考虑碳排放的铁路路基施工机群配置优化 被引量：1

1

作者 鲍学英 申中帅 +1 位作者 李子龙 吕向茹 《安全与环境学报》 北大核心 2025年第1期364-373,共10页

铁路路基施工机群配置关系施工工期,会直接产生施工成本,对生态环境造成重要影响,进而产生较高碳排放量。首先,考虑铁路路基施工工期、施工成本、施工绿色指数及碳排放等目标,建立铁路路基施工机群配置优化模型。其中,将施工机群配置优... 铁路路基施工机群配置关系施工工期,会直接产生施工成本,对生态环境造成重要影响,进而产生较高碳排放量。首先,考虑铁路路基施工工期、施工成本、施工绿色指数及碳排放等目标,建立铁路路基施工机群配置优化模型。其中,将施工机群配置优化模型中各优化目标作为一级指标建立机群配置多目标决策偏好评价指标体系,并将组合数有序加权算子(Combination Ordered Weighted Averaging,C-OWA)法与基于指标间相关性分析的权重确定(Criteria Importance Though Intercriteria Correlation,CRITIC)法结合对指标进行组合赋权。其次,采用基于莱维飞行机制的量子粒子群优化(Quantum Particle Swarm Optimization,QPSO)算法求解该施工机群配置优化模型。最后,以某铁路路基工程某标段为例进行实证分析。结果显示,多目标优化方案较原方案工期提前75 d,成本降低203.257万元,绿色指数提升5.250%,碳排放量降低1.305 t。研究结果可为铁路路基施工机群配置优化提供新思路。 展开更多

关键词 环境工程学 铁路路基机群配置 碳排放 组合数有序加权算子法 基于指标间相关性分析的权重确定法 基于莱维飞行的量子粒子群优化算法

在线阅读 下载PDF 职称材料

基于混沌莱维粒子群算法的机械臂轨迹规划

2

作者 盖荣丽 王康 王晓红 《组合机床与自动化加工技术》 北大核心 2025年第5期101-105,109,共6页

针对传统粒子群算法在求解机械臂轨迹优化问题时存在的搜索精度不够、容易陷入局部最优等问题,提出了一种混沌莱维粒子群优化算法(TLPSO)。对标准粒子群算法(PSO)进行优化,引入Tent混沌映射和莱维飞行的方法进行改进,提高了算法的搜索... 针对传统粒子群算法在求解机械臂轨迹优化问题时存在的搜索精度不够、容易陷入局部最优等问题,提出了一种混沌莱维粒子群优化算法(TLPSO)。对标准粒子群算法(PSO)进行优化,引入Tent混沌映射和莱维飞行的方法进行改进,提高了算法的搜索能力和跳出局部最优解能力。以六自由度机械臂为研究对象,建立时间优化目标模型,以3-5-3多项式插值方法为基础对其进行轨迹规划。将该算法应用于求解多种测试函数以及机器人时间最优轨迹规划问题,与遗传算法改进的粒子群算法(PSO-GA)、鲸鱼优化算法(WOA)和布谷鸟搜索算法(CS)相比,该算法取得了较好的效果。优化后得到的机械臂位移、速度和加速度曲线平滑、无突变。结果表明,所提出的优化算法能够有效降低轨迹的执行时间。 展开更多

关键词 粒子群算法 Tent混沌映射 莱维飞行 时间最优 轨迹规划

在线阅读 下载PDF 职称材料

应用多策略改进量子粒子群算法的直流电与Rayleigh波联合反演

3

作者 朱春光 管泓清 +3 位作者 秦天 张富翔 王强 高远 《石油地球物理勘探》 北大核心 2025年第1期137-151,共15页

针对浅地表地质分层问题,文中分析了直流电(DC)法与Rayleigh波(RW)法共同探测并进行数据联合反演的可行性,重点研究了融合多种优化策略后形成的基于重心反向学习(Centroid Opposition-Based Learning,COBL)和混沌搜索(Chaos Search,CS)... 针对浅地表地质分层问题,文中分析了直流电(DC)法与Rayleigh波(RW)法共同探测并进行数据联合反演的可行性,重点研究了融合多种优化策略后形成的基于重心反向学习(Centroid Opposition-Based Learning,COBL)和混沌搜索(Chaos Search,CS)的量子行为粒子群(Quantum-behaved Particle Swarm Optimization,QPSO)算法(简称为COBL-CS-QPSO算法)应用于二者的一维联合反演。通过联合反演可以从电阻率数据中提取层厚信息,弥补单独Rayleigh波反演难以精确解析层厚的问题;同时多策略算法的引入使解在搜索过程中不易陷入局部最优,并加强了不确定环境下的随机搜索效率。理论模型实验考虑了无噪声与有噪声以及已知模型层数与未知模型层数的多种情况,并使模型反演在宽泛的搜索区间内进行,最终取得了良好的反演效果。随后将该联合反演算法应用于实际数据,结果表明基于COBL-CS-QPSO算法的直流电与Rayleigh波联合反演在无钻孔信息或未知地下详细分层的条件下,能够获得相比于单独方法更为准确的结果。同时与自适应粒子群(APSO)算法的对比也体现了改进算法的反演优势。 展开更多

