期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到9篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
多策略改进的海马优化算法及应用
1
作者 刘衍平 郑荣艳 +1 位作者 宋富洪 廖彬 《科学技术与工程》 北大核心 2025年第10期4216-4228,共13页
针对海马优化算法(seahorse optimization, SHO)存在的求解精度较低、容易早熟以及全局搜索能力不足等问题,设计了一种基于非线性惯性权重策略、改进的鲸鱼包围猎物策略以及改进的正余弦策略的多策略海马优化算法(multi-strategy seahor... 针对海马优化算法(seahorse optimization, SHO)存在的求解精度较低、容易早熟以及全局搜索能力不足等问题,设计了一种基于非线性惯性权重策略、改进的鲸鱼包围猎物策略以及改进的正余弦策略的多策略海马优化算法(multi-strategy seahorse optimization, MSHO)。首先,在SHO算法的运动行为中引入非线性惯性权重策略,以克服算法容易过早收敛的缺点;其次,将改进的鲸鱼包围猎物策略引入海马捕食成功的更新方程中,以降低算法陷入局部最优解的概率;然后,在算法的繁殖行为中引入改进的正余弦策略,以增强海马后代解的质量,进一步提升算法的全局寻优能力和稳定性。最后,为评估所提MSHO算法的性能,选取SHO算法,混沌的SHO算法、减法平均器算法、灰狼算法、海鸥算法、鲸鱼优化算法、粒子群算法与MSHO算法在23个基准测试函数上进行比较。实验结果表明,与其他7种算法相比,MSHO算法在20个函数上表现出更高的收敛精度,在16个函数上表现出更强的稳定性。此外,为检验MSHO算法在工程问题上的应用能力,将算法应用于求解焊接梁、悬臂梁和压力容器设计问题。实验结果表明,相较于其他7种不同算法,MSHO算法在这3类工程设计问题上表现出更好的搜索精度。 展开更多
关键词 海马优化算法 非线性惯性权重 全局寻优 测试函数 工程问题
在线阅读 下载PDF
改进海马优化算法的永磁同步电机多参数辨识 被引量：4
2
作者 曹永娟 陆壮壮 +1 位作者 蔡骏 贾红云 《仪表技术与传感器》 CSCD 北大核心 2024年第2期79-85,92,共8页
为解决永磁同步电机参数辨识速度慢、精度不足等问题,提出一种融合云模型和混沌变异的海马优化算法。该算法以海马优化算法为基础,引入混沌映射和随机反向学习策略,改善种群初始空间分布;采用自适应云模型,解决算法收敛精度低和减少陷... 为解决永磁同步电机参数辨识速度慢、精度不足等问题,提出一种融合云模型和混沌变异的海马优化算法。该算法以海马优化算法为基础,引入混沌映射和随机反向学习策略,改善种群初始空间分布;采用自适应云模型,解决算法收敛精度低和减少陷入局部最优情况;加入混沌映射和高斯变异调节种群分布,以提高算法全局和局部开发能力。通过采集电机电压、角速度等信息,在永磁同步电机辨识模型中,使用改进后的算法对电机参数进行辨识。由仿真和实验对比,验证改进后算法在永磁同步电机电气和机械参数辨识上,具有更快速、稳定和准确的辨识效果,且辨识误差均在1.4%以内。 展开更多
关键词 永磁同步电机 参数辨识 海马优化算法 自适应云模型 混沌映射 高斯变异
在线阅读 下载PDF
基于改进海马优化算法的PID参数优化 被引量：4
3
作者 舒奕彬 李立君 +2 位作者 张振翮 戚浩 刘姜毅 《机床与液压》 北大核心 2024年第13期189-194,共6页
为了解决传统海马算法(SHO)在PID参数整定中存在全局寻优能力差且收敛速度慢的问题,提高PID参数优化质量,提出一种改进的海马优化算法(ISHO)。通过Tent混沌映射增加海马种群初始化多样性提高收敛速度;引入逃逸能量调控策略改进算法全局... 为了解决传统海马算法(SHO)在PID参数整定中存在全局寻优能力差且收敛速度慢的问题,提高PID参数优化质量,提出一种改进的海马优化算法(ISHO)。通过Tent混沌映射增加海马种群初始化多样性提高收敛速度;引入逃逸能量调控策略改进算法全局搜索与局部开发的转换机制,从而提高算法的全局寻优能力。将改进海马优化算法与传统海马算法、Z-N临界比例法、灰狼优化算法和粒子群优化算法进行比较,仿真结果表明:改进的海马优化算法优化PID参数具有调整时间更短、系统控制精度更高和收敛速度更快等优点,为PID控制系统的参数优化提供了参考。 展开更多
关键词 比例积分微分控制器 海马优化算法 Tent混沌映射 逃逸能量调控策略
在线阅读 下载PDF
改进SHO算法优化随机森林模型 被引量：2
4
作者 付海涛 张智勇 +1 位作者 王增辉 金晨磊 《吉林大学学报(理学版)》 北大核心 2025年第3期861-866,共6页
