针对神经网络超参数优化效果差、容易陷入次优解和优化效率低的问题,提出一种基于改进实数编码遗传算法(IRCGA)的深度神经网络超参数优化算法——IRCGA-DNN(IRCGA for Deep Neural Network)。首先,采用实数编码方式表示超参数的取值,使...针对神经网络超参数优化效果差、容易陷入次优解和优化效率低的问题,提出一种基于改进实数编码遗传算法(IRCGA)的深度神经网络超参数优化算法——IRCGA-DNN(IRCGA for Deep Neural Network)。首先,采用实数编码方式表示超参数的取值,使超参数的搜索空间更灵活;然后,引入分层比例选择算子增加解集多样性;最后,分别设计了改进的单点交叉和变异算子,以更全面地探索超参数空间,提高优化算法的效率和质量。基于两个仿真数据集,验证IRCGA-DNN的毁伤效果预测性能和收敛效率。实验结果表明,在两个数据集上,与GA-DNN(Genetic Algorithm for Deep Neural Network)相比,所提算法的收敛迭代次数分别减少了8.7%和13.6%,均方误差(MSE)相差不大;与IGA-DNN(Improved GA-DNN)相比,IRCGA-DNN的收敛迭代次数分别减少了22.2%和13.6%。实验结果表明,所提算法收敛速度和预测性能均更优,能有效处理神经网络超参数优化问题。展开更多
随着可再生能源并入多区域电力系统,其不确定性大大增加了电力系统多区域经济调度的复杂度。如何高效求解含有风力和太阳能的多区域经济调度(multi-areaeconomic dispatch containing wind and solar energy,MAEDWS)问题面临着严峻的挑...随着可再生能源并入多区域电力系统,其不确定性大大增加了电力系统多区域经济调度的复杂度。如何高效求解含有风力和太阳能的多区域经济调度(multi-areaeconomic dispatch containing wind and solar energy,MAEDWS)问题面临着严峻的挑战。针对现有优化算法在处理MAEDWS问题时存在收敛速度慢和求解精度低等不足,该文提出一种基于衍生搜索的政治优化(derivative search-based political optimizer,DSPO)算法。在政治优化算法的基础上,引入首脑引领策略和衍生搜索机制。前者引领候选解前往更有希望的区域,加快收敛速度;后者在区域获胜者周围衍生邻域解,丰富多样性。该文将DSPO算法和其他6种代表性算法应用于MAEDWS问题,并进行对比分析。收敛曲线和性能指标的结果表明DSPO算法在收敛效率、求解精确度、稳定性方面取得了整体最优。展开更多
文摘针对神经网络超参数优化效果差、容易陷入次优解和优化效率低的问题,提出一种基于改进实数编码遗传算法(IRCGA)的深度神经网络超参数优化算法——IRCGA-DNN(IRCGA for Deep Neural Network)。首先,采用实数编码方式表示超参数的取值,使超参数的搜索空间更灵活;然后,引入分层比例选择算子增加解集多样性;最后,分别设计了改进的单点交叉和变异算子,以更全面地探索超参数空间,提高优化算法的效率和质量。基于两个仿真数据集,验证IRCGA-DNN的毁伤效果预测性能和收敛效率。实验结果表明,在两个数据集上,与GA-DNN(Genetic Algorithm for Deep Neural Network)相比,所提算法的收敛迭代次数分别减少了8.7%和13.6%,均方误差(MSE)相差不大;与IGA-DNN(Improved GA-DNN)相比,IRCGA-DNN的收敛迭代次数分别减少了22.2%和13.6%。实验结果表明,所提算法收敛速度和预测性能均更优,能有效处理神经网络超参数优化问题。
文摘随着可再生能源并入多区域电力系统,其不确定性大大增加了电力系统多区域经济调度的复杂度。如何高效求解含有风力和太阳能的多区域经济调度(multi-areaeconomic dispatch containing wind and solar energy,MAEDWS)问题面临着严峻的挑战。针对现有优化算法在处理MAEDWS问题时存在收敛速度慢和求解精度低等不足,该文提出一种基于衍生搜索的政治优化(derivative search-based political optimizer,DSPO)算法。在政治优化算法的基础上,引入首脑引领策略和衍生搜索机制。前者引领候选解前往更有希望的区域,加快收敛速度;后者在区域获胜者周围衍生邻域解,丰富多样性。该文将DSPO算法和其他6种代表性算法应用于MAEDWS问题,并进行对比分析。收敛曲线和性能指标的结果表明DSPO算法在收敛效率、求解精确度、稳定性方面取得了整体最优。
