基于非洲秃鹫算法优化卷积神经网络的重叠峰解析方法

利用光谱仪器检测土壤中重金属时,由于仪器分辨率较低,峰位相近元素的特征峰会产生重叠。光谱重叠峰严重影响定量分析结果的准确性,为了得到准确的重金属含量需要进行光谱重叠峰分解。提出利用非洲秃鹫算法优化卷积神经网络(AVOA-CNN)的重叠峰解析方法。首先,利用高斯函数模型模拟出150个双高斯含噪光谱重叠峰和43个三高斯含噪光谱重叠峰,选择不同小波基函数进行光谱数据去噪,以信噪比和均方根误差(root mean square error, RMSE)为评价指标,最终确定coif 3小波基函数,使用导数法进行光谱重叠峰预处理。然后,使用AVOA-CNN获得卷积神经网络(convolutional neural network, CNN)预测结果,解析结果表明:AVOA-CNN成功分解重叠峰且准确率高,双高斯光谱重叠峰和三高斯光谱重叠峰参数(峰强度,峰位,峰宽)的最大相对误差平均值分别为3.15%和5.90%。最后对比麻雀搜索算法优化CNN、CNN与AVOA-CNN,结果显示AVOA-CNN模型预测准确率最高。

一种改进的非洲秃鹫算法

针对非洲秃鹫优化算法(African Vultures Optimization Algorithm,AVOA)收敛速度慢、种群多样性损失、易陷入局部最优的缺点,提出一种改进的非洲秃鹫优化算法(Improved African Vulture Algorithm,IAVOA)。首先,在全局探索阶段融入正余弦算法思想同时引入非线性惯性因子协调算法全局和局部的开掘能力,并加快收敛速度。其次,引入自适应t分布和差分变异,拓展局部探索能力,使种群中陷入局部极值的个体有能力跳出陷阱继续搜索。最后,通过基准函数对算法的各项性能指标进行评估。结果表明改进策略能够克服AOVA的不足,提升算法的收敛速度、寻优精度和寻优稳定性。同时,将IAVOA应用于两个电力系统经济调度问题取得了令人满意的成果,进一步验证了IAVOA在实际寻优问题上应用的可行性。

混沌自适应非洲秃鹫优化算法训练多层感知器

针对训练多层感知器(MLP)时,算法对初始值敏感、易陷入局部最优和收敛速度慢等问题,对新型启发式算法非洲秃鹫优化算法提出改进算法IAVOA。在初始化种群时引入Logistic混沌映射,增加种群的多样性;对最优秃鹫和次优秃鹫增加自适应权重系数,自动调整这两类秃鹫对普通秃鹫的引导作用;IAVOA用于MLP的训练,采用均方误差的平均值作为适应度函数寻找MLP的连接权重和偏差的最佳组合。选取4个不同复杂度的分类数据集,比较IAVOA算法与现有启发式算法对MLP训练后,MLP对数据分类的性能,仿真结果表明,IAVOA算法训练的MLP在数据分类准确率、全局搜索能力、收敛速度和稳定性方面均具有良好的性能。

基于改进非洲秃鹫优化算法的脑MRI图像分割

针对非洲秃鹫优化算法(African vulture optimization algorithm,AVOA)在开发能力与探索能力之间存在的失衡问题,提出了一种多策略改进的非洲秃鹫优化算法(improved African vulture optimization algorithm,IAVOA)。采用佳点集初始化种群以增强多样性,引入混合对立学习以强化开发与探索,实施自适应信任度策略以动态调整搜索过程,应用高斯变异来进一步平衡算法的开发和探索能力。仿真结果显示,在12个典型测试函数上,IAVOA相较于对比算法,在收敛速度、求解精度和稳定性方面均显著提升。提出了IAVOA-FCM算法用于小样本数据集的脑磁共振成像(magnetic resonance imaging,MRI)图像分割,通过IAVOA算法强大的全局寻优能力对FCM算法进行优化。在脑MRI图像分割实验中,与其他5种先进的结合算法相比,IAVOA-FCM在分割精度、稳定性等方面均表现出显著优势。

