基于社会情感优化算法的船舶转向避碰决策

针对多船会遇时转向避碰决策的难题,提出一种运用社会情感优化算法(Social Emotional Optimization Algorithm,SEOA)求取最佳转向避碰幅度的决策方法。基于国际海上避碰规则和良好船艺对转向行动的要求,分别对互见和不在互见两种情况,建立船舶转向避碰行动矩阵,根据目标船的相对方位和船舶类型确定转向避碰的行动向量,限定问题的求解空间。将船舶碰撞危险度和航程损失作为目标函数,在个体情绪值控制下迭代进化,求取全局范围内的最优转向避碰幅度。仿真结果表明,将社会情感优化算法用于船舶转向避碰决策是可行且有效的,能为船舶驾驶人员的决策提供支持。

结合无功二次精确矩法的混沌社会情感优化算法的多目标无功优化

针对配电网无功优化的特点,提出一种新的方法。首先,采用无功二次精确矩法确定无功补偿点;然后建立以有功网损最小、电压偏差最小及静态电压稳定裕度最大的多目标无功优化模型,用模糊方法将多目标优化问题转化为单目标问题,并以最大、一般和最小3种运行方式模拟配电网的实际运行;接着在社会情感优化算法上引入情感强度定律,模拟人类情感变化以提高寻优精度;同时引入混沌扰动机制,来增强种群多样性以提高全局搜索能力;最后对IEEE 33节点配电网系统进行仿真分析,结果表明该优化方法可以有效地降低网损与提高电压质量。

基于社会情感优化算法的步进式同心圆无钟高炉布料控制研究

为实现无钟高炉布料精准化,建立了基于社会情感优化算法的步进式同心圆布料控制模型。在分析步进式同心圆布料工艺特点的基础上,选取溜槽倾角作为布料控制的主要参数,以料面形状误差为控制目标,建立了步进式同心圆布料优化控制的数学模型,设计了社会情感优化算法进行优化求解。最后将控制模型应用到2 580 m^3无钟高炉进行验证,并分析了社会情感优化算法解决步进式同心圆布料控制问题的优化性能。计算结果表明:基于社会情感优化算法的步进式同心圆布料控制方法能够准确地实现期望的炉料分布,与标准遗传算法和标准粒子群算法相比,社会情感优化算法在布料控制优化中显示出准确度高和收敛速度快的优点。

基于二次插值法的社会情感优化算法

社会情感优化算法是一种模拟人类社会行为的新型群智能优化算法,算法中考虑了个体决策能力以及个体的情感对寻优结果的影响,因此算法的多样性比常见的群智能算法改善了很多,但是局部搜索能力还有待提高。二次插值法是一种局部搜索能力较强的搜索方法,把二次插值法引入社会情感优化算法,搜索效果会改善。通过使用测试函数对算法的优化性能进行测试,证明把二次插值法引入社会情感优化算法,可以使得社会情感优化算法的局部搜索能力增强,从而增强了社会情感优化算法的全局搜索能力。

基于社会情感优化算法的支持向量机参数选择

支持向量机(SVM)是广泛应用于分类和回归问题的机器学习方法。SVM做分类预测时的分类精度主要取决于参数的选择,参数选择不当将出现“过学习”或“欠学习”的情况,且容易陷入局部最优解。社会情感优化算法(SEOA)加入了人类情感因素,是一种新颖的智能优化算法,有着良好的全局优化能力。提出基于SEOA的SVM参数选择方法,同时优化核函数参数和惩罚参数。实验采用4组UCI数据集进行测试,并将SEOA算法与遗传算法、粒子群优化算法进行仿真测试结果对比。试验结果表明,SEOA较大地提高了SVM算法的寻优能力,收敛性较好,具有更高的分类精度和更少的搜索时间。

基于情感强度定律的社会情感优化算法

情感强度定律是在受到外界刺激作用时指导个体情感变化的理论基础。在社会情感优化算法的基础上引入了情感强度定律,考虑到情感在人类个体决策上所起的重要作用,我们对源于外界刺激的情感强度值进行了量化,使个体在自身认知和社会活动中表现了合理的自适应能力,完善了算法的全局、局部搜索协调能力。最后对算法的参数也做了分析和讨论。仿真实验结果表明,该算法有效地提高了求解的性能,能高效地解决高维复杂多模态优化问题。

