基于改进飞蛾火焰算法同步优化SVM参数和特征选择

特征选择和参数优化都是提高机器学习分类正确率和效率的重要方法,本文提出了一种基于改进的飞蛾火焰算法(IMFO)同步优化支持向量机(SVM)参数和特征选择的方法。针对飞蛾火焰算法(MFO)寻优精度较低和容易陷入局部最优的问题,首先,利用反馈共享机制增强飞蛾之间的信息交流,使个体容易脱离局部最优。其次,引入惯性权重因子改进飞蛾位置更新公式,增强算法的勘探能力。最后,将IMFO用于同步优化SVM的参数和特征选择中,并在12个UCI数据集上进行了特征选择实验,实验结果表明,该方法能有效地优化SVM参数和特征子集,在提高分类准确率的同时,减少特征数量。

基于反学习飞蛾火焰算法优化的LSSVM模型及其软测量应用

针对最小二乘支持向量机LSSVM(least squares support vector machine)软测量模型参数难以估计问题,提出将参数估计转化为约束优化问题,基于反学习飞蛾火焰算法OMFO(opposition-based MFO)优化的LSSVM建模技术,并构建OMFO-LSSVM软测量模型。在MFO(moth-flame optimization)基础上增加新型反学习策略以提升算法性能。针对越界飞蛾,采用一种镜像越界策略保证飞蛾均在维度范围内,改善种群多样性。利用OMFO算法调整模型参数,并建立OMFO-LSSVM软测量模型。将OMFO-LSSVM模型用于机组热耗率预测,预测精度达到0.11%,验证了该模型的可行性与优越性。

融合学习策略和邻域搜索的飞蛾火焰算法

为进一步降低基本飞蛾火焰算法陷入局部最优的概率并提高种群多样性,提出一种融合学习策略和邻域搜索的飞蛾火焰算法。将拟反向学习策略嵌入到火焰更新过程,有助于火焰从局部最优中跳出,并且提供了更高的机会接近问题的未知最优解。对飞蛾种群基于适应度值分群,其中一个群采用排序配对学习策略以实现个体间的信息交流,另一个群采用邻域搜索策略以增加种群多样性,这种并行计算能更快地提升整个种群的质量。选取CEC2017测试函数进行数值实验,测试结果和统计分析表明了所提算法具有更高的求解精度和稳定性。将所提算法用于求解OR-Library中的标准实例,结果验证了所提算法对作业车间调度问题是有效的。

基于改进飞蛾火焰算法的单相逆变器参数辨识

提出一种基于改进飞蛾火焰优化算法的逆变器电路参数辨识方法。针对飞蛾火焰算法的不足,改进了飞蛾火焰优化算法。前期使飞蛾向最优个体位置直线移动,加快了算法收敛速度;后期利用Levy飞行增强种群多样性,提高了算法全局搜索能力。参数辨识结果表明,改进飞蛾火焰算法辨识得到的参数值与实际值非常接近,误差很小。改进飞蛾火焰算法能够有效实现逆变器电路参数的精确辨识,进而可应用于参数型故障诊断、运行状态监测和预知维护。

基于多策略扰动机制的飞蛾火焰算法及在乙烯聚合过程动力学参数估计中的应用

针对飞蛾火焰算法(MFO)早熟和易陷入局部最优的缺点,研究提出了一种基于多策略扰动机制的飞蛾火焰算法(MSMFO)。该算法通过莱维飞行和布朗运动两种机制的随机选择对飞蛾粒子进行重新定位,以克服种群后期多样性严重下降的缺陷。通过对8个测试函数的仿真对比,MSMFO具有更高的收敛精度和更好的全局收敛能力。将MSMFO算法用于工业乙烯聚合过程动力学参数估计。以聚合反应动力学参数为决策变量,模型输出的数均分子量和重均分子量与实际值之间的相对误差平方为目标。结果证明,MSMFO算法具有更好的收敛性。