基于双重动态调整的改进非洲秃鹫优化算法

针对非洲秃鹫优化算法(African vulture optimization algorithm, AVOA)多样性低、探索开发能力不平衡、易发生早熟的现象,提出了一种基于双重动态调整的改进非洲秃鹫优化算法(improvement African vulture optimization algorithm, IAVOA)。改进后的算法分为3个部分,通过引入混沌映射初始化种群,以确保种群在前期寻优中具有较高的多样性;加入动态调整因子来确定当前最优个体,用来平衡前期探索与后期开发的能力;针对AVOA中饥饿率的变化情况加入动态调整的高斯扰动,用于防止早熟问题的发生,提高最终解的质量。改进后的算法在9个标准测试函数上进行测试。结果表明,该算法表现出更佳的求解性能。

基于非洲秃鹫优化算法的模糊投资组合优化研究

实际投资组合中金融资产的收益和风险普遍存在不确定性。引入模糊变量,采用下半方差作为风险度量方式,建立均值-下半方差模糊投资组合优化模型,并采用非洲秃鹫优化算法进行求解。选取2018年1月至2023年1月期间十只股票的周收盘价数据进行实证研究,并与粒子群优化算法、蝴蝶优化算法、黑猩猩优化算法和鲸鱼优化算法等四种仿生智能优化算法进行比较。研究结果表明,非洲秃鹫优化算法能够有效求解均值-下半方差模糊投资组合优化模型,能为投资者的实际投资决策提供有价值的参考。

基于改进非洲秃鹫优化算法的图像阈值分割研究

针对非洲秃鹫算法(AVOA)全局搜索能力不足与局部搜索策略冗杂的缺点,提出一种改进非洲秃鹫算法(β-PAVOA)。算法采用分段线性混沌映射(PWLCM)初始化种群,增强种群多样性。引入β分布与基于饥饿率的搜索策略,增强算法全局搜索能力。改进原算法局部搜索策略,帮助算法及时跳出局部最优。通过8个测试函数验证算法的有效性,并将其应用于二维Otsu图像阈值分割模型。实验结果表明,在测试函数上,β-PAVOA相比较于非洲秃鹫算法(AVOA)、金豺狼优化算法(GJO)、灰狼算法(GWO)、鲸鱼优化算法(WOA)和粒子群算法(PSO)有着更好的精度与收敛速度;在二维Otsu图像阈值分割模型上,β-PAVOA在搜到最优解的情况下收敛速度也仍然领先,这也证明了改进算法的有效性。

基于小波包分解-非洲秃鹫优化算法-深度极限学习机的水文预报模型及其应用

针对水文序列多尺度、非线性、非平稳性特点,将小波包分解(WPD)与非洲秃鹫优化算法(AVOA)—深度极限学习机(DELM)相结合,建立WPD-AVOA-DELM组合预测模型,利用AVOA优化DELM输入层权值、隐含层偏值或隐含层神经元数,分别建立WPD-AVOA-DELM^(1)(优化DELM输入层权值、隐含层偏值)、WPD-AVOA-DELM^(2)(优化DELM隐含层神经元数)模型,利用WPD将云南省革雷站水文序列分解为8个子序列分量,对各子序列分量进行预报,将预报结果加和重构得到最终预报结果。结果表明,WPD-AVOA-DELM^(1)、WPD-AVOA-DELM^(2)模型对革雷站月径流、月降水量、年径流、年降水量预报的平均相对误差分别为1.86%、8.82%、0.79%、0.52%和1.97%、8.30%、0.92%、0.71%,预报精度远高于单一模型AVOA-DELM^(1)、AVOA-DELM^(2)、AVOA-SVM,高于组合模型WPD-AVOA-SVM,具有更好的预报效果。可见WPD能科学降低水文序列的复杂性,提高预报精度;AVOA能有效优化DELM关键参数,提高DELM网络性能。

