改进的人工蜂群结合优化的随机森林的U2R攻击检测研究

针对入侵检测系统(IDS)对User-to-Root (U2R)类型攻击检测率低的问题,文章提出了一种改进的人工蜂群(ABC)算法结合优化的随机森林(RF)算法的攻击检测模型。该模型首先对传统ABC算法的初始化方法和搜索策略进行改进,优化传统RF算法对特征重要性得分的排序方式,然后将两种改进的算法相结合,进行U2R攻击检测。使用NSL-KDD数据集进行实验,结果表明,该攻击检测模型能够准确地提取攻击类型的最优特征集,对攻击数据进行分类预测,有效提高了IDS对U2R类型攻击的检测率。

鲁棒控制器在网络控制中的应用研究——基于改进人工蜂群优化方法设计

在设计H∞回路成形控制器并将其应用于网络温度控制系统时,权函数参数的选择十分关键。但在寻找满足设计要求的权函数参数过程中,用传统的人工蜂群算法会出现收敛速度过慢、容易陷入局部最优等问题。基于此,本文对传统的人工蜂群算法进行了改进,用改进后的人工蜂群算法进行了控制器的设计。实验结果表明,改进算法之后设计的控制器不仅能够保证网络温度控制系统稳定在平衡位置,而且控制效果更好。

改进的人工蜂群算法在投资组合中的应用研究

基于Markowitz投资组合模型,构建了带有持有量和交易量限制的新的均值-方差模型.在标准人工蜂群算法中Deb选择策略的基础上,受粒子群算法思想的启发,对其初始化阶段及搜索算子进行修正,提出了改进的人工蜂群算法.同时,使用改进人工蜂群算法求解所构建的模型,并将计算结果与标准人工蜂群算法及粒子群算法的计算结果进行比较.结果表明:改进的人工蜂群算法结合了标准人工蜂群算法以及粒子群算法的优点,求得的结果具有更好的稳定性及收敛性,更加精准.最后,比较了两个投资模型的有效前沿,通过分析得出:限制条件会使投资组合的整体收益率下降;与风险厌恶者相比,限制条件对于风险偏好型投资者的影响更大.

基于改进人工蜂群算法的机器人任务最优指派

为了快速准确地求解机器人任务最优指派问题,本文提出了一种改进的人工蜂群算法。考虑到指派问题解决方案离散性的特点,在应用蜂群算法求解问题的过程中对可行解空间进行离散编码;在采蜜蜂和观察蜂更新解时,采用列状态转移的方法生成候选解,保证解的可行性和多样性。实验结果表明,改进的蜂群算法在求解指派问题模型时,具有良好的收敛速度和求解精度。

改进的混沌蜂群算法在流水线调度中的应用

针对批量流水线调度问题,提出了一种改进的人工蜂群算法优化最大完成时间。该算法用NEH方法产生初始解,利用混沌的遍历性生成新的邻域解。为了跳出局部最优,使用最优解插入扰动替换一些连续若干步不能改进的解以提高算法的全局搜索能力,仿真实验结果验证了算法的可行性。

基于改进蜂群算法优化的支持向量机研究与应用

支持向量机是一种应用广泛的机器学习方法,其分类性能主要取决于相关模型参数的选择。本文提出了一种改进的人工蜂群算法来优化支持向量机的参数,并将其应用于人体活动数据识别。在标准数据集上测试,与基本人工群体算法、遗传算法和粒子群算法等优化算法相比,改进蜂群算法优化的支持向量机可以获得更高的分类准确率。验证了改进人工蜂群算法的有效性。利用改进人工蜂群算法优化的支持向量机对人体活动数据进行分类识别,结果显示该方法具有较高的分类准确率,说明本文所提方法具有实用性。

