改进灰狼算法优化GBDT在PM_(2.5)预测中的应用

针对灰狼算法易陷入局部最优解和全局搜索能力不足的问题,通过霍尔顿序列(Halton Sequence)搜索算法初始化狼群位置,避免灰狼算法陷入局部最优解和重复运算;引入莱维飞行和随机游动策略对灰狼算法的寻优过程进行优化,以增加算法的全局搜索能力;利用粒子群算法模拟灰狼种群得出的最佳适应度以用于惩罚项改进灰狼算法中的头狼更新策略。使用改进算法优化的梯度提升树(Gradient Boosting Decision Trees,GBDT)模型对北京市大气污染物监测数据中PM_(2.5)质量浓度进行预测,采用3种评估函数对各模型以及混合模型预测效果得分进行评估。结果显示,本文改进的灰狼算法对梯度提升树的优化效果优于其他算法,均方根误差E RMS为6.65μg/m^(3),平均绝对值误差E MA为3.20μg/m^(3),拟合优度(R^(2))为99%,比传统灰狼算法优化结果的均方根误差减少了19.19μg/m^(3),平均绝对值误差降低了10.03μg/m^(3),拟合优度增加了9百分点;与霍尔顿序列和莱维飞行改进的(Levy Flight-Halton Sequence,LHGWO)相比,改进的灰狼算法预测得分的均方根误差降低了10.39μg/m^(3),平均绝对值误差减小了6.71μg/m^(3),拟合优度提高了5百分点。研究表明了预测模型优化的有效性,为未来城市改善空气质量提供了科学依据和技术支持。

基于改进鲸鱼算法优化SVM的软件缺陷检测方法

为解决传统支持向量机在软件缺陷检测中存在分类精度低、参数选择困难等问题,文章提出一种基于改进鲸鱼算法优化SVM的软件缺陷检测方法LFWOA-SVM。首先针对鲸鱼算法在求解过程中存在收敛速度慢、寻优效率低和局部最优解问题,基于Levy飞行策略优化鲸鱼觅食阶段,最大限度地实现搜索代理多样化,并利用混合变异扰动算子提高WOA的全局寻优能力;然后采用改进的鲸鱼算法LFWOA对SVM的惩罚因子和核函数参数进行优化,在获得最优参数的同时可有效检测软件缺陷。仿真实验表明,在6个基准测试函数中,LFWOA展现出更高的寻优速度和全局搜索能力;在8个公开软件缺陷数据集上进行测试显示,LFWOA-SVM方法能够有效提高分类性能和预测精度。

多策略改进的蜣螂搜索算法优化3DDV-Hop节点定位

为了提升传统3DDV-Hop算法的定位精度和稳定性,提出了MIDBO-3DDV-Hop算法。该算法利用多策略改进蜣螂搜索算法(multi strategy improvement dung beetle optimizer, MIDBO)来提高3DDV-Hop算法的定位精度。该算法通过通信半径分级方法细化跳数,使用加权平均跳距来修正节点之间的跳距误差。MIDBO算法引入立方混沌初始化和反向折射机制来初始化算法种群,采用变螺旋策略增强全局搜索能力。算法还融入Levy飞行策略和自适应权重因子,以避免陷入局部最优,并平衡算法的收敛性和搜索多样性。通过MIDBO算法对3DDV-Hop算法中未知节点位置进行优化。仿真结果显示,与传统的3DDV-Hop、IPSO-3DDV-Hop和IGA-3DDV-Hop算法相比,MIDBO-3DDV-Hop算法在定位精度、稳定性和收敛速度方面均达到最优水平。

