基于惯性权重调整的果蝇优化算法在WSN中的应用

目的:针对无线传感器网络随机部署节点的区域覆盖和传感器节点能量消耗问题,提出一种基于惯性权重余弦自适应调整策略的改进果蝇优化算法。方法:该算法在果蝇优化算法基础上,通过引入惯性权重的学习因子调整策略,在线调整算法的搜索步长。结果:增强了果蝇个体的自适应性及全局搜索能力,从而实现全局最优。结论:仿真实验表明,提出的改进果蝇优化算法不仅提高了收敛速度和全局搜索能力,还显著提升了WSN的覆盖率。

最小二乘支持向量机联合改进果蝇优化算法的CFB锅炉燃烧优化

针对电厂循环流化床(CFB)锅炉降低污染物排放和提高锅炉燃烧效率的问题,本文首先应用最小二乘支持向量机(LS-SVM)建立了锅炉效率、NO_x和SO_2排放特性的软测量模型,并对比了LS-SVM和BP神经网络模型的性能;然后基于LS-SVM建立的模型,提出了3种优化策略,采用改进果蝇优化算法(MFOA)在一定范围内对CFB锅炉运行工况的可调参数进行优化。结果表明:LS-SVM模型与BP神经网络模型相比,训练时间较短,预测精度较高,泛化能力较强;CFB锅炉效率最多提高了0.61%,NO_x和SO_2排放质量浓度最多降低了7.88%和18.13%。

基于改进果蝇优化算法优化支持向量机的故障诊断

为提高支持向量机(SVM)在机械故障诊断中的精度,对果蝇优化算法(FOA)进行改进,提取了一种基于改进果蝇优化算法优化SVM的故障诊断方法。改进果蝇优化算法(IFOA)中果蝇个体在进行位置更新时,融入了历史位置信息,在增加果蝇种群多样性的同时,又使算法具有了跳出局部最优的能力,进而可以获得更优的SVM参数以增强SVM分类性能。齿轮故障诊断实例验证了IFOA算法提升了SVM的识别效果,相比于其他一些方法更有优势。

改进果蝇算法在净化除钴过程锌粉量优化设定中的应用

本文提出一种基于细菌迁徙的自适应果蝇算法(CAFOABM),用于求解净化除钴过程锌粉添加量优化设定问题.首先从净化除钴的反应机理出发,通过引入除钴率建立锌粉添加量与氧化还原电位值、出口钴离子浓度间带约束的非线性优化设定模型;为了避免果蝇算法在迭代寻优过程中出现停滞现象,CAFOABM引入多种群并行搜索策略和改进搜索算子对搜索状态的转移规则进行改进;并采用区分可行解与不可行解法进行约束处理,保留一定比例的不可行解个体,有效避免了有用解信息的丢失.实际生产数据验证结果表明,CAFOABM算法优化设定的锌粉添加量与人工操作的经验数据相比减少7.83%,出口钴离子浓度满足实际生产要求且趋于平稳.

基于改进果蝇算法优化的微电网逆变器恒功率控制算法

针对微电网逆变器恒功率控制器PI参数优化的问题,提出了基于种群分区的多策略自适应果蝇(ppma FOA)优化的PI参数在线优化算法。根据适应度值进行排序将果蝇种群分为三个区,因每个区果蝇性能的差异提出多策略更新模式:Ⅰ区局部精细搜索保证种群不退化,Ⅱ区根据算法所处环境自适应调节算法的多样性和收敛性,Ⅲ区引导果蝇加速收敛,提高了算法的开发和探索能力。采用5种对比算法,利用微电网恒功率控制系统进行实验,验证了所提算法的性能和经ppma FOA算法优化后逆变器的响应速度更快、误差更小、输出更稳定。

采用改进果蝇优化算法的最小二乘支持向量机参数优化方法

针对最小二乘支持向量机建模中超参数选择盲目的问题,提出了一种新的改进果蝇优化算法用于超参数寻优。该算法在果蝇优化算法的基础上,通过判断当代寻优所获得的最优值与前代最优值的关系来选择不同的步长计算公式,以实现搜索步长的自适应更新,使其不仅具有果蝇优化算法调整参数少、计算速度快的优越性,而且提高了果蝇优化算法的寻优精度和全局寻优能力。仿真结果和磨机负荷应用表明,与基于网格搜索法、粒子群优化算法以及未改进的果蝇优化算法所建立的预测模型相比,基于改进的果蝇优化算法所建立的预测模型可以显著提高磨机负荷的预测精度,能更准确地描述出磨机负荷的变化规律。

求冗余机器人逆运动学解的改进果蝇优化算法

为了解决冗余机器人逆运动学解求取中存在的计算量大和求解精度较低等问题,提出一种基于改进果蝇优化算法(IFOA)的解决方法。IFOA在果蝇算法(FOA)的基础上,在进化方程中添加向最差个体学习的改进策略来优化进化方程,增强了算法跳出局部最优和寻找全局最优的能力。对经典测试函数的仿真结果表明,相比于FOA,IFOA在收敛速度、收敛精度及收敛可靠性方面都有较大的提高。在求冗余机器人逆运动学解的实际应用中,IFOA能够有效提高精度、速度和稳定性,是求冗余机器人逆运动学解的一种有效方法。

