基于统计引导和多项式差分学习的樽海鞘优化算法 被引量：3

1

作者 刘小龙 许岩 徐维军 《运筹与管理》 CSSCI CSCD 北大核心 2021年第1期43-49,共7页

樽海鞘优化算法相较于传统的群体智能优化算法,具有较好的鲁棒性和寻优能力。但仍存在全局寻优能力有限、执行效率不够高、易陷入局部极值的缺陷。针对上述问题,本文提出一种新的多项式差分学习策略,以区分和改进传统的线性差分方法;并... 樽海鞘优化算法相较于传统的群体智能优化算法,具有较好的鲁棒性和寻优能力。但仍存在全局寻优能力有限、执行效率不够高、易陷入局部极值的缺陷。针对上述问题,本文提出一种新的多项式差分学习策略,以区分和改进传统的线性差分方法;并设计一种随机种群划分方式,使得信息可以在邻域拓扑内均匀传递;另外,本文定义多项式差分学习的全局探索算子和局部开发算子,引入统计引导系数A,开启不同的多项式学习方法,从而进一步提高算法的全局搜索能力和寻优精度。最后,本文通过标准测试函数和实际应用问题的对比检验,证实了改进算法的优越性和鲁棒性,拓展和丰富了原算法的应用范围。 展开更多

关键词 樽海鞘优化算法 统计引导 多项式差分学习 开启时机

在线阅读 下载PDF 职称材料

改进樽海鞘算法的多目标电镀调度问题优化 被引量：1

2

作者 陈晓雪 杨波 +3 位作者 黄青青 杨再风 张成丽 尤航 《组合机床与自动化加工技术》 北大核心 2024年第10期187-192,共6页

针对多目标电镀生产系统未能同时最小化能源消耗和最大完工时间的问题,建立了双目标模型,并提出增强型樽海鞘优化算法(MC-SSA)求解该模型。MC-SSA将樽海鞘优化算法(SSA)分为两个不同的追随者组别,嵌入局部飞蛾火焰算法(MFO)用于更新“... 针对多目标电镀生产系统未能同时最小化能源消耗和最大完工时间的问题,建立了双目标模型,并提出增强型樽海鞘优化算法(MC-SSA)求解该模型。MC-SSA将樽海鞘优化算法(SSA)分为两个不同的追随者组别,嵌入局部飞蛾火焰算法(MFO)用于更新“追随者A组”的位置以提高全局探索,引入通信机制(CM)策略用于更新“追随者B组”的位置以提高局部勘探能力。通过算法性能对比和实际生产案例验证,MC-SSA的优化精度和收敛速度优于其他算法,且经算法优化后目标值明显降低,表明MC-SSA具有更好的寻优能力且双目标模型能生成更优的生产方案。 展开更多

关键词 电镀调度 能源消耗 樽海鞘优化算法 多目标优化

在线阅读 下载PDF 职称材料

樽海鞘算法优化支持向量机的RC柱抗侧移承载力预测 被引量：3

3

作者 欧阳谦 骆欢 《地震研究》 CSCD 北大核心 2024年第3期350-358,共9页

现有钢筋混凝土(RC)柱抗侧移承载力预测模型缺乏泛化性能,延性柱抗弯承载力的预测模型不能用于非延性柱的抗剪承载力,反之亦然。机器学习(ML)方法能够解决这一问题,但由于无法自动剔除冗余和不相关特征,使得ML模型复杂度高且容易过拟合... 现有钢筋混凝土(RC)柱抗侧移承载力预测模型缺乏泛化性能,延性柱抗弯承载力的预测模型不能用于非延性柱的抗剪承载力,反之亦然。机器学习(ML)方法能够解决这一问题,但由于无法自动剔除冗余和不相关特征,使得ML模型复杂度高且容易过拟合。为此,提出一种樽海鞘算法优化支持向量机(SSALS-SVM)方法,基于给定的数据集,SSALS-SVM能利用樽海鞘优化算法(SSA)自动剔除冗余和不相关的特征,筛选最具代表性且各特征之间相关性弱的特征子集形成最优特征组合,同时对控制模型非线性拟合能力的超参数进行优化。优化后的模型既能识别出影响延性和非延性RC柱抗侧移承载力的设计变量,又能反映最优特征组合与抗侧移承载力间的非线性映射关系。为了验证SSALS-SVM方法的泛化性能,基于248个RC柱抗侧移承载力试验数据,分别与现有的RC柱抗侧移承载力预测模型进行对比,结果表明,SSALS-SVM比现有预测模型的泛化性能最高提升了83%。 展开更多