基于改进DBO优化BiLSTM的IGBT老化预测模型

为了表征逆变器故障中IGBT模块的老化趋势,提高老化过程的预测精度,本文提出一种基于改进蜣螂搜索算法(IDBO)优化双向长短期神经网络(BiLSTM)超参数的IGBT老化预测模型。首先提取老化过程中Vce.on的时频域特征,利用核主成分分析进行降维构建归一化综合指标。其次,针对蜣螂搜索算法(DBO)的不足,通过引入改进Circle混沌映射、Levy飞行和自适应权重因子提升了DBO寻优能力和收敛性能,利用IDBO对BiLSTM预测模型超参数实现全局寻优。最后,通过实际IGBT退化数据验证了基于IDBO优化BiLSTM老化预测模型的有效性和优越性。结果表明,所构建的IDBO-BiLSTM模型与BiLSTM模型相比RMSE平均下降36.42%、MAE平均下降31.77%、MAPE平均下降41.03%。

有限缓冲区柔性流水车间调度优化问题求解

针对柔性流水车间生产调度问题,在考虑缓冲区容量约束的情况下,建立了最小化完工时间和最大化设备利用率的混合整数规划模型,并提出了一种改进的离散粒子群算法进行求解。根据问题模型的特点,设计了基于工件顺序和加工机器的矩阵编码方式,并采用了改进的NEH方法生成高质量的初始种群。为了克服离散粒子群算法易陷入局部极值的缺点,设计了结合Levy飞行特点的粒子更新机制。当种群优化停滞时,通过该机制将部分粒子更新至新的未探索区域,进而避免陷入局部极值。通过与3种主流优化算法,在不同规模的测试算例下进行对比分析,验证了所提出算法的有效性。在某火腿肠高温车间的实际应用,表明了所提出的算法能够有效解决考虑缓冲区容量的柔性流水车间生产调度问题。

蝴蝶优化算法对大青杨生长速率预测模型的改进

为提高大青杨生长速率的预测精度,提出了一种基于改进的蝴蝶优化算法(improved butterfly optimization algorithm, IBOA)与径向基函数(radial basis function, RBF)神经网络结合的预测木材材性方法。通过使用佳点集法对标准蝴蝶算法中的种群进行初始化,将自适应切换频率和Levy飞行相结合进一步优化人工蝴蝶算法。构建出了新的IBOA-RBF神经网络木材材性预测模型,将得到的结果与其他几种算法优化的RBF神经网络预测结果进行对比。结果表明:基于IBOA-RBF神经网络模型预测效果最好,收敛速度从37步降低到了23步,预测结果误差达到了5.72%,预测精度最高。可见,对蝴蝶算法的改进是可行的,且对相关人员定向培养大青杨起到较大的帮助。

融合动态权重系数与Levy飞行的黏菌优化算法

为了克服黏菌算法在后期收敛速度缓慢、容易陷入局部极值的缺点,提出一种融合动态权重系数与Levy飞行的黏菌优化算法.首先利用Bernoulli混沌映射对黏菌种群进行初始化,可大幅度提高种群多样性;提出动态权重系数策略,即在位置更新公式中引入一个非线性变化的权重系数ω,动态调整搜索步长,均衡算法的全局搜索能力;借助Levy飞行策略,增强算法后期局部探索能力,加快收敛速度.文中选用10个通用测试函数对改进黏菌算法与其他五种算法进行比较,实验结果显示,改进后的黏菌算法在单峰函数和多峰函数上的寻优效率更高,寻优效果理想,全局搜索和局部开发能力更平衡.

基于混合策略改进的鹈鹕优化算法

针对鹈鹕优化算法求解精度低、稳定性不足、易陷入局部最优等问题,文章提出一种混合策略改进的鹈鹕优化算法(IPOA)。首先,为了增强种群的随机性和多样性,扩大种群的搜索范围,引入反向折射学习机制;其次,利用正余弦算法和鹈鹕算法融合,改进鹈鹕搜索猎物的方式,增强算法的局部搜索与全局搜索能力;然后,采用Levy飞行机制对鹈鹕位置进行更新,从而提高算法的搜索能力以寻找最优值;最后,引入自适应t分布变异算子,使用算法的迭代次数作为t分布的自由度参数来增强鹈鹕种群的多样性,避免算法陷入局部最优。通过12个标准测试函数对改进算法与海鸥优化算法、黑猩猩优化算法、鲸鱼优化算法、蛇群优化算法和基本鹈鹕优化算法进行测试比较,结果表明,IPOA具有更好的收敛速度和稳定性。最后将改进鹈鹕算法应用于压力容器设计优化问题,进一步证实改进后的算法具有较好的求解性能。