一种改进果蝇算法优化神经网络短期负荷预测模型

针对基本BP神经网络用于电力负荷短期预测时存在预测精度较低等问题,提出一种改进的直连BP神经网络初始连接权值果蝇优化算法(IFOA),用于优化负荷预测模型。首先,采用在BP神经网络中加入从输入到输出连接的网络(BPNN-DIOC,直连BP神经网络)构建负荷预测模型,以减少隐含层所需的神经元个数,降低网络在训练过程中调整的参数个数,提高负荷预测精度。此外,由于BP算法随机初始化网络参数使得算法收敛速度慢、容易陷入局部极值,提出一种改进的果蝇优化算法(IFOA)用于优化神经网络的初始连接权值和阈值,以实现全局优化。然后,综合IFOA和BPNN-DIOC,构建了基于IFOA优化的BPNN-DIOC负荷预测模型。最后,文中以AEMO中新南威尔士州2015年9月份的数据为例进行了仿真验证,IFOA-BPNN-DIOC模型的预测平均绝对误差百分比为0. 635 7%,均方根误差为0. 011 8,并将该结果与文中其它模型的负荷预测结果进行比较。结果表明,文中负荷预测模型是一种更加有效的短期负荷预测方法。

基于改进果蝇算法的重载运输车流组织优化研究

优化重载运输车流组织策略,充分利用现有装车地、组合站和线路条件来提高铁路运能是缓解我国铁路主要干线网络运量矛盾的关键。在综合考虑装车地直达运输系统时间消耗的基础上,针对运输网络中存在路径择优及重载通道部分车站进行换重作业的特殊情况下,构建以重载列车组合作业时间及在途运行消耗之和最小的装车地直达车流组织优化模型,并采用改进果蝇算法来求解优化问题。最后通过实例分析验证所给模型与算法的合理性。

改进果蝇优化算法的磁流变发动机悬置振动控制策略研究

为了提高磁流变发动机悬置隔振性能,提出了一种基于改进果蝇优化算法(IFOA)的PID半主动控制方法。首先,通过Elman神经网络建立了磁流变发动机悬置的正向、逆向模型,采集大量动态特性实验数据进行训练;然后,提出了一种基于云模型算法改进的果蝇优化算法,用于磁流变发动机悬置系统的PID控制器设计;最后,设计了磁流变悬置减振控制实验,检验所提出的基于IFOA的PID控制策略的有效性。实验结果显示:Elman神经网络逆模型的最低辨识精度为98.10%;低速工况下,IFOA-PID算法控制的发动机悬置系统的位移均方根值和加速度均方根值分别是0.112976 mm、0.145829 g·s^(-2);高速工况下,其位移均方根值和加速度均方根值分别是0.148038 mm、0.617804 g·s^(-2)。

改进果蝇算法优化CIAO-LSTM网络的时序预测模型

为了提高时间序列的预测精度,提出了一种基于改进果蝇算法优化直连长短期记忆网络的时间序列预测方法。将长短期记忆网络的多个时间步输入与输出进行全连接(CIAO-LSTM,直连长短期记忆网络),增强了对目标系统中线性成分的表征。提出了一种改进的果蝇优化算法(IFOA),通过动态改变果蝇的搜索半径和对适应度函数增加逃脱系数,提高了果蝇优化算法的全局寻优能力和局部收敛速度。使用IFOA优化CIAO-LSTM网络参数并构建预测模型(IFOA_CIAO-LSTM)。实验结果表明,优化后的时序预测方法相比传统的长短期记忆网络泛化能力更强、预测精度更高,对于波动较大的数据可以实现更好的拟合。

基于改进果蝇优化算法的第Ⅰ类双边装配线平衡问题研究

根据第Ⅰ类双边装配线平衡问题的特性,建立同时考虑最小化成对工位数和总工位数,以及最小化均衡指数的多目标数学模型。为求解该问题,提出一种融合禁忌思想的改进果蝇优化算法,并提出基于分级位置权的作业选择原则以及基于成对工位的作业分配方式初始化果蝇个体。运用改进果蝇优化算法求解实际工程案例,得到新的平衡方案,将其与原平衡方案及遗传算法求得的平衡方案进行对比,证明了该算法的有效性、稳定性和优越性。

基于改进果蝇优化算法的ECT图像重建方法

电容层析成像(ECT)的反问题具有严重的不适定性,因此经典算法的重建结果往往精度不足,并伴有很多伪影。为了提升重建图像质量,考虑将果蝇优化算法(Fruit Fly Optimization Algorithm, FOA)应用在ECT图像重建上。FOA作为群智能搜索算法,具有原理简单、参数设置少、容易实现等优点,但是容易陷入局部最优。针对该问题,提出了一种改进果蝇优化算法,通过与Tikhonov正则化算法相结合求解ECT图像重建问题。为了验证新算法的有效性,选择六种流型作为重建目标,并将LBP算法、Tikhonov正则化算法以及Landweber算法的重建结果作为对照组。仿真实验结果表明,本文算法可以有效提高图像重建精度,重建图像在相对误差和相关系数方面均有所提升,验证了该算法的有效性。

