结合局部结构学习的Bayesian优化算法 被引量：1

1

作者 武燕 王宇平 刘小雄 《系统工程与电子技术》 EI CSCD 北大核心 2008年第12期2493-2496,共4页

在Bayesian优化算法中Bayesian网络的学习是算法应用的关键,而Bayesian网络学习是一个NP-hard问题,并且计算量大。为了能够快速获得较稳定的Bayesian网络,提出了一种新的学习策略,在学习Bayes-ian网络结构时采用对局部结构的贪婪算法,... 在Bayesian优化算法中Bayesian网络的学习是算法应用的关键,而Bayesian网络学习是一个NP-hard问题,并且计算量大。为了能够快速获得较稳定的Bayesian网络,提出了一种新的学习策略,在学习Bayes-ian网络结构时采用对局部结构的贪婪算法,并结合局部搜索利用打分测度选取最优边。对所提算法进行了分析,在算法复杂度较小的情况下,所学习的Bayesian网络可靠性明显提高,算法收敛速度加快,并且避免陷入局部最优。仿真研究表明文章所提出算法寻优能力优于传统Bayesian优化算法。 展开更多

关键词 bayesian优化算法 bayesian网络 贪婪算法

在线阅读 下载PDF 职称材料

基于变异的Bayesian优化算法 被引量：1

2

作者 武燕 王宇平 刘小雄 《计算机工程》 CAS CSCD 北大核心 2007年第16期153-155,158,共4页

将变异算子与Bayesian优化算法相结合,提出了一种基于变异的Bayesian优化算法。在算法中设计了一个种群多样性函数,通过此函数引入变异算子,目的是利用变异算子的邻域搜索能力,保持种群多样性,将贝叶斯概率模型提取的全局信息与变异算... 将变异算子与Bayesian优化算法相结合,提出了一种基于变异的Bayesian优化算法。在算法中设计了一个种群多样性函数,通过此函数引入变异算子,目的是利用变异算子的邻域搜索能力,保持种群多样性,将贝叶斯概率模型提取的全局信息与变异算子的局部信息联系起来,避免陷入局部最优。仿真研究表明基于变异的Bayesian优化算法的寻优能力比Bayesian优化算法更强。 展开更多

关键词 变异算子 bayesian优化算法 种群多样性

在线阅读 下载PDF 职称材料

结合先验知识的Bayesian优化算法研究与仿真

3

作者 武燕 王宇平 刘小雄 《系统仿真学报》 EI CAS CSCD 北大核心 2008年第20期5526-5529,共4页

由于一般优化问题的先验知识很难获取,因此在Bayesian网络学习中结合与利用先验知识一直是一个很难突破的问题。针对Bayesian优化算法(BOA)的特点,对一般优化问题如何发现和利用先验知识进行了分析讨论,把BOA中前一代种群所提供的信息... 由于一般优化问题的先验知识很难获取,因此在Bayesian网络学习中结合与利用先验知识一直是一个很难突破的问题。针对Bayesian优化算法(BOA)的特点,对一般优化问题如何发现和利用先验知识进行了分析讨论,把BOA中前一代种群所提供的信息作为先验知识结合到当前代Bayesian网络的学习中,提高了所学习网络的可靠性,从而提高算法的性能。仿真结果表明所提算法比传统BOA具有更强的全局寻优能力。 展开更多

关键词 先验知识 bayesian优化算法(boa) bayesian网络 分布估计算法

在线阅读 下载PDF 职称材料

基于保留策略的Bayesian网优化算法

4

作者 陈海霞 苑森淼 姜凯 《计算机工程与应用》 CSCD 北大核心 2005年第14期61-63,共3页

提出了一种基于保留策略的Bayesian网优化算法。算法中通过学习Bayesian网络自动获取进化过程中各基因之间的依赖关系及分布描述,以便更好地指导算法的进化,并利用保留的父辈中间群体扩充学习数据集规模,解决了Bayesian网学习可靠性与... 提出了一种基于保留策略的Bayesian网优化算法。算法中通过学习Bayesian网络自动获取进化过程中各基因之间的依赖关系及分布描述,以便更好地指导算法的进化,并利用保留的父辈中间群体扩充学习数据集规模,解决了Bayesian网学习可靠性与较大群体规模之间的矛盾。实验表明,算法能够在有效收敛的前提下降低对群体规模的要求,具有较高的学习效率。 展开更多