梯级水电站优化调度的改进社会情感优化算法

探索新的调度模型求解方法一直是水库优化调度研究的热点之一。社会情感优化算法(SEOA)是一种新兴的启发式智能优化算法,但目前在水库优化调度中未见应用。将SEOA应用于梯级水电站发电优化调度中,并针对算法初始种群随机生成造成的初始解代表性低,引入了初始种群均匀设计,针对部分个体过早收敛导致的种群活力低、算法易于局部收敛,制定了种群淘汰策略,从而建立了改进社会情感优化算法(改进SEOA)。实例表明,在梯级水电站发电优化调度模型的求解中,改进SEOA搜索效率高、寻优能力强、稳定性好。

社会情感算法优化神经网络的短时交通流预测

针对反向传播(BP)神经网络用于交通流预测易陷入局部最优且寻优速度慢的问题,采用了社会情感优化(SEO)BP神经网络的参数,以SEO中的个体为一个BP神经网络,以3种情绪为表现形式,通过个体间的合作竞争进行寻优。运用Levy、正态、柯西分布3种情绪随机选择策略,通过不同方式实现了以不同的概率选择不确定的情绪,使SEO中情绪更好地模拟人的正常心理变化。实验表明:该模型较其他模型更有利于搜寻全局最优解,能有效提高短时交通流的预测精度。

基于社会情感算法的分类模型设计

本文首先通对分类模型进行分析,由于分类规则容易理解、简单,因此分类问题拟采用分类规则表示,而社会情感优化算法是一种新的群智能优化算法,模拟了人类群体的决策过程,因此将社会情感算法应用于分类问题,针对连续属性建立分类模型。

用社会情感算法提取分类规则

由于分类规则容易理解、简单,因此分类问题拟采用分类规则表示,社会情感优化算法是一种新的群智能优化算法,模拟了人类群体的决策过程,因此将社会情感算法应用于分类问题,通过实验验证得到了比较好的结果。

基于SEOA算法的水库调度优化配置模型应用研究

针对水库调度配置中求解最小缺水量的问题,采用社会情感优化算法(SEOA算法),并在生成初始种群和算法收敛速度两方面进行改进,最后将改进后的算法运用到东榆林水库。结果表明:改进后的SEOA算法在水库调度最小缺水量问题中具有效率高、计算量少、寻优能力强的优点,有着一定的实用价值。

基于情绪参照点的多主体自组织路径选择模型

为了研究有限理性条件下出行者群体的自组织路径选择行为对交通流量分配的影响,利用累积前景理论结合小世界社会网络,建立了具有交互机制的多主体路径选择模型。在模型中,将参照点的特性与小世界社会情感优化算法思想进行有机结合,基于出行时间可靠性设计了具有异质特点的参照点及其演化规则,使出行者个体能够依据决策环境及情绪的变化动态地调整自身的出行时间预算,更加符合出行者的实际行为特征。最后,设计了交通流分配演化算法,求解路网配流。研究发现:(1)模型较好地继承了传统模型中的有限理性特点;(2)出行者的异质程度是影响交通流量分配结果的重要因素;(3)本文提出的模型较好地解释了实际交通流分配中的流量变化现象。

基于IVMD与改进KELM的发动机故障诊断

为从含有较强噪声的缸盖振动信号中提取有效的故障特征并进行故障分类,提出了采用独立变分模态分解(independent variational mode decomposition,简称IVMD)与改进核极限学习机(improved kernel extreme learning machine,简称IKELM)的发动机故障诊断方法。首先,根据频谱循环相干系数选取匹配波形对信号进行端点延拓,并利用变分模态分解(variational mode decomposition,简称VMD)将延拓后信号分解为一系列固有模态分量,有效抑制了VMD中的端点效应;其次,选取有效分量作为输入观测信号,进行核独立成分分析,进一步分离干扰噪声与有效信号,并消除模态混叠,得到相互独立的有效故障特征频带,进而提取各频带的自回归模型参数、多尺度模糊熵和标准化能量矩构建故障特征向量集;最后,建立基于社会情感优化算法的IKELM分类模型,对故障特征进行分类,实现发动机故障诊断。仿真和实验结果表明,所提出的方法可有效抑制VMD的端点效应,提高信号分解精度,消除噪声干扰并分离出相互独立的有效故障特征频带,增强特征参数辨识度,最终提高发动机故障诊断速度与精度,发动机故障诊断平均准确率达到99.85%。