关键词 Rayleigh 波法 直流电法 联合反演 量子行为粒子群算法 重心反向学习 混沌搜索 无限折叠的迭代混 沌映射 浅地表

在线阅读 下载PDF 职称材料

基于深度学习的农业园区综合能源系统运行优化方法

4

作者 刘曌煜 王蕾 王坤 《沈阳工业大学学报》 北大核心 2025年第4期470-477,共8页

【目的】农业园区可再生能源资源禀赋丰富,在“双碳”目标驱动下,其综合能源系统(IES)的高效运行对于推动绿色低碳转型具有重要意义。然而,当前农业园区普遍存在能源利用效率低、多能源系统调配不均、可再生能源就地消纳能力不足等问题... 【目的】农业园区可再生能源资源禀赋丰富,在“双碳”目标驱动下,其综合能源系统(IES)的高效运行对于推动绿色低碳转型具有重要意义。然而,当前农业园区普遍存在能源利用效率低、多能源系统调配不均、可再生能源就地消纳能力不足等问题,严重制约了农业生产效率和可持续发展水平。为此,提出了一种基于深度学习的农业园区IES运行优化方法,旨在构建更具经济性与低碳性的能源调度机制。【方法】首先,构建农业园区IES多目标优化调度模型,综合考虑燃气轮机燃料成本、电网交互成本及设备运维成本,形成涵盖多种能源形式的系统数学模型;其次,针对风光(风电、光伏)出力及负荷预测需求,设计改进型长短时记忆(LSTM)神经网络功率预测模型,并引入量子粒子群优化算法(QPSO)对网络的隐含单元数量、学习率等超参数进行动态优化,以提升预测精度;最后,针对传统黄金正弦算法(GSA)易陷入早熟收敛的问题,引入Lévy飞行机制提升更新效率,结合动态权重策略优化全局与局部搜索能力,构建改进GSA实现系统调度优化。【结果】在实例分析中,改进的QPSO-LSTM预测模型将预测误差稳定控制在5%以内,相较传统方法具有更高的预测精度和更强的全局搜索能力。在调度优化方面,改进GSA使系统日运行成本较未优化方案下降69.7%,风光就地消纳率提升27.9%,显著优于传统GSA,展现出优良的多能调度协调能力。【结论】所提出的基于深度学习的农业园区综合能源系统运行优化方法,能够实现对系统功率的高精度预测,并在此基础上有效降低系统运行成本,提升可再生能源就地消纳能力,在经济性与低碳性协同优化方面具有显著优势,为农业园区IES的高效、绿色运行提供了可靠的技术路径。 展开更多

关键词 农业产业园区 综合能源系统 运行优化 数学模型 量子粒子群优化算法 长短时记忆神经网络 Lévy飞行 黄金正弦算法

在线阅读 下载PDF 职称材料

基于改进Levy飞行的PSO湿度传感器补偿算法 被引量：12

5

作者 唐朝国 《电子测量与仪器学报》 CSCD 北大核心 2020年第3期119-125,共7页

针对综合管廊中温度变化导致湿度传感器数据失真的问题,提出一种改进Levy飞行的粒子群优化(PSO)算法(ILPSO),用于补偿数据误差。首先,建立一个预测误差的神经网络,通过PSO寻找网络初始参数;然后,在PSO寻找过程中加入改进的Levy飞行,粒... 针对综合管廊中温度变化导致湿度传感器数据失真的问题,提出一种改进Levy飞行的粒子群优化(PSO)算法(ILPSO),用于补偿数据误差。首先,建立一个预测误差的神经网络,通过PSO寻找网络初始参数;然后,在PSO寻找过程中加入改进的Levy飞行,粒子飞行的概率与到最优粒子的距离成反比,靠近最优粒子时以较大概率反向逃离最优粒子,克服粒子早熟问题;最后,网络以PSO的输出作为初始参数重新训练。在算法寻优性能实验中,相比于其他测试算法,ILPSO算法的寻优能力更强,在传感器误差测试实验以及稳定性实验中,ILPSO算法的补偿效果最好,补偿后的湿度值误差在5%以内,均方误差(MSE)最低,稳定性最好。实验结果表明,与传统的Levy飞行相比,ILPSO算法对误差预测网络的适应度更强,收敛更快,提高了湿度传感器温度补偿的准确性以及稳定性。 展开更多