针对海马优化算法初始解质量低且不丰富的问题,提出一种引入Logistic混沌映射改进海马优化算法优化的随机森林模型.首先,在提升海马优化算法后将其与随机森林算法相结合,以提升经典随机森林算法的鉴别准确率;其次,为验证新模型的性能,用... 针对海马优化算法初始解质量低且不丰富的问题,提出一种引入Logistic混沌映射改进海马优化算法优化的随机森林模型.首先,在提升海马优化算法后将其与随机森林算法相结合,以提升经典随机森林算法的鉴别准确率;其次,为验证新模型的性能,用5种模型针对4个评价指标进行对比实验.实验结果表明,该模型准确率达96.15%,精度达100%,召回率达92.31%,F_(1)-Score达96.00%,提升了随机森林方法的性能. 展开更多
关键词 优化算法 海马优化算法 随机森林 分类算法 参数优化
在线阅读 下载PDF
基于改进优化算法的WELM月径流预测模型研究 被引量：1
5
作者 王应武 华春莉 茶建帮 《人民长江》 北大核心 2025年第2期82-90,共9页
针对在月径流预测中将传统数据分解技术直接应用于整个时间序列时,在模型训练过程中会提前使用“未来信息”从而导致预测结果“不可信”的问题,提出两种不引入“未来信息”的小波包变换(WPT)-改进蝴蝶优化算法(IBOA)/改进海马优化(ISHO... 针对在月径流预测中将传统数据分解技术直接应用于整个时间序列时,在模型训练过程中会提前使用“未来信息”从而导致预测结果“不可信”的问题,提出两种不引入“未来信息”的小波包变换(WPT)-改进蝴蝶优化算法(IBOA)/改进海马优化(ISHO)算法-加权极限学习机(WELM)月径流时间序列预测模型。首先,将月径流时间序列划分为训练集和预测集,利用WPT分别对训练集和预测集进行分解处理,避免在训练过程中提前使用“预测集信息”;其次,通过6个典型函数验证IBOA/ISHO的寻优能力,利用IBOA/ISHO优化WELM输入层权值和隐含层偏差(简称“超参数”),建立WPT-IBOA/ISHO-WELM模型对各分解分量进行预测和重构;同时构建基于整个时间序列分解的WPT-IBOA/ISHO-WELM(全)模型,与其他4种优化算法和未经分解、未经优化的IBOA/ISHO-WELM、WPT-WELM模型作对比分析;最后,通过云南省李仙江流域把边、景东水文站月径流时间序列预测实例对各模型进行检验。结果表明:①WPT-IBOA-WELM、WPT-ISHO-WELM模型对把边、景东站月径流预测的平均绝对百分比误差(MAPE)为1.649%~1.897%,预测精度优于其他对比模型,具有更好的预测效果。②WPT-IBOA-WELM、WPT-ISHO-WELM模型的预测精度基本不受“未来信息”的影响,能客观真实反映出月径流预测效果,具有较好的实用意义。③IBOA/ISHO仿真精度和WELM超参数优化效果均优于其他优化算法,表明通过logistic映射等策略可以显著提升IBOA/ISHO优化性能。 展开更多
关键词 月径流预测 小波包变换 改进蝴蝶优化算法 改进海马优化算法 加权极限学习机 超参数优化 把边水文站 景东水文站 李仙江流域
在线阅读 下载PDF
基于海马优化深层极限学习机的电力信息物理系统FDIA检测
6
作者 席磊 白芳岩 +3 位作者 王文卓 彭典名 陈洪军 李宗泽 《电力系统保护与控制》 北大核心 2025年第4期14-26,共13页
虚假数据注入攻击(false data injection attack,FDIA)严重威胁电力信息物理系统的安全稳定。针对已有FDIA检测算法无法精确定位受攻击位置的局限性,提出了一种基于精英余弦变异融合的海马优化算法优化深层极限学习机(deep extreme lear... 虚假数据注入攻击(false data injection attack,FDIA)严重威胁电力信息物理系统的安全稳定。针对已有FDIA检测算法无法精确定位受攻击位置的局限性,提出了一种基于精英余弦变异融合的海马优化算法优化深层极限学习机(deep extreme learning machine,DELM)的FDIA检测定位算法。首先,该算法将极限学习机和极限学习机自编码器相结合得到了具备强特征表达能力的DELM。然后,通过海马优化算法对DELM的偏置和输入权重进行择优,用于改善算法指标不稳定的问题。同时在捕食阶段引入精英余弦变异算法以提升海马的收敛速度与DELM的精度。最后,将系统量测数据作为输入特征,利用DELM得到节点状态标签,从而实现污染状态量的定位。通过在IEEE 14节点系统和IEEE 57节点系统进行大量仿真对比分析,验证了所提算法在准确率、精确率、召回率及F1值等检测定位性能方面均具有明显优势,能够实现FDIA的精确定位。 展开更多