关键词 钢筋混凝土柱 抗侧移承载力 支持向量机 樽海鞘优化算法 特征选择

在线阅读 下载PDF 职称材料

趋优变异反向学习的樽海鞘群与蝴蝶混合优化算法 被引量：2

4

作者 黄鑫宇 马宁 +2 位作者 付伟 季伟东 亓文凤 《计算机应用研究》 CSCD 北大核心 2024年第3期721-728,763,共9页

针对蝴蝶优化算法(butterfly optimization algorithm,BOA)易陷入局部最优,且收敛速度慢和寻优精度低等问题,提出了一种趋优变异反向学习的樽海鞘群与蝴蝶混合优化算法(hybrid optimization algorithm for salp swarm and butterfly wit... 针对蝴蝶优化算法(butterfly optimization algorithm,BOA)易陷入局部最优,且收敛速度慢和寻优精度低等问题,提出了一种趋优变异反向学习的樽海鞘群与蝴蝶混合优化算法(hybrid optimization algorithm for salp swarm and butterfly with reverse mutation towards optimization learning,OMSSBOA)。引入柯西变异对最优蝴蝶个体进行扰动,避免算法陷入局部最优;将改进的樽海鞘群优化算法(salp swarm algorithm,SSA)嵌入到BOA,平衡算法全局勘探和局部开采的比重,进而提高算法收敛速度;利用趋优变异反向学习策略扩大算法搜索范围并提升解的质量,进而提高算法的寻优精度。将改进算法在10种基准测试函数上进行仿真实验,结果表明,改进算法具有较好的寻优性能和鲁棒性。 展开更多

关键词 蝴蝶优化算法 樽海鞘群优化算法 柯西变异 趋优变异反向学习 领导者策略

在线阅读 下载PDF 职称材料

基于熵-流特征和樽海鞘群优化支持向量机的故障诊断方法 被引量：25

5

作者 王振亚 姚立纲 +1 位作者 蔡永武 张俊 《振动与冲击》 EI CSCD 北大核心 2021年第6期107-114,共8页

针对旋转机械设备故障特征提取困难的问题,提出一种熵-流特征和樽海鞘群优化支持向量机(salp swarm optimization support vector machine,SSO-SVM)的故障诊断方法。利用改进多尺度加权排列熵(improved multiscale weighted permutation... 针对旋转机械设备故障特征提取困难的问题,提出一种熵-流特征和樽海鞘群优化支持向量机(salp swarm optimization support vector machine,SSO-SVM)的故障诊断方法。利用改进多尺度加权排列熵(improved multiscale weighted permutation entropy,IMWPE)提取机械设备不同工况下的故障特征;采用监督等度规映射(S-Isomap)流形学习进行降维处理,获取低维的熵-流特征集;将熵-流特征输入至SSO-SVM多故障分类器进行识别与诊断。行星齿轮箱故障诊断实验分析结果表明:IMWPE+S-Isomap熵-流特征提取方法优于现有的多尺度排列熵(multiscale permutation entropy,MPE)、多尺度加权排列熵(multiscale weighted permutation entropy,MWPE)和IMWPE等熵值特征提取方法以及IMWPE+等度规映射(Isomap)和IMWPE+线性局部切空间排列(linear local tangent space alignment,LLTSA)等熵-流特征提取方法;樽海鞘群算法对支持向量机参数寻优效果优于粒子群、灰狼群、人工蜂群和蝙蝠群等算法;所提故障诊断方法识别精度达到100%,能够有效诊断出行星齿轮箱各工况类型。 展开更多

关键词 故障诊断 行星齿轮箱 熵-流特征 改进多尺度加权排列熵(IMWPE) 等度规映射(Isomap) 樽海鞘群优化算法(SSO) 支持向量机(SVM)