改进飞蛾火焰算法在多目标水资源优化配置中的应用

水资源紧缺局面愈演愈烈,迫切需要进行水资源优化配置,以此提高水资源利用效率。基于自然元启发的优化算法越来越多的应用于求解多目标水资源优化配置问题。飞蛾火焰算法全局收敛性能较差且容易陷入局部最优解,针对以上问题,结合帕累托最优解概念,引入快速非支配排序策略,利用拥挤度及拥挤度比较算子对飞蛾火焰算法进行改进,继而采用改进的飞蛾火焰算法对ZTD1、ZTD2及ZDT3等3个多目标函数进行仿真实验,结果表明计算得到的帕累托最优前沿接近于理想帕累托前沿,收敛性能及精度优于本文所列举大部分多目标优化算法。最后将改进飞蛾火焰算法应用于三亚市水资源优化配置中,得到了23组帕累托最优解。选择了对缺水量最小有特殊偏好的方案作为最终决策方案,结果显示三亚市不同用水户总需水量39015万m^3,各用水户总分配水量为39015万m^3,缺水量为0,产生的经济效益为203.91亿元。改进的飞蛾火焰算法为多目标水资源优化配置问题提供了新的求解方法。

冷蠕成形系统飞蛾火焰算法的优化控制

针对冷蠕成形系统控制过程中存在压力波动的问题,常规PID控制算法存在易陷入局部极值的缺陷,设计一种基于飞蛾火焰优化(MFO)算法的PID控制策略。引入有限元数值模拟软件DEFORM进行冷蠕成形时金属的受力和流向分析,利用所提的算法在全局搜索空间中进行勘探,以螺旋路径的形式逼近火焰,在最佳工况点提升三相异步电机的动态响应水平,优化高阶非线性系统的复杂建模过程,同时,减少滑块压力的波动对液压泵的影响。仿真结果表明,所设计的控制策略可以精确优化PID参数,减少压力扰动的影响,在减少超调量和增强系统鲁棒性等方面具有显著效果。

基于飞蛾火焰优化算法的PMSM分数阶PI~λ研究

针对PMSM(永磁同步电机)分数阶PI~λ控制器的参数整定,提出了一种频域法与飞蛾火焰优化算法相结合的方法。以永磁同步电机的分数阶模型作为被控对象,首先使用频域法根据系统的相对稳定性和增益变化的鲁棒性等条件得到控制器的方程;然后结合该方程的图像求解出分数阶PI~λ控制器的参数,以该参数为中心位置,指定寻优的范围,进而应用火焰优化算法对其周围进行寻优。仿真和实验结果表明,该分数阶PI~λ控制器能够降低系统的超调量,提高系统的快速跟踪能力和抗干扰能力,具有较强的鲁棒性。

基于改进型飞蛾火焰算法的区间非概率可靠性优化设计

可靠性优化设计一般属于双层嵌套优化问题,针对可靠性优化问题中计算复杂、存储量大以及易陷入局部最优等不足,研究基于改进型飞蛾火焰算法的区间模型非概率可靠性优化问题,对内层可靠性分析采用了MATLAB内部函数Vpasolve,而对外层优化采用改进型飞蛾火焰算法,建立了基于改进型飞蛾火焰算法的可靠性优化设计模型,使其更利于优化计算。通过实例表明：该方法计算过程简单,速度快,为结构非概率可靠性优化提供了一种新的研究思路。

基于飞蛾火焰优化算法的火电调峰负荷分配研究

在分析火电调峰成本的基础上,以调峰成本最小化为目标构建了火电调峰负荷分配模型,引入飞蛾火焰算法作为模型求解方法,以重庆电网为例,共设定3种负荷分配场景,同时以粒子群算法和蚁群算法求解效果与飞蛾火焰算法对比,验证了模型及求解算法的高效性和合理性。结果表明:3种场景下,随着调峰需求的增加,优化过程中需要部分机组进行深度调峰和启停调峰才能满足调峰需求,优化后系统调峰总成本分别达到了1976万元、2645万元和3287万元;3种算法求解过程中,飞蛾火焰优化算法收敛速度更快,求解效率更高,且经飞蛾火焰优化后的系统调峰总成本最低,相比传统优化算法具有更强的规避局部最优解能力。

新型飞蛾火焰优化算法的研究

飞蛾火焰优化算法(Moth-Flame Optimization,MFO)是一种自然激励且易于实现的全局优化算法,在许多实际优化任务中表现出良好的性能。然而,MFO算法存在早熟收敛和容易陷入局部最优解的问题,针对这些不足,提出了一种Kent混沌动态惯性权值的改善飞蛾火焰优化算法(Ameliorative MFO,AMFO)。在AMFO算法中,引入Kent混沌映射搜索策略帮助当前最优解跳出局部最优;采用基于适应度值和迭代次数的动态惯性权值策略来平衡算法的开发和探索能力,以进一步提升MFO算法性能。在8个经典benchmark函数上验证AMFO算法的搜索精度和性能,并将其结果与标准飞蛾火焰优化算法、粒子群算法和差分进化算法进行比较,仿真结果表明AMFO算法具有较好的搜索性能。