关键词 电力信息物理系统 虚假数据注入攻击 海马优化算法 深层极限学习机
在线阅读 下载PDF
改进SHO优化神经网络模型
7
作者 李健 王海瑞 +2 位作者 王增辉 付海涛 于维霖 《吉林大学学报(理学版)》 北大核心 2025年第3期835-844,共10页
针对Googlenet模型识别准确率低、敏感性不佳等问题,提出一个应用改进的海马优化(SASHO)算法超参数优化Googlenet模型.首先,利用Sobel序列和自适应权重算法对海马优化算法进行改进;其次,对比4个基础神经网络选出最适合本文数据集的Googl... 针对Googlenet模型识别准确率低、敏感性不佳等问题,提出一个应用改进的海马优化(SASHO)算法超参数优化Googlenet模型.首先,利用Sobel序列和自适应权重算法对海马优化算法进行改进;其次,对比4个基础神经网络选出最适合本文数据集的Googlenet作为基础识别模型;最后,利用改进后的SASHO算法对Googlenet模型参数进行优化,构建新模型SASHO-Googlenet.为验证SASHO-Googlenet模型的有效性,将SASHO-Googlenet模型与经过其他4个群智能算法优化的模型针对7个指标进行比较.结果表明,SASHO-Googlenet模型准确率达95.36%,敏感性达95.35%,特异性达95.39%,精度达96.47%,召回率达95.35%,f_measure达95.90%,g_mean达95.37%.实验结果表明,SASHO-Googlenet模型综合性能最佳. 展开更多
关键词 人工智能 深度学习 海马优化算法 参数优化
在线阅读 下载PDF
基于混合策略改进的海马优化器及其应用
8
作者 康培培 薛贵军 谭全伟 《电子测量技术》 北大核心 2024年第23期93-103,共11页
本文针对海马优化算法收敛精度低、全局搜索和局部开发不平衡、易陷入局部最优解等问题,提出了一种基于混合策略改进的海马优化器,记作ISHO。首先,融合灰狼优化算法的搜索特点改进海马优化算法的运动行为,使其能够在搜索空间内更有效地... 本文针对海马优化算法收敛精度低、全局搜索和局部开发不平衡、易陷入局部最优解等问题,提出了一种基于混合策略改进的海马优化器,记作ISHO。首先,融合灰狼优化算法的搜索特点改进海马优化算法的运动行为,使其能够在搜索空间内更有效地进行全局搜索和局部开发;然后,结合精英反向学习策略细化搜索过程,从而提高收敛精度;最后对海马优化器捕食阶段的参数进行调整,使其具有更强的自适应性避免算法过早的陷入局部最优解。将ISHO与其他6种智能优化算法在8种测试函数上进行比较,实验表明该算法相较于其他算法有更好的收敛速度、收敛精度和稳定性。将改进的海马优化算法应用到解决工程约束问题上,进一步证明改进算法的实用性。 展开更多
关键词 海马优化算法 灰狼优化算法 精英反向学习策略 参数调整
在线阅读 下载PDF
改进SHO求解自动化立体仓库能耗优化调度问题 被引量：1
9
作者 刘凯 吉卫喜 《计算机工程与应用》 CSCD 北大核心 2024年第16期302-310,共9页
针对带有完工时间约束的自动化立体仓库任务调度问题,提出一种货位再分配策略,对货物进行合理的货位分配,并产生任务先后约束,建立以堆垛机总能耗最低为优化目标的数学调度模型,并引入相应的惩罚函数,采用一种改进的海马优化算法(improv... 针对带有完工时间约束的自动化立体仓库任务调度问题,提出一种货位再分配策略,对货物进行合理的货位分配,并产生任务先后约束,建立以堆垛机总能耗最低为优化目标的数学调度模型,并引入相应的惩罚函数,采用一种改进的海马优化算法(improved sea-horse optimizer,I-SHO)作为全局优化算法并进行求解。在原始海马优化算法(sea-horse optimizer,SHO)的基础上,融合混沌映射与对立学习策略,提高了初始解的质量。引入自适应t分布变异策略,避免陷入局部最优,并且设置修正机制,使解满足任务先后约束。引入混合种群寻优策略,进一步优化算法的搜索能力。最后通过实验进行验证,将海马优化算法、遗传算法(genetic algorithm,GA)和粒子群算法(particle swarm optimization,PSO)作为对比算法,验证了I-SHO在求解自动化立体仓库能耗优化调度问题上的有效性。 展开更多
关键词 任务调度优化 能耗优化 修正机制 改进海马优化算法
在线阅读 下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
关于我们 | 版权声明 | 联系我们 | 帮助中心| 意见反馈
主办单位：上海市教育委员会
技术支持：重庆维普资讯有限公司
渝公网安备 50019002500403号
使用帮助 返回顶部