扩展卡尔曼滤波的改进蛇定位算法在WSN中的应用

针对接收信号强度指示(Received Signal Strength Index,RSSI)定位易受到环境因素的影响,提出了一种基于RSSI扩展卡尔曼滤波的改进蛇定位算法(RSSI Extended Kalman Filter-based Improved Snake Optimization Localization Algorithm,RSSI-EISL)。该算法利用扩展卡尔曼滤波(Extended Kalman Filter,EKF)模型对RSSI信号值进行平滑处理,使其能够抑制噪声和异常值对估计结果的影响,从而提高测距的准确性和鲁棒性。通过引入Levy飞行和非线性收敛因子的改进蛇优化算法(Improved Snake Optimization Algorithm,ISO),提升了蛇优化算法(Snake Optimization Algorithm,SO)的寻优能力,使之能够更加准确地计算出待测节点的坐标。根据仿真结果显示,相较于基于RSSI最小二乘定位算法(RSSI Ordinary Least Squares Localization Algorithm,ROL)、基于RSSI EKF的灰狼定位算法(RSSI Extended Kalman Filter-based Grey Wolf Optimization Algorithm,REGL)和基于RSSI EKF的蛇定位算法(RSSI EKF-based Snake Optimization Localization Algorithm,RESL),RSSI-EISL的定位精度分别提高了26.4%、8.75%和5.6%,算法的收敛速度和全局搜索能力也有所提升。

基于多通信半径和改进麻雀搜索算法的DV-HOP节点定位研究

在无线传感器网络中,传统DV-Hop(Distance Vector-Hop)算法因跳数和平均跳距计算存在较大偏差,从而对未知节点定位产生较大误差.针对该问题,设计了基于多通信半径和改进麻雀搜索的DV-Hop定位算法.首先采用多通信半径修正节点间的跳数,使跳数值较真实反映两个节点间的距离.其次采用修正的跳数去修正信标节点的平均跳距,从而获得未知节点到各信标节点修正后的距离.最后采用麻雀搜索算法(Sparrow Search Algorithm,SSA)估算未知节点位置,将节点定位问题转化为函数寻优问题.针对麻雀搜索算法前期容易陷入局部最优解,后期寻优精度不高的问题,提出将Levy飞行策略引入麻雀搜索算法中,提升算法的全局寻优能力.仿真结果表明,与传统DV-Hop算法、SSA DV-Hop算法相比,改进SSA DV-Hop算法的定位精度明显提高.

基于改进GOOSE算法的VMD体征信息研究

本文中依靠60 GHz调频连续波(FMCW)毫米波雷达,通过改进的GOOSE算法,在种群初始化阶段结合Tent混沌映射,在探索阶段运用Levy飞行策略提升算法的全局搜索能力。然后,通过改进的GOOSE算法去应用到变分模态分解(VMD)中,得到k和α最优值。对GOOSE算法的改进提高了呼吸心率的检测的精度。最后,该实验结果表明:利用改进的GOOSE优化算法对VMD算法进行参数自适应优化,通过对信号的重构后分析,有效地去除了噪声分量,提高了分解效率。