基于改进ABC算法优化SVM的汽车发动机故障诊断

汽车发动机系统运行机理复杂,发动机故障成因与故障现象往往呈现出不确定的对应关系。为此,提出一种尾气成分分析基础上的支持向量机的汽车发动机故障诊断方法。首先,提取典型状态下的特征气体含量,规一化处理作为训练样本,然后采用改进的人工蜂群算法(ABC)优化SVM参数,构造SVM发动机故障分类器,实现对发动机故障的准确诊断。仿真结果表明,此方法能够对发动机故障进行快速识别,且故障诊断精度较高。

油田注水系统仿真模型参数修正方法研究

油田注水管网经过多年运行后,管道内壁由于腐蚀、结垢等原因致使其摩阻系数与原始数据不一致,导致管网平差计算和系统仿真模拟结果超出工程允许范围。由于经济原因和施工难度,不可能对整个管网节点进行压力和流量测试从而反演求解出各管段真实的摩阻系数。为此,以管网各管段摩阻系数为研究对象,以管网有限个压力测试点为已知参量,建立管网摩阻系数反演模型和测压点分布模型,利用改进的人工蜂群算法对反演模型进行最优化求解,计算结果在工程误差允许范围。

基于MABC-SVR的边坡可靠性分析

针对原始人工蜂群算法收敛较慢、易陷入局部最优的缺点,提出一种新的改进人工蜂群算法,并利用支持向量机建立了边坡安全系数预测模型(MABC-SVR).在此基础上,结合蒙特卡罗法对典型边坡算例(ACADS)进行边坡可靠性分析,计算该边坡的可靠性指标与失效概率,计算结果与已有结果基本接近,且整个建模和模拟运行过程用时不到26 s,与单纯使用蒙特卡罗法相比,用时大大缩短,可见该可靠性分析方法是科学可行的.

基于扩展有限元法的结构内部多缺陷的反演分析

基于扩展有限元法和改进的人工蜂群智能优化算法,建立了检测和量化结构中多个内部缺陷的反演分析模型。反演分析模型中,由水平集函数来表征每个缺陷的位置及尺寸,采用精英加引导策略的人工蜂群搜索方程进行全局搜索,直到达到收敛为止;提出以人工蜂群对不同数目的缺陷参数样本进行贪婪选择,无需预先知道结构内部所含的缺陷数目,迭代过程中缺陷数目可以智能改变。该模型避免了反演过程中网格重划分问题,有效地减少了迭代的计算成本。通过若干算例的分析表明:在结构内部所含缺陷数目未知情况下,建立的反演分析模型能够快速准确地识别并确认出结构内部存在的缺陷数目及其相应的位置和大小。

基于IABC-PSO算法的区域水资源优化配置模型研究

近年来山西省水资源供需矛盾日益突出,采用科学有效的方法对该区域水资源进行优化配置十分关键。在综合考虑社会、经济、生态效益的基础上,建立了多目标水资源优化配置模型。针对传统粒子群算法的缺点,提出了改进的人工蜂群-粒子群算法(IABC-PSO);通过引入Logistic混沌映射、基于S型函数的非线性惯性权重以及改进的侦查蜂搜索算子,提升了算法的收敛精度及全局寻优能力。以晋中南部供水区为实例,运用IABC-PSO算法进行了水资源调配计算及分析。研究成果可为山西省“大水网”建设背景下的区域水资源配置提供一种新的求解思路。

基于IABC优化LSSVR的变形预测研究

针对最小二乘支持向量回归机(LSSVR)中惩罚参数c和核函数参数σ难以确定,以及标准人工蜂群算法(ABC)易陷入局部最优、收敛速度慢等问题,提出一种改进的人工蜂群算法(IABC)来优化LSSVR的参数并进行变形预测研究。首先,IABC算法利用反向学习策略生成正反2个种群来增加初始群体的多样性,一次迭代后对双种群的当前最优食物源进行信息交换以实现优中选优,并设计食物源自适应权重函数及适应度自适应选择函数平衡ABC的勘探和开发能力;其次,以LSSVR的预测精度为目标函数,并将其转化为IABC的适应度函数,以此构建出基于IABC优化LSSVR的预测模型;最后,以基坑监测数据为例,将IABC优化的LSSVR模型、ABC优化的LSSVR模型以及基于PSO的组合模型进行预测对比分析。结果表明,IABC增加了种群的多样性,提高了收敛精度,基于IABC优化的LSSVR模型预测的变形趋势更符合实际,预测精度高于对比模型。