关键词 bayesian网优化算法 概率模型 保留策略

在线阅读 下载PDF 职称材料

贝叶斯优化算法的发展综述 被引量：9

5

作者 江敏 陈一民 《计算机工程与设计》 CSCD 北大核心 2010年第14期3254-3259,共6页

介绍了贝叶斯优化算法,并针对不同的优化问题,结合经典优化方法提出的层次BOA算法、多目标层次BOA算法以及递进BOA算法,对贝叶斯优化算法的算法设计、理论分析和应用研究做了全面的总结。深入地探讨了贝叶斯优化算法计算量大,难以建立... 介绍了贝叶斯优化算法,并针对不同的优化问题,结合经典优化方法提出的层次BOA算法、多目标层次BOA算法以及递进BOA算法,对贝叶斯优化算法的算法设计、理论分析和应用研究做了全面的总结。深入地探讨了贝叶斯优化算法计算量大,难以建立精确概率模型及扩展应用领域等问题。 展开更多

关键词 概率模型 贝叶斯优化算法 层次boa算法 多目标层次boa算法 递进boa算法

在线阅读 下载PDF 职称材料

若干新型智能优化算法对比分析研究 被引量：51

6

作者 张九龙 王晓峰 +1 位作者 芦磊 牛鹏飞 《计算机科学与探索》 CSCD 北大核心 2022年第1期88-105,共18页

智能优化算法(IOA)指的是一类以自然界的生物生存进化过程或物理现象为算法原理,用于解决最优化问题的算法,较为知名的智能优化算法有遗传算法、粒子群算法、模拟退火算法等。智能优化算法属于启发式方法,广泛应用在解决最优化问题上,... 智能优化算法(IOA)指的是一类以自然界的生物生存进化过程或物理现象为算法原理,用于解决最优化问题的算法,较为知名的智能优化算法有遗传算法、粒子群算法、模拟退火算法等。智能优化算法属于启发式方法,广泛应用在解决最优化问题上,传统的群智能算法为解决一些实际问题提供了新思路。随着科学技术的进步和应用场景的改变,传统的智能优化算法在收敛速度、求解精度等方面已无法满足日益复杂的优化问题,因此不断有新的更高效的智能优化算法被提出。选取了近几年国内外提出的几种新型智能优化算法:蝴蝶优化算法(BOA)、飞蛾扑火算法(MFO)、正弦余弦优化算法(SCA)、蝗虫优化算法(GOA)、哈里斯鹰优化算法(HHO)、麻雀搜索算法(SSA)。阐述了各算法的基本原理、算法步骤、相关的改进策略及存在的优缺点。为客观对比各算法性能,进一步通过3种类型共21个测试函数及6个指标评价各算法性能,最后归纳总结各算法的特点并对智能优化算法的发展前景进行展望。 展开更多

关键词 智能优化算法(IOA) 蝴蝶优化算法(boa) 飞蛾扑火算法(MFO) 正弦余弦优化算法(SCA) 蝗虫优化算法(GOA) 哈里斯鹰优化算法(HHO) 麻雀搜索算法(SSA)

在线阅读 下载PDF 职称材料

基于KRR优化算法的油水系统中CO_(2)溶解度模型 被引量：2

7

作者 龙震宇 王长权 +3 位作者 石立红 叶万立 刘洋 李一帆 《吉林大学学报（地球科学版）》 CAS CSCD 北大核心 2022年第1期194-201,共8页