基于多策略人工蜂鸟优化PF的SLAM研究

针对粒子滤波算法(PF)重采样导致粒子贫乏及需增加粒子数以提高估计精度的问题,提出一种基于多策略人工蜂鸟算法优化的粒子重组粒子滤波算法。首先,引入中垂线算法提高人工蜂鸟算法收敛速度,通过其智能觅食机制,使得最优粒子引导粒子集向高似然区域移动,以此提高估计精度;其次,实时计算最优粒子附近的粒子密度,当密度大于设置的区域搜索阈值时引入Levy飞行策略以扩大搜索空间,当其大于最大密度值时,自适应调整迭代次数;最后,重采样阶段将筛选后保留的粒子与剩余粒子重新组合成新的粒子,以此增加粒子多样性。通过仿真实验检验改进算法在SLAM中的性能,结果表明该算法较其他3种算法相比,其位姿与路标估计精度更高且鲁棒性更佳。

基于改进海鸥优化算法的机器人路径规划

针对海鸥优化算法(SOA)存在收敛精度低以及易陷入局部最优等问题,提出一种多策略融合改进的海鸥优化算法(MFSOA)。首先,引入Tent混沌映射初始化种群,增加海鸥种群多样性;基于当前迭代次数t的非线性收敛因子动态调整策略,将海鸥优化算法的线性搜索非线性化,增强算法的寻优速度和寻优精度,避免算法陷入局部最优;在海鸥位置更新时引入Levy飞行策略增强算法的全局搜索能力;最后,通过使用黄金正弦机制引导种群的位置更新,进一步缩小搜索范围,提高算法局部搜索能力。选用6个基准测试函数对算法性能进行测试,测试结果显示MFSOA收敛速度更快,收敛精度更高;最后将改进算法应用于移动机器人路径规划,仿真结果表明该算法规划的路径长度更短,搜索效率更高。

基于EMD分解和Levy-SSA-BP神经网络的齿轮故障诊断

为解决齿轮磨损早期故障诊断问题,提出了一种基于经验模态分解(Empirical Mode Decomposition,EMD)和算法优化反向传播(Back Propagation,BP)神经网络的故障诊断方法。首先,将声发射信号进行经验模态分解,得到本征模函数(Intrinsic Mode Function,IMF);其次,计算各IMF分量与原始信号的相关系数,并对各个分量进行特征提取,构成特征矩阵;最后,将特征矩阵放入经过Levy飞行和麻雀搜索算法优化后的BP神经网络中进行识别。对比BP神经网络和麻雀搜索算法优化后的神经网络,本文提出的算法准确率更高,且对轻微磨损故障的识别能力更好,可以用于早期齿轮故障诊断。

车辆前纵梁封板冲压的聚集度自适应粒子群优化

为了提高车辆前纵梁封板的冲压件质量,提出了基于聚集度自适应粒子群算法的冲压工艺优化方法。介绍了前纵梁封板的三维模型、坯料设计结果和冲压成形原理。基于成形极限曲线,以减小冲压件的减薄率、增厚率、回弹量为目标,建立了多目标优化模型。使用复合中心实验法设计了5因素5水平的32组实验,基于Autoform软件获得了实验数据。使用BP神经网络拟合了输入输出间的回归关系,并验证了回归模型的精度。在粒子群算法基础上,依据粒子相似度和种群聚集度,将Levy飞行融入到粒子群算法中,提高粒子多样性和算法优化能力,从而并提出了聚集度自适应粒子群算法。将改进粒子群算法应用于多优化模型求解,改进粒子群算法收敛速度早于传统算法,且改进粒子群算法搜索的目标函数值比传统算法减小了3.71%,说明了改进算法的优越性。经验证,优化后的试制件外观合格,减薄率、增厚率及回弹量均满足质量要求,可以进行批量生产。

基于改进蜣螂优化算法的海洋牧场三维UWSN覆盖方法

针对海洋牧场三维环境监测,提出了一种基于改进蜣螂优化算法(IDBO,improved Dung beetle opti‐mizer)的UWSN(underwater wireless sensor networks)覆盖方法。首先,在蜣螂优化算法(DBO)种群初始化时加入Chebyshev混沌映射,使得种群资源在搜索空间的分配方面更加均衡。其次,通过自适应权重因子和Levy飞行改进觅食小蜣螂的位置更新方式,提升了位置搜索能力和DBO算法的收敛能力。将IDBO算法应用在海洋牧场UWSN覆盖优化中,仿真结果表明:在不同参数环境下,IDBO算法的覆盖率高于随机部署和其他智能优化算法,并且能以较低的节点能耗获得更高的覆盖率,节点分布也更加合理。