关键词 BP神经网络 温度补偿 PSO算法 levy飞行

在线阅读 下载PDF 职称材料

改进灰狼算法优化GBDT在PM_(2.5)预测中的应用 被引量：11

6

作者 江雨燕 傅杰 +2 位作者 甘如美江 孙雨辰 王付宇 《安全与环境学报》 CAS CSCD 北大核心 2024年第4期1569-1580,共12页

针对灰狼算法易陷入局部最优解和全局搜索能力不足的问题,通过霍尔顿序列(Halton Sequence)搜索算法初始化狼群位置,避免灰狼算法陷入局部最优解和重复运算;引入莱维飞行和随机游动策略对灰狼算法的寻优过程进行优化,以增加算法的全局... 针对灰狼算法易陷入局部最优解和全局搜索能力不足的问题,通过霍尔顿序列(Halton Sequence)搜索算法初始化狼群位置,避免灰狼算法陷入局部最优解和重复运算;引入莱维飞行和随机游动策略对灰狼算法的寻优过程进行优化,以增加算法的全局搜索能力;利用粒子群算法模拟灰狼种群得出的最佳适应度以用于惩罚项改进灰狼算法中的头狼更新策略。使用改进算法优化的梯度提升树(Gradient Boosting Decision Trees,GBDT)模型对北京市大气污染物监测数据中PM_(2.5)质量浓度进行预测,采用3种评估函数对各模型以及混合模型预测效果得分进行评估。结果显示,本文改进的灰狼算法对梯度提升树的优化效果优于其他算法,均方根误差E RMS为6.65μg/m^(3),平均绝对值误差E MA为3.20μg/m^(3),拟合优度(R^(2))为99%,比传统灰狼算法优化结果的均方根误差减少了19.19μg/m^(3),平均绝对值误差降低了10.03μg/m^(3),拟合优度增加了9百分点;与霍尔顿序列和莱维飞行改进的(Levy Flight-Halton Sequence,LHGWO)相比,改进的灰狼算法预测得分的均方根误差降低了10.39μg/m^(3),平均绝对值误差减小了6.71μg/m^(3),拟合优度提高了5百分点。研究表明了预测模型优化的有效性,为未来城市改善空气质量提供了科学依据和技术支持。 展开更多

关键词 环境学 PM_(2.5)质量浓度预测 改进灰狼算法(GWO) 梯度提升树算法(GBDT) 莱维(levy)飞行 霍尔顿序列(Halton Sequence) 粒子群算法(PSO)

在线阅读 下载PDF 职称材料

基于多策略混合改进MVO算法的光伏多峰MPPT研究 被引量：1

7

作者 方胜利 朱晓亮 +1 位作者 马春艳 侯贸军 《南京信息工程大学学报》 CAS 北大核心 2024年第4期544-552,共9页

光伏阵列的电功率输出在局部遮荫工况下具有多峰特性,且随外界环境的变化而变化.为实现高效电能输出,利用多元宇宙优化(MVO)算法在解决低维度、小规模优化问题中的突出优势进行最大功率点跟踪(MPPT),并融合多种策略对其存在的缺陷进行改... 光伏阵列的电功率输出在局部遮荫工况下具有多峰特性,且随外界环境的变化而变化.为实现高效电能输出,利用多元宇宙优化(MVO)算法在解决低维度、小规模优化问题中的突出优势进行最大功率点跟踪(MPPT),并融合多种策略对其存在的缺陷进行改进.采用拉丁超立方抽样策略初始化宇宙种群,并对按照轮盘赌策略随机交换的宇宙实施柯西变异,提高宇宙种群的多样性.同时引入莱维飞行式量子粒子群优化(QPSO)算法,且对虫洞存在概率及旅行距离率进行自适应调整,以增强算法的全局勘探及局部开发能力.Matlab仿真结果表明,相比其他算法,采用该算法的MPPT时间减少了45%以上,精度亦有所提高,从而具有更优的MPPT性能,可有效提高光伏发电效率. 展开更多