求解工程优化问题的多种智能优化算法仿真

探究新型优化算法的寻优性能和工程优化问题求解能力,选取6种智能算法:天鹰优化器(AO)、算术优化算法(AOA)、非洲秃鹫优化算法(AVOA)、人工大猩猩部队优化器(GTO)、饥饿游戏搜索算法(HGS)、野马优化器(WHO),对其进行仿真对比。首先阐述新型算法的主体框架;然后,选取6个基准测试函数并测试其寻优性能;最后,用其求解2种典型的工程优化问题,并且分析其改进方向和应用前景。对于测试函数的仿真结果分析,GTO算法的寻优能力最强,多次获取测试函数理论值,且运行时间较短;在工程优化问题的仿真中,GTO算法与WHO算法的寻优能力较为突出,寻优时间短,可靠性高。

基于改进IAVOA-BP算法的GFRP布加固角钢极限承载力预测模型研究

针对现役输电铁塔在边坡变形等自然灾害作用下可能存在承载力不足的问题,提出采用玻璃纤维布(GFRP)对铁塔角钢进行加固,而现有复合材料加固钢结构承载力理论分析预测精度低、普适性不高。因此本文提出一种改进非洲秃鹫智能算法(AVOA)优化BP神经网络的GFRP布加固角钢极限承载力预测模型,首先引入Sobol序列、指数变换策略、多点Levy飞行策略及柯西变异扰动4种方法对原始AVOA算法优化;之后将得到的IAVOA算法优化BP算法的权值、阈值,得到IAVOA-BP预测模型;最后将角钢长细比、GFRP布层数、铺设角度、铺设长度作为输入量,加固后角钢极限承载力作为预测值并进行对比。结果表明,IAVOA-BP与AVOA-BP预测模型相比,平均相对误差下降47.61%、绝对平均误差下降47.04%、均方根误差值下降47.83%,改进后的IAVOA-BP预测模型能够较为准确的预测GFRP布加固角钢后的承载力大小。

基于非洲秃鹫优化算法改进的密度峰值聚类

密度峰值聚类算法是一种自动寻找簇中心的新型快速搜索算法。针对其截断距离的不确定和一步式分配策略不稳健等缺陷,本文提出一种基于非洲秃鹫优化算法改进的密度峰值聚类算法。通过准确率(accuracy,Acc)这一评价指标建立优化问题的目标函数,利用非洲秃鹫优化算法强大的寻优能力对不确定的截断距离dc进行优化,降低了人为取值的不准确性;其次,根据数据集密度均值将其划分为高低不同的密度区域,对不同区域采用不同的分配策略,针对高密度区域内的数据点采用与原密度峰值聚类相同的分配方法,对低密度区域内数据点则根据其k近邻数量进行聚类;最后,将该算法在合成和真实数据集上进行实验验证,算法的聚类性能有了很大的提升,且对密度差异性较大的数据集划分也更加精确。

基于EMD-AVOA-BP的逆变器故障诊断方法

以CRH3C型动车组逆变器中的绝缘栅双极型晶体管(IGBT,Insulated Gate Bipolar Transistor)双管开路故障为研究对象,提出了一种基于非洲秃鹫算法(AVOA,African Vultures Optimization Algorithm)和优化的反向传播(BP,Back Propagation)神经网络的逆变器故障诊断方法。在Simulink中搭建列车逆变器的控制模型,取得故障电流;采用经验模态分解(EMD, Empirical Mode Decomposition)对电流信号进行去噪和故障特征提取,再利用AVOA对BP神经网络进行优化,实现了对列车逆变器IGBT双管开路故障的诊断。与传统方法进行对比可知,该方法具有更高的精准度,在测试集中其精准度达到100%。

基于Levy-AVOA优化模糊PID的动力定位船舶循迹控制研究

为了提高动力定位(DP)铺缆船在铺设海底电缆时的路径循迹能力,设计非洲秃鹫算法优化模糊PID的船舶控制器(AVOA-Fuzzy-PID)。船舶运动数学模型采用三自由度,加入风、浪、流作用力模拟海况,以船舶的位置和姿态矢量与实际值的差值作为控制器输入。在传统PID控制器基础上加入模糊控制,根据模糊控制规则寻求K_(p)、K_(i)、K_(d)的调整变化量ΔK_(p)、ΔK_(i)、ΔK_(d)与e和de间的关系,自动调节参数,加强控制器稳定性,使船舶沿规划路径向目标位置航行。采用非洲秃鹫算法结合Levy飞行策略计算船舶模型,通过确定每组最优秃鹫、秃鹫饥饿率、探索和开发4个阶段,并在开发阶段引入Levy飞行策略,增强全局搜索能力,确定秃鹫食物源最优位置,防止结果陷入局部最优,提高计算结果精确性。仿真结果表明,结合AVOA算法的模糊PID控制器能够提高船舶路径跟踪效率,使其跟踪过程较为平顺。通过对比PSO、GA和SSA算法优化Fuzzy-PID控制器参数可以看出,AVOA对K_(p)、K_(i)、K_(d)参数整定收敛速度较快,控制器适应度值较低,寻优精度较高,能够使船舶沿规划路径航行。