一种基于CatBoost优化的光伏阵列故障诊断模型

大部分光伏电站地处偏僻、地形复杂的区域,受到外界环境的影响,易发生各种故障.而传统的光伏阵列故障诊断方法存在精度不高以及光伏数据利用率低等问题.针对以上问题,本文先是通过引入Levy飞行策略和步长因子动态调整策略改进麻雀搜索算法(Sparrow Search Algorithm,SSA),降低SSA算法陷入局部最优的风险,提升SSA算法的寻优能力.然后采用改进的Levy步长调整麻雀搜索算法(Levy Adjustment Sparrow Search Algorithm,LASSA)对CatBoost模型关键超参数进行寻优,提出了一种基于CatBoost并以LASSA为优化策略的光伏阵列故障诊断模型LASSA-CatBoost,以实现光伏阵列的短路、开路、老化和阴影遮挡故障的精确诊断.实验结果表明,LASSA-CatBoost模型的故障诊断准确率为99.7%,相较于优化前的CatBoost模型,准确率提高了3.6%.与现有的光伏阵列故障诊断模型相比,LASSA-CatBoost模型的准确性和稳定性更高.

基于改进麻雀搜索算法的时延连续系统参数辨识

现实环境下的控制系统大多为存在时间延迟的连续时间控制系统,为了模拟控制系统对输入的响应,就必须对其参数进行估算。本文首先对时延连续系统方程作拉普拉斯变换,得到了系统的显式方程;然后,通过蝴蝶优化算法和Levy飞行算法对2020年提出的最新的麻雀搜索算法进行改进,使其避免陷入局部极小值点;最后,将智能优化算法应用于控制系统的辨识中,基于本文改进的麻雀搜索算法对时延连续系统的参数进行了估算,并通过数值实验验证了本文算法在辨识精度和收敛速度上的优越性。

基于改进蜣螂优化算法的无人机三维路径规划

无人机(UAV)三维路径规划问题是十分复杂的全局优化问题,但基于启发式优化算法的无人机路径规划存在速度慢,精度不足的问题。针对此问题,提出一种改进蜣螂优化算法的UAV路径规划方法。首先,提出一种通过引入Bernoulli混沌映射、可变螺旋搜索策略、新型惯性权重和Levy飞行策略改进的蜣螂优化算法(BCLDBO)。通过与其他算法在6个基准测试函数上进行实验对比,证明BCLDBO算法寻优精度更高,收敛速度更快。其次,通过航迹长度成本、高度成本、平滑成本和威胁成本建立路径规划目标函数,并构建复杂度不同的三维任务空间。最后,将BCLDBO算法应用于UAV三维路径规划问题中,证明此算法较其他算法的路径成本更低,路径规划效果更好。

基于LGPSO_P&O混合算法的光伏多峰MPPT研究

针对复杂遮阴环境下光伏阵列P-U曲线呈现多个峰值而导致传统最大功率点跟踪(MPPT)算法易陷入局部最优解的问题,提出一种新的控制算法模型——LGPSO_P&O模型。该模型结合Levy飞行、高斯变异策略和粒子群算法,并对粒子群算法惯性权重进行改进,构建LGPSO算法搜索全局最大功率点(MPP)。同时,改进扰动观察法(P&O)对MPP进行局部跟踪,进一步提高跟踪精度。在Matlab/Simulink中进行仿真实验,并与改进PSO、BPSHO和GA_ACO算法作对比,仿真结果表明该模型具有较高的鲁棒性,收敛速度快,跟踪精度高,最高可达99.8%。