基于MABC-SVR的边坡安全系数预测模型

为避免原始人工蜂群算法(原始ABC算法)搜索时陷入局部最优解,提出一种改进的人工蜂群算法(MABC算法),该方法先将原始蜜源的适应度进行排序,找出适应度最高的蜜源,再在其周围搜索更优解,并采用MABC算法对支持向量回归(SVR)模型参数进行优化,实现对边坡安全系数的回归分析与预测。通过对两种算法进行函数测试,结果表明:MABC算法较原始ABC算法收敛速度快、全局性好。选取实例边坡数据构造训练集和测试集,采用MABC-SVR方法基于建立的边坡安全系数预测模型进行预测,结果表明:均方根误差为0.004 6,最大相对误差为7.62%,回归系数为0.967 2。可见,建立的边坡安全系数预测模型准确度较高,可推广使用。

考虑电池寿命和环保经济的主动配电网储能容量优化

针对间歇性分布式电源输出功率的不确定性和随机性对接入配电网带来的风险,提出基于场景法的储能容量优化配置。以主动配电网经济运行成本最小和污染物排放最小为目标函数,并计及电池的寿命,建立主动配电网容量优化模型,并采用改进的人工蜂群算法进行模型求解,通过优化不仅能提高主动配电网对分布式电源的有效利用还能实现经济安全的运行。以IEEE-33节点为例,验证所提模型的合理性、可行性和有效性。

基于DEB-ABC算法的电动汽车充电优化调度模型

随着电动汽车保有量不断上升,其相关配套设施也面临巨大挑战,不合理的充电资源分配在充电高峰期会造成部分充电站过度拥挤,并且影响电网稳定运行.提出一种考虑多目标优化的调度模型,通过分析充电站内不同充电选项的排队时间,并根据排队率和分时电价提出一种动态定价模型,影响车主充电行为,结合动态定价模型与充电需求计算充电成本,考虑基于起讫点的充电总路径行驶时间,以总成本最少为优化目标,基于DEB-ABC算法进行求解.在某区域内对1500辆电动汽车进行仿真验证,结果表明提出的优化调度模型可减少充电等待时间、充电成本和总行驶时间,提高区域内充电站利用率.

基于数学建模的发动机性能控制研究

为实现发动机性能优化控制,提出一种基于改进的人工蜂群算法的发动机性能寻优控制方法。方法:首先通过人工蜂群算法确定寻优控制的初始化种群,在雇佣蜂阶段结合Deb’S准则择优保留蜜源,在跟随蜂阶段优化蜜源,在侦察蜂阶段结合了标准柯西分布,提高算法的扰动能力,得到最优解。最后,以发动机的最小油耗控制为研究对象,对算法的应用效果进行仿真研究。仿真结果表明,相较于常规的用于发动机优化的SQP算法,本研究提出的改进的人工蜂群算法油耗率降低最高可以达到10%,为发动机性能寻优控制研究提供了参考。

基于IABC-FCM-RVM算法的拱坝变形预测模型

针对传统统计模型中温度和水压因子交叉影响、效应量不易分离的问题,提出了一种基于IABC-FCMRVM算法的拱坝变形预测模型。首先采用基于改进的人工蜂群(IABC)的模糊C-均值聚类算法(FCM)对变形数据进行分类,然后分别对分类后的数据建立分段的相关向量机模型(RVM),最后以某高拱坝变形数据对该模型进行了检验,并与统计模型和未聚类的RVM模型预测结果对比分析,结果表明,IABC-FCM-RVM模型具有更好的预测精度。