明,信噪比在15 dB以上的系统测距测量误差达到3 cm,其性能优于门限判别法,而与步进相关检测法相当,但运算量较之减少84%左右。因此,该系统在高精度测距中极具实用价值。