油藏中注入CO_(2)可形成CO_(2)-原油-地层水三相动态平衡,CO_(2)在油水系统中的溶解度将直接影响CO_(2)驱油效果和封存潜力。为了对CO_(2)在油水系统中的溶解度模型进行研究,以吉林油田某油水系统为例,利用高温高压PVT分析仪开展CO_(2)... 油藏中注入CO_(2)可形成CO_(2)-原油-地层水三相动态平衡,CO_(2)在油水系统中的溶解度将直接影响CO_(2)驱油效果和封存潜力。为了对CO_(2)在油水系统中的溶解度模型进行研究,以吉林油田某油水系统为例,利用高温高压PVT分析仪开展CO_(2)在不同体积比例油水系统中的溶解度实验,明确了CO_(2)在油水系统中的溶解规律,并基于实验数据,分别利用网格搜索法(GS)和贝叶斯优化算法(BOA)对核岭回归算法(KRR)的参数进行优化,建立了CO_(2)在油水系统中的溶解度预测模型。研究结果表明:CO_(2)在油水系统中的溶解度随CO_(2)注入量的增加而增大,也随油水体积比升高而增大;基于KRR算法的优化模型中,GS-KRR模型和BOA-KRR模型平均相对误差分别为6.758%和1.998%,说明BOA-KRR具有更高的预测精度。利用BOA-KRR模型预测并绘制不同温度、不同油水体积比下的CO_(2)在油水系统中的溶解度图版,可为CO_(2)碳捕集、利用与封存(CCUS)技术的应用提供支持。 展开更多

关键词 核岭回归算法(KRR) 贝叶斯优化算法(boa) 网格搜索法(GS) CO_(2)溶解度 溶解度图版 碳捕集、利用与封存(CCUS)技术

在线阅读 下载PDF 职称材料

分段权重和变异反向学习的蝴蝶优化算法 被引量：17

8

作者 李守玉 何庆 杜逆索 《计算机工程与应用》 CSCD 北大核心 2021年第22期92-101,共10页

针对原始蝴蝶优化算法容易陷入局部最优解、收敛速度慢及寻优精度低等问题,提出分段权重和变异反向学习的蝴蝶优化算法。通过飞行引领策略来矫正邻域内蝴蝶的自身飞行,降低盲目飞行,增强算法跳出局部最优的能力;引入分段权重来平衡全局... 针对原始蝴蝶优化算法容易陷入局部最优解、收敛速度慢及寻优精度低等问题,提出分段权重和变异反向学习的蝴蝶优化算法。通过飞行引领策略来矫正邻域内蝴蝶的自身飞行,降低盲目飞行,增强算法跳出局部最优的能力;引入分段权重来平衡全局勘探及局部开发的能力,进而实现蝴蝶位置动态更新;使用变异反向学习对位置进行扰动,增加种群多样性以及提高算法的收敛速度。通过对9个测试函数和部分CEC2014函数及Wilcoxon秩和检验来评估改进算法的寻优能力,实验结果表明改进算法的收敛速度及寻优精度得到了极大改进。 展开更多

关键词 蝴蝶优化算法(boa) 飞行引领策略 分段权重 变异反向学习 统计检验

在线阅读 下载PDF 职称材料

混沌反馈共享和群体协同效应的蝴蝶优化算法 被引量：13

9

作者 李守玉 何庆 杜逆索 《计算机科学与探索》 CSCD 北大核心 2022年第7期1661-1672,共12页

针对蝴蝶优化算法(BOA)寻优精度低和易陷入局部最优等缺点,提出了混沌反馈共享和群体协同效应的蝴蝶优化算法(CFSBOA)。首先,利用Hénon混沌初始化种群,能够使种群尽可能地覆盖搜索盲区,增加种群多样性,提高算法寻优性能;其次,利用... 针对蝴蝶优化算法(BOA)寻优精度低和易陷入局部最优等缺点,提出了混沌反馈共享和群体协同效应的蝴蝶优化算法(CFSBOA)。首先,利用Hénon混沌初始化种群,能够使种群尽可能地覆盖搜索盲区,增加种群多样性,提高算法寻优性能;其次,利用反馈控制电路中正负反馈作用机制的思想,构建蝴蝶之间的反馈共享交流网络,使得蝴蝶个体能够接收来自多个方向的信息,帮助种群定位最优解的位置并执行精细搜索,增强算法逃离局部最优的能力和加快算法收敛的速度;最后,利用群体协同效应机制,提高和平衡全局与局部搜索的能力,增强算法的全局和局部的寻优能力。使用不同维度的基准测试函数、统计检验、Wilcoxon检验及多类型的CEC2014部分函数验证改进蝴蝶优化算法的性能,并与新改进的蝴蝶算法及其他群智能算法进行对比,实验结果表明该算法具有明显优势。 展开更多