基于改进果蝇优化算法的电力设备故障率预测

针对目前采用统计设备故障历史数据分析所得的电气设备故障率可信度低的问题,提出了以电气设备实际的运行状态为依据,按照设备状态评价和状态检修导则,采用健康指数反映设备的运行状态情况,推算出当前状态下的设备故障率。采用改进果蝇优化算法推求设备的故障率函数,同时考虑到不同检修方式和检修后设备性能的变化对故障率的影响。通过引入役龄回退因子和故障率递增因子来反映检修方式和检修后对设备的故障率影响程度,最终确定出检修后设备的等效役龄,实现对状态检修背景下的电气设备故障率的预测。通过电网实际算例进行分析,验证了该算法和故障率预测模型的有效性。

基于改进果蝇算法的矮塔斜拉桥索力优化研究

文章基于改进的果蝇优化算法编制索力优化程序,依托某矮塔斜拉桥工程实例,建立有限元计算模型,研究了优化后索力分布情况和结构的受力结果,并对比分析了优化前后索力以及主梁挠度的变化情况。研究结果表明:优化后,斜拉索边、中跨1/4位置索力最大,且中跨索力总体比边跨索力大,最大相差1.4%;优化后主梁及桥塔受力合理,桥塔处压应力最大为-19.7 MPa,桥塔根部最大压应力为-8.9 MPa;优化前后,索力均有所增长,最大增幅为31.2%,中跨挠度整体减小,减小量近一倍,说明索力优化达到预期目的。

结合Shearlet变换和果蝇优化算法的甲状腺图像融合

针对甲状腺肿瘤超声图像复杂度高和SPECT图像边界模糊的特点,结合Shearlet变换能够捕捉图像细节信息和果蝇优化算法可靠性高的优势,提出了Shearlet变换和果蝇优化算法相结合的图像融合算法。首先,用Shearlet变换对已精确配准的源图像进行分解,分别得到高低频子带系数。高频子带系数采用区域能量取大的融合规则,低频子带系数使用改进的加权融合规则,并把果蝇优化算法引入低频融合过程,以互信息作为适应度函数来获取最优值,克服了原加权融合算法互信息低的缺点。最后,用Shearlet逆变换得到融合后的图像。实验结果表明,此算法在主观视觉效果和客观评价指标上优于其他融合算法。

果蝇优化算法研究综述

果蝇优化算法(FOA)是一种新兴的群体智能算法,其思想来源于果蝇群体觅食行为。为进一步推广应用FOA并为深入研究该算法提供相关资料,在分析FOA基本原理和优缺点的基础上,从FOA各种改进技术及其应用等方面进行深入调查,论述了该算法的改进策略,并阐述了FOA在复杂函数优化、参数优化和组合优化等方面的应用。最后对FOA发展趋势做出展望。

基于果蝇算法优化支持向量机的语文教学策略

为了提升语文课堂教学质量,应用支持向量机建立课堂教学质量评价模型。构建包含11个二级指标的课堂教学质量评价指标,同时采用改进的果蝇优化算法对支持向量机的参数进行优化,获得用于语文课堂教学质量评价预测的模型。将支持向量机模型、果蝇优化支持向量机模型、改进果蝇优化支持向量机模型应用于语文课堂教学质量评价实例中,结果表明改进果蝇优化支持向量机模型对语文课堂教学质量评价预测准确率更高,运行时间相差很小,更适合于语文课堂教学质量评价预测。

基于改进FOA优化BP神经网络算法的光伏系统MPPT研究

针对基于BP神经网络的光伏系统MPPT策略在光照强度突变时存在较大误差的问题,提出了一种改进的果蝇优化算法用于BP神经网络的权值和阈值优化,并建立了基于IFOA-BP神经网络算法的光伏系统MPPT控制的仿真模型。测试和仿真结果表明,IFOA的收敛速度和求解精度较改进前均有明显提升;IFOA优化后的BP神经网络收敛速度加快,预测误差减少;较之于电导增量法,IFOA-BP神经网络的MPPT策略在稳态条件下能明显抑制功率波动,在外界条件发生突变时,能迅速准确地追踪到最大功率点,具有良好的稳态精度和动态特性。

基于果蝇算法优化GRNN的生物氧化预处理温度预测

为了实现对氧化槽温度的精准预测,提出用改进过的果蝇优化算法来优化广义回归神经网络(GRNN)的参数。改进的方法是在标准果蝇优化算法中加入个体极值的思想,以此提高算法跳出局部极优值的能力。最后分别采用GRNN、FOA-GRNN、IFOA-GRNN方法建立了氧化槽温度预测模型。研究结果表明,IFOA-GRNN预测模型的平均绝对误差(MAE)、均方根误差(RMSE)和平均相对百分比误差(MAPE)均比其它两种预测模型的低,预测精度和泛化能力更强,采用该法可以更精确地预测氧化槽的温度变化。