在线阅读 下载PDF 职称材料

基于樽海鞘群极限学习机的进/发一体化性能寻优控制模型研究

6

作者 于子洋 王晨 +2 位作者 杜宪 聂聆聪 孙希明 《推进技术》 EI CAS CSCD 北大核心 2024年第5期236-249,共14页

为充分发挥航空推进系统的性能,提高性能寻优控制的实时性,将樽海鞘群算法(SSA)与极限学习机(ELM)相结合,基于进/发一体化部件级模型建立数据集,提出一种基于SSA-ELM的数据驱动模型。将该建模方法与广义回归神经网络(GRNN)、BP神经网络(... 为充分发挥航空推进系统的性能,提高性能寻优控制的实时性,将樽海鞘群算法(SSA)与极限学习机(ELM)相结合,基于进/发一体化部件级模型建立数据集,提出一种基于SSA-ELM的数据驱动模型。将该建模方法与广义回归神经网络(GRNN)、BP神经网络(BPNN)和极限学习机(ELM)比较,结果表明,相比于BPNN,ELM,GRNN,SSA-ELM用于预测可以使安装推力的均方根误差(RMSE)分别降低7.41%,17.01%,72.57%,安装油耗的RMSE分别降低4.32%,19.41%,66.77%,具有更高的预测精度。将基于SSA-ELM的数据驱动模型作为机载模型应用到性能寻优控制,结果表明,该机载模型能够维持理想的寻优效果。针对最大安装推力模式开展实时性分析,该机载模型相比于进/发一体化部件级模型,平均计算时间由184.05 ms缩短至1.357 ms,实时性得到显著改善,大大提高了寻优效率。 展开更多

关键词 航空发动机 进/发一体化 樽海鞘群优化算法 极限学习机 数据驱动模型 性能寻优控制

在线阅读 下载PDF 职称材料

基于ABMSSA的PP算法分布式自动驾驶轨迹跟踪控制策略 被引量：2

7

作者 周正阳 潘树国 +2 位作者 蔚保国 高旺 陈宗良 《电子测量与仪器学报》 CSCD 北大核心 2024年第6期50-57,共8页

针对在轨迹跟踪控制中横向纯追踪控制算法前视距离的选取受车辆速度影响较大的问题,本文设计了一种改进樽海鞘优化算法对纯追踪控制中的前视距离进行实时调整优化。首先在纯追踪控制模型的基础之上,采用横向误差作为主要决策参数,设计... 针对在轨迹跟踪控制中横向纯追踪控制算法前视距离的选取受车辆速度影响较大的问题,本文设计了一种改进樽海鞘优化算法对纯追踪控制中的前视距离进行实时调整优化。首先在纯追踪控制模型的基础之上,采用横向误差作为主要决策参数,设计了改进樽海鞘优化算法的目标函数,同时还在算法中引入布朗运动和自适应权重以防止陷入局部最优解和提高算法的收敛速度。其次本文还设计了纵向双环PID控制算法用于实现智能体车辆对于参考速度的跟踪。最后在智能体车辆实际平台上对所提出的基于分布式纵向双环PID控制算法、横向前视距离优化的纯追踪控制算法进行实验验证,并且设置多组对比实验。结果表明采用基于前视距离优化的纯追踪轨迹跟踪控制控制算法具有最优控制性能,其中最大横向误差为0.068 m,平均横向误差为0.014 m,相较于模糊优化其控制精度提升了24.73%。 展开更多

关键词 轨迹跟踪 纯追踪控制 双环PID速度控制 改进樽海鞘优化算法

在线阅读 下载PDF 职称材料

基于SSA算法的飞行动作规则自动提取 被引量：6

8

作者 王乐 黄长强 魏政磊 《计算机工程与应用》 CSCD 北大核心 2019年第14期203-208,共6页

针对空战知识获取问题展开研究,提出了一条从海量飞行参数中获取知识的途径。构建空战专家系统知识库;对于飞行动作规则知识的提取,提出了一种基于樽海鞘群优化算法的飞行动作规则知识提取方法,为了使提取的规则知识简洁有效,对算法的... 针对空战知识获取问题展开研究,提出了一条从海量飞行参数中获取知识的途径。构建空战专家系统知识库;对于飞行动作规则知识的提取,提出了一种基于樽海鞘群优化算法的飞行动作规则知识提取方法,为了使提取的规则知识简洁有效,对算法的评价函数进行了设计。通过对水平右转弯机动动作和斤斗动作进行规则提取仿真与分析,验证了该方法的有效性和可行性。 展开更多

