基于自适应引力算法的桥梁监测传感器优化布置

针对桥梁健康监测中传感器布置优化问题,提出了一种基于自适应引力算法的传感器优化布置方法。以模态置信准则为基础,构造满足传感器优化布置的适应度函数;针对引力搜索算法开发能力不足,对衰减因子α进行了自适应改进。搜索初期α较小,粒子以较大步长进行全局搜索,增强了算法的搜索效率;搜索后期α较大,粒子以较小的步长进行局部搜索,提高了算法的搜索能力,避免落入局部极值点。改进后的自适应引力算法通过双重编码的方式,使算法可以解决离散型的传感器布置问题;以马水河大桥为例,验证算法的可行性。结果表明,改进后的算法有很好的寻优能力,能够准确高效的确定传感器优化位置。

基于自适应引力搜索算法的定日镜场优化布置

针对塔式太阳能热发电电站中定日镜场优化布置问题,提出一种基于自适应引力搜索算法的定日镜场优化布置方法。以Campo布置规则为基础建立比目标定日镜场大1.5倍的密集型初始镜场,将定日镜所在环的半径作为输入变量并将年均效率作为镜场优化布置的评价标准。通过在引力搜索算法中引入动态调整因子α,可提高算法在高维搜索问题方面的求解能力。最后以塞维利亚Gemasolar电站的定日镜场为例进行优化布置,证明使用自适应引力搜索算法优化后的定日镜场具有更高的年均效率。

基于自适应混合引力搜索算法的混沌系统参数辨识

针对混沌系统未知参数的辨识问题,结合人工蜂群搜索算子和混沌优化策略,提出一种自适应混合引力搜索算法,并应用于混沌系统未知参数的优化辨识.利用混沌序列初始化种群以增强搜索初期的遍历性,基于人工蜂群搜索算子进行变异操作以提高算法的局部寻优能力,依据粒子的性能对进化过程中的万有引力系数进行自适应调整,有效避免了早熟收敛,提高了算法的整体寻优性能.以测试函数和典型混沌系统为例进行仿真实验,结果证明该算法具有良好的全局探测和局部开发能力,与遗传算法、粒子群算法、量子粒子群算法和引力搜索算法比较,其对混沌系统参数的估计具有相对较高的辨识精度和收敛速度,算法的有效性得到了验证.

基于引力搜索RBF神经网络的机车齿轮箱故障诊断

为解决神经网络结构及参数的优化选择问题,以提高机车齿轮箱故障诊断的精度,提出一种基于引力搜索RBF神经网络的机车齿轮箱智能故障诊断方法。基于高斯RBF神经网络建立机车齿轮箱故障诊断模型,采用减聚类算法确定RBF神经网络结构,并结合混沌优化策略及人工蜂群搜索算子提出自适应混合引力搜索算法对故障诊断模型进行优化求解,避免了参数选择的盲目性。采用国际标准测试数据集对该方法进行分类性能测试,结果表明其分类精度明显优于经GA算法、SPSO算法、QPSO算法和GSA算法优化的RBF神经网络。将该方法应用于机车齿轮箱故障的诊断,应用实例验证了该方法的有效性。

融合FAST特征选择与ABQGSA-SVM的网络入侵检测

为进一步提升网络入侵检测效果,提出一种融合FAST特征选择与自适应二进制量子引力搜索支持向量机的(FAST-ABQGSA-SVM)网络入侵检测算法。利用FAST算法过滤掉原始特征集中冗余无关的特征形成候选特征子集,基于组合优化策略采用自适应二进制量子引力搜索算法对候选特征子集与SVM分类器参数进行组合优化。在ABQGSA反复学习寻优过程中,采取动态自适应波动式调整策略更新量子旋转角以平衡算法全局搜索能力和局部搜索能力;同时为提升算法的自适应变异能力,设计与进化程度及个体适应度值相关的自适应变异概率,当种群进化出现停滞时及时引入量子位离散交叉操作帮助种群摆脱局部极值。通过KDD CUP 99仿真实验表明,所提出的FAST-ABQGSA-SVM算法较其他同类型检测算法具有更好的鲁棒性、学习精度以及检测效果。