一种自适应选取参数的改进变分模态分解方法

针对传统的变分模态分解(VMD)方法中模态数和惩罚参数难以确定的问题,提出了一种自适应选取参数的改进变分模态分解方法。首先,综合考虑了故障的冲击性和周期性特点,以Gini指数和谱峰比指标为基础构建了加权谱峰比(WSPR)指标;然后,采用非洲秃鹫优化算法(AVOA)进行了寻优,得到了最佳的模态数和惩罚参数组合,克服了人为主观选择参数的弊端;最后,在VMD分解信号后,利用加权谱峰比最大原则自适应选取了敏感内涵模态分量,对最佳IMF进行了包络解调分析,提取了滚动轴承早期故障特征,利用仿真信号、单一故障滚动轴承试验信号及复合故障滚动轴承试验信号对所述方法进行了验证。实验结果表明:该方法可以准确地提取出仿真信号的故障频率(100 Hz)、单一故障信号的故障频率(236.4 Hz)和复合故障信号的故障频率(内圈故障频率149.14 Hz、外圈故障频率86.39 Hz),并且在与其他方法和指标的对比中,其最佳IMF的包络谱图中故障特征频率及其倍数频的谱峰更加明显,准确率更高且鲁棒性更强。研究结果表明:该方法能够有效提取轴承早期故障信号的微弱特征,实现故障类型准确识别的目的。

基于IAVOA-GRU网络的高频地波雷达电离层杂波预测

电离层杂波的精确预测对提升高频地波雷达的探测性能具有重要作用。提出了一种基于改进非洲秃鹫优化算法优化门控循环单元(Improved African Vultures Optimization Algorithm Optimization Gated Recurrent Unit,IAVOA-GRU)网络的电离层杂波预测方法。首先,依据电离层杂波的混沌特性,通过相空间重构方法对接收到的电离层杂波进行相空间重建,构建GRU网络的输入、输出样本集;然后,利用IAVOA对GRU网络的隐层节点数、迭代次数及初始学习速率3个超参数值执行优选;最后,重新训练优化后的GRU网络,并进行预测。实测结果表明,相较其他6种对比预测模型,所提出的IAVOA-GRU网络模型具有较高的预测精度和可靠性,为有效改善高频地波雷达的探测性能提供了一种思路和方法。

基于VMD和AVOA-SCN的齿轮箱故障诊断

针对齿轮箱故障诊断中的故障特征提取困难和故障模式难以识别的问题,提出了一种将变分模态分解(VMD)、非洲秃鹫优化算法(AVOA)和随机配置网络(SCN)相结合的齿轮箱故障诊断方法。首先针对SCN网络权重与偏置的随机初始化会导致网络预测结果的不稳定问题,提出采用AVOA算法优化SCN网络节点权值和偏置的初始化选取方式方法用于故障的分类与识别。其次利用VMD算法将齿轮箱振动信号分解为若干本征模态分量(IMF),再用相关系数筛选IMF分量并计算其样本熵,作为特征向量,输入到用AVOA算法优化后的SCN网络中进行分类识别。实验结果表明,所提方法可以准确地识别出齿轮箱的故障模式,识别准确率达到98.33%,相比于BP、ELM、RVFL、SVM、SCN等方法具有更高的故障识别准确率。