Tsne降维可视化分析及飞蛾火焰优化ELM算法在电力负荷预测中应用

电力系统的稳定运行具有负荷平衡的强约束性,准确的电力负荷预测在保证电力系统规划与可靠、经济运行方面具有十分重要的意义,影响着电力系统的诸多决策,如经济调度、自动发电控制、安全评估、维护调度和能源商业化等。该文针对电力负荷预测的多种气象因素影响,提出一种基于Tsne降维可视化分析及飞蛾火焰优化ELM算法(MFOELM)的电力负荷预测新方法。针对影响电力负荷预测的高维气象数据,采用改进的SNE降维可视化分析方法Tsne,解决了数据拥挤造成可视化效果不佳且数据结构易发生改变的问题,通过与Kpca、SNE降维方法的对比实验,证明了Tsne可以更好地将高维气象数据向低维空间映射,较高地保持高维空间中的数据结构并改善数据可视化效果;针对ELM负荷预测模型的局限,利用MFO在求解具有约束和未知搜索空间的复杂问题时具有的优越性对ELM优化,更好地解决了ELM权值输出不稳定,易陷入局部最小值等问题。通过对SAELM、PSOELM、MFOELM三种预测算法进行寻优实验,结果表明MFO不但具有更快的求解速度,而且提高了ELM的预测精度。通过对国际公开的美国日气象数据降维,协同负荷数据进行预测进行对比实验,证明了该文方法的有效性和优越性。该文方法在唐山实际电网负荷预测中应用,为制定合理的电网运行方式提供依据。

基于飞蛾火焰优化算法的改进GM(1,1)模型

飞蛾火焰优化(MFO)算法是受飞蛾在自然界中的横向定位导航方法启发而提出的一种新的元启发式算法。初值是影响灰色模型预测精度的主要因素之一,针对由辨识参数和初值引起的GM(1,1)模型误差,本文提出一种基于飞蛾火焰优化算法改进的GM(1,1)模型——MFOGM(1,1)。以最小化平均绝对相对误差为目标函数,利用飞蛾火焰优化算法优化GM(1,1)模型的参数,同时在连续区间[x;(1),x;(n)]中搜索最优初值。分别用基本GM(1,1)模型,初值为x;(n)的GM(1,1)模型,MFOGM(1,1)模型对绝缘电阻历史数据进行模拟,三个模型的平均绝对百分比误差MAPE分别是4.30%, 4.60%, 3.74%。实例结果展示,改进的MFOGM(1,1)模型的精度得到了改善,在三个模型中是最好的,表明了所改进的模型的有效性和可行性。

飞蛾火焰优化算法在承压含水层参数反演中的应用

通过10个典型低维函数对一种新型群体智能仿生算法——飞蛾火焰优化(MFO)算法进行仿真验证,并与粒子群优化(PSO)算法的寻优结果进行对比。以无界井流问题及直线隔水边界附近井流问题的解析解为基础,将MFO算法应用于分析抽水试验数据,进行反演承压含水层参数,并以2个实例对MFO算法进行验证。结果表明:MFO算法在低维函数极值寻优问题上具有较好的收敛精度和全局寻优能力,寻优精度较PSO算法提高了7个数量级以上。MFO算法对2个实例的反演精度较文献改进SA算法等提高了56.5%以上,具有较好的稳健性能、收敛速度和全局寻优能力。利用MFO算法对承压含水层参数进行反演,可获得比相关文献更高的反演精度,不但为精确估计承压含水层参数提供了有效方法,而且拓展了MFO算法在地下水模型参数反演中的应用,具有良好的应用价值和前景。

