期刊文献+
共找到4篇文章
< 1 >
每页显示 20 50 100
混合差分进化-和声搜索算法在结构工程中的应用 被引量:8
1
作者 邹德旋 高立群 +1 位作者 吴建华 吴沛锋 《东北大学学报(自然科学版)》 EI CAS CSCD 北大核心 2010年第6期769-772,共4页
为了增强HS算法跳出局部最优的能力,将差分进化算法(DE)的变异和交叉引入到了HS算法中.这种改进的HS算法被称为混合差分进化-和声搜索(HDEHS),它既具有很强的收敛性,又能有效地防止自身陷入局部最优.实验结果表明,与文献中算法比较,HDEH... 为了增强HS算法跳出局部最优的能力,将差分进化算法(DE)的变异和交叉引入到了HS算法中.这种改进的HS算法被称为混合差分进化-和声搜索(HDEHS),它既具有很强的收敛性,又能有效地防止自身陷入局部最优.实验结果表明,与文献中算法比较,HDEHS算法在解决结构工程优化问题中能够找到更好的解,它是解决结构工程优化问题的一个有效的选择. 展开更多
关键词 混合差分进化-和声搜索算法 结构工程 和声搜索算法 差分进化算法 变异 交叉
在线阅读 下载PDF
基于麻雀搜索算法的重力坝断面优化设计研究
2
作者 杜广敏 《海河水利》 2024年第8期95-98,共4页
为了降低建造成本,在保证重力坝坝体稳定的前提下,对坝体断面进行优化设计。首先,以坝体断面面积为目标函数,以坝体抗滑稳定、坝踵与坝趾处应力为约束条件,建立重力坝断面优化的数学模型;然后,采用麻雀搜索算法对其进行优化求解;最后,... 为了降低建造成本,在保证重力坝坝体稳定的前提下,对坝体断面进行优化设计。首先,以坝体断面面积为目标函数,以坝体抗滑稳定、坝踵与坝趾处应力为约束条件,建立重力坝断面优化的数学模型;然后,采用麻雀搜索算法对其进行优化求解;最后,以费县崔家沟水库重力坝为研究对象,将麻雀搜索算法所得到的优化结果与用差分进化算法所得到的优化结果进行分析比较,结果表明:麻雀搜索算法寻优能力更强,对重力坝断面优化的效果更好。 展开更多
关键词 重力坝 优化设计 麻雀搜索算法 差分进化算法
在线阅读 下载PDF
二进制麻雀特征选择算法 被引量:1
3
作者 李占山 姚鑫 +2 位作者 刘兆赓 马翔 李昀朔 《长春工业大学学报》 CAS 2022年第4期462-472,共11页
特征选择是机器学习的重要分类任务,其结果直接影响后续学习算法性能。麻雀搜索算法(SSA)是近年来提出的一种基于麻雀智能行为的元启发式算法,它考虑麻雀的社会组织及其对环境的适应性求解连续优化问题,文中将SSA求解离散类的特征选择... 特征选择是机器学习的重要分类任务,其结果直接影响后续学习算法性能。麻雀搜索算法(SSA)是近年来提出的一种基于麻雀智能行为的元启发式算法,它考虑麻雀的社会组织及其对环境的适应性求解连续优化问题,文中将SSA求解离散类的特征选择问题。首先采用混沌反向学习作为初始化策略,并结合差分进化算法改进更新解阶段,随后利用三种二进制方式将处理连续类问题的SSA转换为适应特征选择问题的二进制版本,并最终选择对分类性能提升最大的S型转移函数结合改进后的SSA,形成文中提出的一种包裹式的二进制麻雀特征选择算法BSFSA,为测试BSFSA的性能,使用k-最近邻作为分类器并选用21个UCI数据集,与7种先进的基于群体智能的包裹式特征选择算法和2种过滤式特征选择算法在分类精度和维度缩减率等方面进行比较,结果显示,BSFSA在18个数据集中取得最高分类精度,此外也取得了5个最高维度缩减率和5个次高维度缩减率。实验结果表明,BSFSA能够出色兼顾特征子集的分类精度与维度缩减能力,相较对比算法体现出一定优势。 展开更多
关键词 麻雀搜索算法 包裹式特征选择 S型转移函数 混沌反向学习 差分进化
在线阅读 下载PDF
基于DESSA-DESN和NCA的锂离子电池剩余寿命预测 被引量:1
4
作者 李练兵 朱乐 +2 位作者 景睿雄 王兰超 韩琪琪 《储能科学与技术》 CAS CSCD 北大核心 2023年第10期3191-3202,共12页
锂离子电池的剩余使用寿命(RUL)对于锂离子电池在设备中的管理、使用至关重要,为了提高RUL的预测精度,本工作提出一种基于混合差分进化-麻雀搜索算法(DESSA)优化的深度回声状态网络(DESN)和邻域成分分析法(NCA)的锂离子电池RUL预测方法... 锂离子电池的剩余使用寿命(RUL)对于锂离子电池在设备中的管理、使用至关重要,为了提高RUL的预测精度,本工作提出一种基于混合差分进化-麻雀搜索算法(DESSA)优化的深度回声状态网络(DESN)和邻域成分分析法(NCA)的锂离子电池RUL预测方法。首先,对锂离子电池的容量衰减特性进行分析,对于多种能够描述电池老化状态的间接健康指标,利用NCA算法降维处理,得到4个高相关度的健康因子作为模型的输入;其次,将差分进化算法(DE)和麻雀搜索算法(SSA)相结合,将突变、交叉、筛选等操作引入SSA算法的种群更新过程中,提出混合差分进化-麻雀搜索算法(DESSA)算法,利用DESSA算法对DESN网络的参数进行寻优,建立DESSA-DESN预测模型。最后,利用NASA数据集和CALCE数据集对所提模型的有效性和泛化性能进行验证,并与SSA-DESN、GPR等现有方法进行比较,结果表明本工作提出的DESSA-DESN模型能够更加准确追踪锂离子电池的退化状态,具有更小的预测误差,对RUL预测结果的均方根误差(RSME)能够保持在1.5%以内,平均绝对误差(MAE)保持在1%以下。 展开更多
关键词 锂离子电池 剩余使用寿命 邻域成分分析 深度回声状态网络 混合差分进化-麻雀搜索算法
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部