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3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：
面向边缘端工业微服务部署的多目标白鲨优化算法 被引量：1
1
作者 李孝斌 苟堃耀 尹超 《西安交通大学学报》 北大核心 2025年第8期1-10,共10页
针对在有限资源的边缘节点上部署工业微服务时难以兼顾节点的资源利用和负载均衡状况的问题,提出了一种改进型多目标白鲨优化算法。考虑工业微服务部署时边缘节点资源利用和负载状况的协同优化问题,建立了一个以边缘节点计算资源余量、... 针对在有限资源的边缘节点上部署工业微服务时难以兼顾节点的资源利用和负载均衡状况的问题,提出了一种改进型多目标白鲨优化算法。考虑工业微服务部署时边缘节点资源利用和负载状况的协同优化问题,建立了一个以边缘节点计算资源余量、服务通信能耗、负载均衡状况和存储资源余量为指标的多目标优化模型;针对该模型的求解,从初始种群质量、收敛速度、跳出局部最优能力以及优质解的保留4个方面,分别引入了混沌映射初始化、自适应权重因子、差分进化算子以及精英保留策略对多目标白鲨优化算法进行改进。模型求解实验结果表明,相较于原始多目标白鲨优化算法,改进型多目标白鲨优化算法在上述4个指标上分别优化了13.8%、37.1%、63.9%、47.4%,相较于二代遗传算法则分别优化了63.2%、53.2%、39.1%、63.6%,且所提算法收敛速度更快。 展开更多
关键词 工业微服务部署 边缘节点 多目标优化 白鲨优化算法
在线阅读 下载PDF
一种基于数据驱动的空调负荷预测方法 被引量：1
2
作者 周孟然 周光耀 +6 位作者 胡锋 朱梓伟 张奇奇 王玲 孔伟乐 吴长臻 崔恩汉 《河南师范大学学报(自然科学版)》 北大核心 2025年第3期128-134,共7页
空调负荷预测是空调负荷潜力分析和电网空调负荷调控的基础,为了精确地对空调负荷进行预测,文中提出了一种考虑到外界影响因素以及集成优化的空调负荷预测方法.首先,拟定好实验运行方案并采集影响因素数据.其次,使用近邻成分分析(NCA)... 空调负荷预测是空调负荷潜力分析和电网空调负荷调控的基础,为了精确地对空调负荷进行预测,文中提出了一种考虑到外界影响因素以及集成优化的空调负荷预测方法.首先,拟定好实验运行方案并采集影响因素数据.其次,使用近邻成分分析(NCA)方法进行特征选择,剔除重要度小的特征.然后使用白鲨优化算法(white shark optimizer,WSO)对支持向量回归(support vector regression,SVR)的正则化参数和核函数的宽度参数进行优化,最后,结合自适应提升算法(adaptive boosting,Adaboost)构建Adaboost-WSO-SVR主模型,检验其精度并与其他方法进行比较.结果表明,提出的Adaboost-WSO-SVR主模型相比于集成优化后的BP,ELM模型精度更高.可知提出的方法在负荷预测方面效果更好,为空调节能优化控制策略提供依据. 展开更多
关键词 空调负荷 负荷预测 特征选择 白鲨优化算法 自适应提升算法 支持向量回归
在线阅读 下载PDF
基于深度学习神经网络超参数优化的入库径流预测方法研究——以云南省暮底河水库为例 被引量：11
3
作者 陈金红 崔东文 《三峡大学学报（自然科学版）》 CAS 2023年第4期25-32,共8页
准确的入库日径流预测在水库优化调度中发挥着重要作用.为提高日径流预测精度,提出了基于小波包变换(WPT)并结合了白鲨优化(WSO)算法的门限循环控制单元(GRU)、长短期记忆神经网络(LSTM)、卷积神经网络(CNN)日径流时间序列预测模型,以... 准确的入库日径流预测在水库优化调度中发挥着重要作用.为提高日径流预测精度,提出了基于小波包变换(WPT)并结合了白鲨优化(WSO)算法的门限循环控制单元(GRU)、长短期记忆神经网络(LSTM)、卷积神经网络(CNN)日径流时间序列预测模型,以云南省暮底河水库2018—2020年入库日径流时间序列预测为例对各模型进行检验.首先利用WPT将日径流时序数据分解为若干子序列分量;其次引入WSO对GRU、LSTM、CNN超参数进行调优,建立WPT-WSO-GRU、WPT-WSO-LSTM、WPT-WSO-CNN模型;最后利用所建立的模型对各子序列分量进行预测及加和重构,并构建WPT-GRU、WPT-LSTM、WPT-CNN及基于BP神经网络的WPT-WSO-BP、WPT-BP作对比分析模型.结果表明:WPT-WSO-GRU、WPT-WSO-LSTM、WPT-WSO-CNN模型对实例日径流预测的平均绝对百分比误差EMAP分别为3.67%、5.52%、8.98%,平均绝对误差EMA分别为0.120、0.155、0.329 m^(3)/s,确定性系数DC分别为0.996 2、0.995 7、0.974 0 s,预报合格率RQ分别为98.1%、96.4%、89.6%,预测效果优于对应未经WSO调优的WPT-GRU、WPT-LSTM、WPT-CNN模型及WPT-WSO-BP、WPT-BP模型,其中WPT-WSO-GRU模型具有更高的预测精度和更好的泛化能力,WPT-WSO-LSTM模型次之.WSO能有效调优GRU、LSTM、CNN超参数,提高GRU、LSTM、CNN预测性能.WPT-WSO-GRU、WPT-WSO-LSTM模型在入库日径流时间序列预测研究中具有较好的应用前景. 展开更多
关键词 日径流预测 门限循环控制单元 长短期记忆神经网络 卷积神经网络 白鲨优化算法 小波包变换
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