关键词 自主空战 专家系统知识库 知识获取 樽海鞘群优化算法

在线阅读 下载PDF 职称材料

基于SSAOS-KELM的指纹库自适应室内定位算法 被引量：2

9

作者 孙顺远 徐逸飞 秦宁宁 《传感技术学报》 CAS CSCD 北大核心 2022年第11期1475-1482,共8页

在室内定位场景中,传统指纹库定位方法存在着定位精度低、对环境变化适应能力差的问题,且当目标区域较大时,重新训练模型计算复杂度高。为解决该问题,提出了一种基于在线连续核极限学习机(Online Sequential Kernel Extreme Learning Ma... 在室内定位场景中,传统指纹库定位方法存在着定位精度低、对环境变化适应能力差的问题,且当目标区域较大时,重新训练模型计算复杂度高。为解决该问题,提出了一种基于在线连续核极限学习机(Online Sequential Kernel Extreme Learning Machine,OS-KELM)的室内定位算法。离线阶段,为缩小待测点所属区域,减小定位数据计算量,使用皮尔森系数优化的K-Means聚类算法对定位区域进行划分,通过樽海鞘优化算法(Slap Swarm Algorithm,SSA)对核极限学习机的参数进行寻优从而构建各区域的初始定位模型;在线阶段,使用OS-KELM对已构建好的定位模型进行调整,将更新后的模型用于实时定位,以适应环境变化。实验结果表明:该算法能够实现更高的定位精度并针对环境变化做出调整,相比于其他传统算法,精度、自适应性得到显著提升。 展开更多

关键词 室内定位 分区 樽海鞘优化算法 核极限学习机 指纹库更新

在线阅读 下载PDF 职称材料

锂离子电池全生命周期剩余使用寿命预测 被引量：3

10

作者 赵沁峰 蔡艳平 王新军 《电源学报》 CSCD 北大核心 2024年第2期197-204,共8页

为确保新能源汽车在整个使用期间的安全性,需要对锂离子电池进行全生命周期的健康监测。针对基于神经网络构建的剩余寿命预测模型训练数据集容量较小导致学习率较低,以及极限学习机方法具有复共性的问题,提出一种扩增训练数据集的方法,... 为确保新能源汽车在整个使用期间的安全性,需要对锂离子电池进行全生命周期的健康监测。针对基于神经网络构建的剩余寿命预测模型训练数据集容量较小导致学习率较低,以及极限学习机方法具有复共性的问题,提出一种扩增训练数据集的方法,并基于改进极限学习机构建锂离子电池全生命周期剩余寿命预测模型。首先,提取电池早期运行数据构建健康因子,利用Akima插补法进行训练数据量的扩增;然后,使用樽海鞘群优化算法对极限学习机网络进行改进,建立锂电池全生命周期剩余寿命预测模型;最后,利用NASA电池数据集对模型进行验证。实验结果表明:所提出的训练数据容量扩增的方法有效,全生命周期剩余寿命预测模型容量跟踪能力强,预测误差小。 展开更多

关键词 锂离子电池 剩余使用寿命 Akima插补法 樽海鞘群优化算法 极限学习机

在线阅读 下载PDF 职称材料

基于改进Bayes信息量准则的锂电池自适应变阶AVO模型

11

作者 寇发荣 门浩 +2 位作者 王甜甜 王思俊 罗希 《电源技术》 CAS 北大核心 2023年第9期1143-1147,共5页

提出了一种融合Bayes信息量准则和樽海鞘优化算法的自适应变阶(AVO)模型。该模型以端电压误差的Bayes信息量作为一阶和二阶RC模型的变阶依据,利用樽海鞘优化算法(SSA)搜索Bayes信息量序列的全局最优解,实现对模型最优变阶序列的求解;通... 提出了一种融合Bayes信息量准则和樽海鞘优化算法的自适应变阶(AVO)模型。该模型以端电压误差的Bayes信息量作为一阶和二阶RC模型的变阶依据,利用樽海鞘优化算法(SSA)搜索Bayes信息量序列的全局最优解,实现对模型最优变阶序列的求解;通过开展混合动力脉冲特性(HPPC)实验,选用含遗忘因子递推最小二乘法(FFRLS)获取精确的模型参数,完成AVO模型的电阻及电容参数辨识和精度在线验证。结果表明:所建立的锂电池自适应变阶AVO模型平均误差为0.011 9 V,精度及实用性较高。 展开更多

关键词 Bayes信息量准则 AVO模型 含遗忘因子递推最小二乘法 樽海鞘优化算法

在线阅读 下载PDF 职称材料