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。

面向服务的数字图书馆QGSA-DQP分布式信息查询研究

同传统图书馆相比,数字图书馆在利用计算机技术、网络通信技术、面向对象的程序设计技术、数据库技术等方面集成了大量数字化资源;在资源的加工、交流传播的服务手段和形式、数字资源的共建和共享方面有了质的飞跃。然而,如何实现各个操作系统不同、运行平台各异、分布的、多个异构数字图书馆间的共享与集成是一个非常迫切的问题。解决该问题的关键是如何将现有数据资源进行有效的整合。而网格理论的提出,为这一难题的解决提供了一个新的思路。结合我国数字图书馆的发展状况,提出了一个基于QGSA-DQP的分布式异构数据库信息检索模型,并从技术实现上进行了可行性的研究。

A Quantum Behaved Gravitational Search Algorithm

Gravitational search algorithm (GSA) is a recent introduced global convergence guaranteed algorithm. In this paper, a quantum-behaved gravitational search algorithm, namely called as QGSA, is proposed. In the proposed QGSA each individual mass moves in a Delta potential well in feasible search space with a center which is weighted average of all kbests. The QGSA is tested on several benchmark functions and compared with the GSA. It is shown that the quantum-behaved gravitational search algorithm has faster convergence speed with good precision, and thus generating a better performance.