关键词 蝴蝶优化算法(boa) 混沌映射 反馈共享 群体协同效应

在线阅读 下载PDF 职称材料

基于BOA-ELM的区域VOCs质量浓度空间插值方法研究 被引量：1

10

作者 黄光球 虞欣 陆秋琴 《安全与环境学报》 CAS CSCD 北大核心 2023年第9期3362-3371,共10页

针对目前挥发性有机物(Volatile Organic Compounds,VOCs)质量浓度插值方法单一且插值精度不高的问题,为了提升区域内VOCs质量浓度空间插值的精度,构建BOA-ELM(Butterfly Optimization Algorithm-Extreme Learning Machine)空间插值模型... 针对目前挥发性有机物(Volatile Organic Compounds,VOCs)质量浓度插值方法单一且插值精度不高的问题,为了提升区域内VOCs质量浓度空间插值的精度,构建BOA-ELM(Butterfly Optimization Algorithm-Extreme Learning Machine)空间插值模型,首次将神经网络模型应用于VOCs质量浓度空间插值。首先对研究区域进行网格划分,其次利用BOA-ELM进行插值研究,同时讨论气象特征对空间插值的重要性,最后将VOCs质量浓度空间插值结果可视化。以陕西省为例,对VOCs质量浓度进行插值,结果显示:加入气象特征变量能提高模型插值精度,且与原始极限学习机(Extreme Learning Machine,ELM)模型以及传统插值方法反向离权重法(Inverse Distance Weighted,IDW)对比,显示BOA-ELM模型的均方根误差(ZRMSE)、平均绝对误差(ZMAE)、平均绝对百分比误差(ZMAPE)均为最小值,分别为8.69μg/m^(3)、6.72μg/m^(3)、7.10%,优于IDW模型。结果表明BOA-ELM模型能很好地应用VOCs质量浓度空间插值,为大气污染物的空间插值提供了新的思路与方法。 展开更多

关键词 环境工程学 挥发性有机物(VOCs) 空间插值 蝴蝶优化算法(boa) 极限学习机(ELM)

在线阅读 下载PDF 职称材料

基于决策机理与支持向量机的车辆换道决策模型 被引量：23

11

作者 谷新平 韩云鹏 于俊甫 《哈尔滨工业大学学报》 EI CAS CSCD 北大核心 2020年第7期111-121,共11页

驾驶决策机制是保障自动驾驶车辆驾驶安全的关键技术,而换道研究是其重要课题.然而,在复杂的动态环境下行驶时,使智能车辆做出安全、符合要求的换道决策仍然是一个难点.为此,首先分析了车辆自由换道的影响因素,采用传统的数理模型建立... 驾驶决策机制是保障自动驾驶车辆驾驶安全的关键技术,而换道研究是其重要课题.然而,在复杂的动态环境下行驶时,使智能车辆做出安全、符合要求的换道决策仍然是一个难点.为此,首先分析了车辆自由换道的影响因素,采用传统的数理模型建立了基于换道收益、安全和必要性的车辆换道规则模型.其次,针对在不同的驾驶工况换道决策考虑的因素不同,提出从基于物理状态的特征、基于交互感知的特征以及基于道路结构的特征三个方面提取决策变量,使换道模型决策时考虑的因素更加全面.然后,针对自由换道决策过程中存在的多参数和非线性问题,提出了基于贝叶斯优化算法(BOA)的支持向量机(SVM)决策模型.最后,所提出的模型在NGSIM数据集上进行验证,对比试验表明:建立的BOA Gaussian-SVM模型具有较高的综合预测性能,对换道行为的识别准确率可达到92.97%,超越了其他模型并远高于规则模型.同时在Airsim平台上进行了仿真实验,实验结果进一步证明了BOA Gaussian-SVM决策模型的有效性,说明此模型可进一步应用到自动驾驶和辅助驾驶系统开发中. 展开更多

关键词 自动驾驶 自由换道决策 换道决策机理 支持向量机(SVM) 贝叶斯优化算法(boa) 特征提取

在线阅读 下载PDF 职称材料