局部遮阴下基于改进AVOA的光伏多峰MPPT控制

光伏阵列受部分遮阴影响,其功率电压特性曲线呈多峰状,导致传统最大功率点跟踪(MPPT)算法失效,因此提出了一种改进的非洲秃鹫优化算法(AVOA)运用于光伏的MPPT控制。首先,引入Tent混沌映射使种群位置更具多样性,避免过早收敛。然后,优化算法在探索和开发阶段的更新策略,减少计算力的浪费,提高寻优速率。最后,在MATLAB 2022b/Simulink环境下,应用所提算法对不同辐照情况的3组工况进行仿真。实验结果表明,在多峰MPPT控制中,该算法具有寻优效率高、收敛速度快等特点,能有效地提升复杂遮阴环境下光伏能源的利用率。

基于改进AVOA的小型自由活塞斯特林制冷机控制算法研究

针对小型自由活塞斯特林制冷机在温度控制系统中建模复杂以及易受环境温度和热负载变化的影响等问题,提出一种基于改进非洲秃鹫优化算法的模糊PID控制算法。通过在一台10 W@77 K自由活塞斯特林制冷机的温度控制系统中加入滞环偏置继电器辨识制冷机的数学模型,以此构建闭环控制系统,着重针对基于改进非洲秃鹫算法的模糊PID控制算法进行仿真实验。针对非洲秃鹫优化算法存在的容易陷入局部最优、收敛速度慢等问题,提出了一种融合多策略的改进非洲秃鹫优化算法,其中引入Tent混沌映射以提高初始个体多样性,并对次优秃鹫选择策略进行改进,加强算法脱离局部困境的能力,最后利用精英反向学习进一步增强算法全局搜索能力。仿真实验结果表明,该算法与PID算法、模糊PID算法和非洲秃鹫算法优化的模糊PID算法相比,调节时间分别降低79.69%、56.22%、50.26%,超调量分别减少87.70%、59.81%、60.38%;在加入方波扰动、白噪声、脉冲扰动和正弦波扰动下,控制系统的超调量的变化率分别为2.61%、2.35%、2.44%和2.49%。因此,基于改进非洲秃鹫算法的模糊PID控制算法与常规控制算法相比,具有响应速度快、超调小、抗干扰性强和稳定性好等优点。

基于VMD-AVOA-LSSVM模型的月降水量预测研究

为寻求新型耦合模型来提高月降水量预测的效率,以最小二乘支持向量机(LSSVM)为基础,先基于变分模态分解(VMD)进行月降水序列的分解降噪得到分量,再使用新型非洲秃鹫优化算法(AVOA)优化模型参数,以各个分量为输入构建了VMD-AVOA-LSSVM月降水量预测模型。该模型在华北平原5个典型站点的试验结果表明,与其他对照模型相比,VMD-AVOA-LSSVM模型的综合性能最好;训练误差为R_(RMSE)=4.250 mm/月、M_(MRE)=68.028%、R^(2)=0.995;检验误差为R_(RMSE)=5.593 mm/月、M_(MRE)=64.320%、R^(2)=0.993,说明所提出的VMD-AVOA-LSSVM模型可为相关水资源管理提供参考。

基于小波分解的AVOA-DELM月径流时间序列预测模型及应用

为提高月径流时间序列预测精度,提出小波分解(WD)-非洲秃鹫优化算法(AVOA)-深度极限学习机(DELM)组合预测模型,并应用于云南省丫勒水文站月径流预测。利用WD对月径流时序数据进行分解,以获得更具规律的子序列分量;通过AVOA优化DELM隐含层神经元数,建立WD-AVOA-DELM模型对各子序列分量进行预测,将预测结果加和重构得到最终月径流预测结果。同时构建基于支持向量机(SVM)、BP神经网络两种预测器的WD-AVOA-SVM、WD-AVOA-BP、AVOA-DELM、AVOA-SVM、AVOA-BP作分析对比模型。结果表明:WD-AVOA-DELM模型对丫勒水文站月径流预测的平均绝对百分比误差为3.02%,预测误差远小于WD-STOA-SVM、WD-AVOA-BP模型,预测精度较AVOA-DELM、AVOA-SVM、AVOA-BP提高1个数量级以上,具有较好的预测效果。WD能科学降低径流序列的复杂性,提高预测精度;AVOA能有效优化DELM关键参数,提高DELM网络性能。