基于混沌初始化和高斯变异的飞蛾火焰优化算法

针对飞蛾火焰优化算法(moth-flame optimization algorithm,MFO)在求解最优化问题时存在寻优精度低、易陷入局部最优等问题,提出一种基于混沌初始化和高斯变异的改进飞蛾火焰优化算法。首先,采用立方混沌映射对飞蛾种群进行初始化操作,使飞蛾更均匀地分布于搜索空间;其次,应用高斯变异对种群中少数较差个体进行扰动以增强算法跳出局部最优的能力;最后,通过阿基米德曲线扩大搜索范围,提高算法对未知领域的探索能力。在CEC14测试函数及21个可扩展Benchmark函数上进行了一系列实验,与标准飞蛾火焰优化算法、遗传算法、人工蜂群算法、粒子群算法、差分进化算法、花授粉算法和蝴蝶优化算法进行比较,结果表明,该算法能明显提高解的精度和算法的收敛速度。

飞蛾火焰优化算法-投影寻踪回归模型在需水预测中的应用

基于用水时间序列构建投影寻踪回归(PPR)需水预测模型。针对PPR模型矩阵参数难以确定的不足,利用一种新型群体智能仿生算法——飞蛾火焰优化(MFO)算法优化PPR模型矩阵参数,提出MFO-PPR预测模型,并构建MFO-BP模型作对比,以1980—2013年上海市需水预测为例,分别利用实例前20组和后10组数据对模型参数进行率定及预测。结果表明:MFO-PPR模型对实例后10 a需水预测的平均相对误差绝对值和最大相对误差绝对值分别为1.84%、4.20%,预测精度优于MFO-BP模型的2.06%、4.61%。MFO算法具有较好的全局寻优能力,将MFO算法应用于PPR模型参数寻优,可有效地提高PPR模型的预测精度。

飞蛾火焰优化算法在马斯京根模型参数优化中的应用

通过10个典型二维函数对一种新型群体智能仿生算法——飞蛾火焰优化(MFO)算法进行仿真验证,并与粒子群优化(PSO)算法的寻优结果进行对比。利用该算法优化马斯京根模型参数,并以相关文献中的3个实例进行验证。结果表明:MFO算法在二维函数极值寻优问题上具有较好的收敛精度和全局寻优能力,寻优精度较PSO算法提高了7个数量级以上。利用MFO算法优化马斯京根模型参数,可以获得比相关文献更高的模拟精度,为精确估计马斯京根模型参数提供了有效方法。

基于改进飞蛾算法的电动汽车充电站选址研究

为解决充电站选址问题,兼顾运营商和用户双方利益,构建全社会总成本最小化的充电站选址模型。针对传统智能优化算法参数较多、收敛精度不高等缺陷,提出一种改进飞蛾火焰算法求解模型。首先改变火焰数量减少机制,加快算法的收敛速度;其次通过引入自适应权重与高斯变异策略,改变飞蛾位置更新方式,提高算法的局部开发能力;最后融合模拟退火算法的概率突跳,避免算法陷入局部最优。然后通过基准测试函数检验算法性能,结果发现改进飞蛾火焰算法相比其余3种算法具有更好的收敛性能,最后算例应用结果表明,改进飞蛾火焰算法可以有效求解充电站选址问题,寻优性能优越。

飞蛾火焰优化算法及其在梯级水库优化调度中的应用

利用一种新型群智能仿生算法——飞蛾火焰优化(MFO)算法求解某梯级水库群丰、平、枯优化调度问题,求解结果与混合蛙跳算法(SFLA)、粒子群优化算法(PSO)、布谷鸟搜索算法(CS)和入侵杂草优化算法(IWO)的求解结果进行比较。结果表明,MFO算法丰、平、枯优化调度发电量分别比其他4种算法增加了0. 179 2～0. 960 2、0. 097 2～0. 564 1、0. 082 4～0. 322 0亿kW·h,具有较好的优化调度效果。将MFO算法应用于实际工程,验证了该算法具有较好的收敛精度和全局极值寻优能力,是一种有效可行的水库群优化调度模型求解方法,可为求解水库优化调度问题提供新的途径和方法。

基于高斯变异的改进型飞蛾火焰优化算法

为了解决飞蛾火焰优化算法(Moth-flame optimization algorithm,MFO)早熟收敛、寻优精度低和容易陷入局部最优等问题,提出了一种基于高斯变异的改进型飞蛾火焰优化算法(Gaussian Mutation Moth-flame optimization algorithm,GMFO)。该算法通过高斯变异对适应度值较差的少数个体进行局部扰动,增强了算法跳出局部最优的能力。仿真结果表明,GMFO算法提高了求解的精度、收敛的速度和全局搜索的能力。