基于量子引力搜索算法的SVM火焰识别算法

针对复杂环境下火焰识别问题,提出一种基于量子引力搜索算法改进的支持向量机(SVM)的火焰识别算法。首先通过对火焰图像进行预处理并提取火焰的颜色、面积变化率和圆形度等火焰特征,并形成训练数据和验证数据;然后,采用量子引力搜索算法对SVM的核参数和惩罚因子进行最优搜索,并应用最优搜索得到的超参数建立SVM分类器模型,应用到最终的火焰图像识别中。

基于量子万有引力搜索的SVM自驾故障诊断

针对自动驾驶仪在实际测试过程中故障样本较少的情况,提出一种基于量子万有引力搜索算法(QGSA)的支持向量机(SVM)故障诊断模型。SVM能较好地解决小样本、非线性问题,适用于自动驾驶仪的故障诊断。为进一步提高万有引力搜索算法(GSA)对参数寻优的收敛速度和收敛精度,将基于GSA的QGSA应用于SVM的参数寻优中,以解决SVM由于参数选取不当导致过学习或欠学习的问题,从而获得最优的分类模型。通过模拟实验分析,当训练样本数量为50时,基于QGSA的SVM故障诊断模型分类准确率便能达到96.530 6%,而基于遗传算法(GA)的SVM故障诊断模型分类准确率为92.040 8%,基于GSA的SVM故障诊断模型分类准确率为91.6327%。仿真实验结果表明,基于QGSA的SVM故障诊断模型具有更好的故障诊断能力。

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。

基于LQ-GSA的独立型微网容量优化配置

独立型微网容量优化配置是微网规划建设中的重要环节,文中提出一种基于莱维飞行的量子引力搜索算法(LQ-GSA)对独立型微网系统中的风力发电、光伏发电和蓄电池容量进行优化配置。在保证系统供电可靠性和新能源消纳的基础上,建立以平准化能源成本为优化目标的独立型微网容量优化配置模型,通过引入收缩扩张系数动态调整策略和莱维飞行改进量子引力搜索算法以增强算法的全局寻优能力。利用文中所建立的模型进行仿真分析,并与其他万有引力搜索算法和粒子群算法结果比较,算例结果表明所提算法具有较高的求解精度和稳定性,能够保证独立微网系统的经济可靠运行。

考虑多重不确定性的多站融合容量优化配置方法

多站融合中太阳能、风能等可再生能源以及负荷需求具有不确定性,使多站融合规划需要考虑更多不确定性因素。为有效提高多站融合建设的经济性,在保证系统供电可靠性和新能源消纳的同时,建立以平准化能源成本为优化目标的多站融合容量优化配置策略。在量子引力搜索算法的基础上引入莱维飞行以进一步提高搜索能力,在算法中利用蒙特卡洛模拟生成随机参数,从而求解包含多重不确定性的容量配置问题。以某地多站融合数据为例进行仿真分析,并与传统的粒子群算法以及未改进的量子引力搜索算法进行对比,算例结果表明所提方法提高了容量配置问题的求解精度和稳定性并能够有效降低多站融合的综合用电成本。