-
题名改进飞蛾捕焰算法在网络流量预测中的应用
被引量：6
- 1
-
-
作者
吴伟民
李泽熊
林志毅
吴汪洋
-
机构
广东工业大学计算机学院
-
出处
《计算机工程》
CAS
CSCD
北大核心
2017年第10期153-159,166,共8页
-
基金
国家自然科学基金(61502108)
广东省自然科学基金(2014A030313512
+3 种基金
2014A030313629)
广东省重大科技专项(2014B010111007)
广东省科技计划项目(2013B011304007)
广东省公益研究与能力建设专项(2016A010101027)
-
文摘
传统BP神经网络对网络流量时间序列预测精度低和泛化能力弱。为此,提出一种新的优化BP神经网络的方法。通过小波包分解对网络流量进行多频段序列分解,并采用飞蛾纵横交叉混沌捕焰算法优化的神经网络,对各分解后的子序列进行预测,叠加各子序列的预测值,重构获取实际预测结果。仿真结果表明,与传统BP神经网络预测方法相比,该方法能捕获网络流量的变化规律,具有较好的预测精度、稳定性和泛化能力。
-
关键词
飞蛾捕焰算法
网络流量预测
小波包分解
神经网络
预测计算
-
Keywords
moth-flame algorithm
network traffic prediction
wavelet packet decomposition
neural network
predictioncalculation
-
分类号
TP393
[自动化与计算机技术—计算机应用技术]
-
-
题名基于混沌飞蛾捕焰算法的波浪发电系统最大功率跟踪
被引量：7
- 2
-
-
作者
陈海峰
杨俊华
沈辉
黄宝洲
卢思灵
-
机构
广东工业大学自动化学院
国网河南省电力公司检修公司
-
出处
《可再生能源》
CAS
北大核心
2019年第11期1697-1703,共7页
-
基金
国家自然科学基金资助项目(51370265)
广东省科技计划项目(2016B090912006)
+1 种基金
广东省自然科学基金项目(2015A030313487)
广东省教育部产学研合作专项资金(2013B090500089)
-
文摘
针对水动力参数非线性导致直驱式波浪发电系统控制效果不佳问题,文章采用混沌飞蛾捕焰优化控制算法解决。该算法初期引入具有非周期性和遍历性的混沌算子,采用多精英组合的直线捕焰模式寻优;后期结合火焰自适应机制,采用螺旋捕焰方式,求解最优电磁力,控制直线发电装置,提高捕获效率。通过ANSYS软件进行浮子的水动力数值计算,结合改进算法寻求系统最优负载。仿真结果表明,在波浪周期变化时,混沌飞蛾捕焰算法能有效提高全局搜索能力和求解精度,增加系统输出功率。
-
关键词
直驱式波浪发电系统
混沌飞蛾捕焰算法
最优负载
-
Keywords
direct drive wave power generation system
chaotic moth flame capture algorithm
optimal load
-
分类号
TM619
[电气工程—电力系统及自动化]
-
-
题名飞蛾纵横交叉混沌捕焰优化算法
被引量：11
- 3
-
-
作者
吴伟民
李泽熊
林志毅
吴汪洋
方典禹
-
机构
广东工业大学计算机学院
-
出处
《计算机工程与应用》
CSCD
北大核心
2018年第3期136-141,共6页
-
基金
国家自然科学基金(No.61502108)
广东省自然科学基金(No.2014A030313512
+3 种基金
No.2014A030313629)
广东省重大科技专项(No.2014B010111007)
广东省科技计划项目(No.2013B011304007)
广东省公益研究与能力建设专项(No.2016A010101027)
-
文摘
针对基本飞蛾捕焰优化(MFO)算法收敛速度慢和易陷入局部最优的缺陷,提出一种飞蛾纵横交叉混沌捕焰(CCMFO)算法。为飞蛾捕焰引入纵横交叉机制和混沌算子,通过横向全方位交叉寻优减少搜索盲点,纵向维交叉开发和混沌映射增强跳出局部最优的能力,火焰信息在种群中纵横交叉呈链式反应传播,加快收敛速度和避免算法早熟。通过仿真对比实验,证明了该算法具有较好的收敛速度、求解精度和稳定性。
-
关键词
飞蛾捕焰优化算法
纵横交叉机制
混沌算子
元启发式算法
-
Keywords
Moth-Flame Optimization(MFO)algorithm
crisscross mechanism
chaotic operator
metaheuristic
-
分类号
TP18
[自动化与计算机技术—控制理论与控制工程]
-
-
题名针对KMC局部最优问题的飞蛾捕焰优化方法
被引量：3
- 4
-
-
作者
郭璐
许哲
黄鹤
张少帅
陈永安
-
机构
西北工业大学无人机系统国家工程研究中心
西安爱生技术集团公司
中国电子科技集团公司第二十研究所
长安大学电子与控制工程学院
-
出处
《火力与指挥控制》
CSCD
北大核心
2021年第8期34-39,共6页
-
基金
陕西省创新人才推进计划-青年科技新星项目(2019KJXX-028)
陕西省自然科学基础研究计划面上基金(2019JM-610)
西安市智慧高速公路信息融合与控制重点实验室(长安大学)开放基金资助项目(300102321502)。
-
文摘
针对传统飞蛾捕焰(MFO)算法求解复杂函数时后期收敛速度慢与求解精度较低等问题,提出了一种基于快速收敛的飞蛾捕焰(RMFO)算法。采用最大最小距离积的方法来初始化飞蛾群,能够提高算法全局收敛速度并且优化解的质量,同时构造出MFO算法的适应度函数作为寻优函数。将RMFO算法和有K均值聚类算法(KMC)进行交叉迭代,构建基于RMFO优化的KMC算法,求解聚类中心时能够改善聚类性能,可以解决现有KMC算法选取初始聚类中心不确定陷入结果局部最优的问题。实验结果表明,通过用UCI国际通用测试数据库的Iris、Wine和Glass 3种数据集,对RMFO算法和优化KMC算法进行性能测试,提出的RMFO算法更加精准,收敛速度快,不易陷入局部最优解,同时,优化KMC算法的聚类性能更好。
-
关键词
飞蛾捕焰算法
收敛
聚类
最大最小距离积法
群体智能
-
Keywords
moth-flame capture algorithm
convergence
clustering
maximum and minimum distance product method
swarm Intelligence
-
分类号
TP301.6
[自动化与计算机技术—计算机系统结构]
-