关键词 光伏阵列 多峰特性 最大功率点跟踪 多元宇宙优化 拉丁超立方抽样策略 柯西变异 莱维飞行 量子粒子群优化

在线阅读 下载PDF 职称材料

计及不确定性的随机暂态稳定约束最优潮流 被引量：1

8

作者 刘颂凯 周倩 +3 位作者 杨超 阮肇华 张磊 袁铭洋 《电力系统及其自动化学报》 CSCD 北大核心 2024年第7期1-10,共10页

为应对电力系统中不确定性对系统安全稳定造成的显著影响,提出一种计及不确定性的随机暂态稳定约束最优潮流方法。首先,采用威布尔和正态分布分别描述风电和负荷两种不确定性变量。其次,设置相应的置信水平,基于机会约束理论建立相应的... 为应对电力系统中不确定性对系统安全稳定造成的显著影响,提出一种计及不确定性的随机暂态稳定约束最优潮流方法。首先,采用威布尔和正态分布分别描述风电和负荷两种不确定性变量。其次,设置相应的置信水平,基于机会约束理论建立相应的概率约束,以期望值形式表达目标函数,从而建立计及不确定性的随机暂态稳定约束最优潮流模型。然后,通过半不变量法和Gram-Charlier级数求取电力系统输出变量的累积分布函数,并利用改进量子粒子群算法进行求解。最后,算例分析验证了所提方法的优越性和有效性。 展开更多

关键词 不确定性 随机暂态稳定约束最优潮流 置信水平 半不变量法 量子粒子群优化算法

在线阅读 下载PDF 职称材料

基于混沌与量子粒子群算法相结合的负荷模型参数辨识研究 被引量：29

9

作者 王振树 卞绍润 +2 位作者 刘晓宇 于凯 石云鹏 《电工技术学报》 EI CSCD 北大核心 2014年第12期211-217,共7页

负荷建模是电力系统建模中亟待解决的难题。负荷特性数据、负荷模型结构以及参数辨识是影响实测负荷建模结果的重要因素。本文提出了混沌与量子粒子群算法相结合的负荷模型参数辨识方法。实测数据验证结果表明,该方法相对于常用的粒子... 负荷建模是电力系统建模中亟待解决的难题。负荷特性数据、负荷模型结构以及参数辨识是影响实测负荷建模结果的重要因素。本文提出了混沌与量子粒子群算法相结合的负荷模型参数辨识方法。实测数据验证结果表明,该方法相对于常用的粒子群算法及量子粒子群算法在计算精度、收敛速度等方面都具有明显优势,应用于负荷模型参数辨识提高了负荷模型的准确性。 展开更多

关键词 混沌优化算法 量子粒子群算法 故障录波 参数辨识 负荷建模

在线阅读 下载PDF 职称材料

基于QPSO_RBF的电力系统短期负荷预测 被引量：6

10

作者 田书 刘团结 +1 位作者 胡艳丽 程传平 《电力系统保护与控制》 EI CSCD 北大核心 2008年第18期6-9,46,共5页

针对径向基函数(RBF)网络在电力系统短期负荷预测中存在的问题,提出一种量子粒子群优化(QPSO)算法训练RBF网络的方法,在确定网络隐含层节点个数后,将RBF网络各个参数编码成学习算法中的粒子个体进行优化,由此可在全局空间中搜索最优适... 针对径向基函数(RBF)网络在电力系统短期负荷预测中存在的问题,提出一种量子粒子群优化(QPSO)算法训练RBF网络的方法,在确定网络隐含层节点个数后,将RBF网络各个参数编码成学习算法中的粒子个体进行优化,由此可在全局空间中搜索最优适应值的参数。用优化后的网络进行负荷预测,结果表明,该方法与传统的负荷预测方法相比,减少了训练时间并提高了预测精度,具有较好的应用前景。 展开更多

关键词 电力系统 负荷预测 径向基函数 量子粒子群算法

在线阅读 下载PDF 职称材料

基于种群曼哈顿距离的自适应多目标粒子群优化算法 被引量：18

11

作者 李浩君 张鹏威 郭海东 《计算机集成制造系统》 EI CSCD 北大核心 2020年第4期1019-1032,共14页

针对多目标粒子群优化算法存在收敛性不足和多样性丢失问题,提出一种根据进化状态平衡收敛性能与多样性能的自适应多目标粒子群优化算法(pmdMOPSO)。该算法首先采用种群曼哈顿距离实时检测算法的进化状态,将进化状态分为探索和收敛两个... 针对多目标粒子群优化算法存在收敛性不足和多样性丢失问题,提出一种根据进化状态平衡收敛性能与多样性能的自适应多目标粒子群优化算法(pmdMOPSO)。该算法首先采用种群曼哈顿距离实时检测算法的进化状态,将进化状态分为探索和收敛两个阶段,并根据进化状态的两个阶段分别采用不同的速度更新模式,实现算法性能的提升;其次设计了具有Levy飞行探索认知行为的速度动力学方程,旨在增强全局探索能力;最后使用种群曼哈顿距离构成的差分向量设计进化参数自适应更新模式,平衡算法全局探索与局部开采的能力。通过对MOP1~MOP7测试函数上的实验结果分析,表明pmdMOPSO算法较对比算法具有更好的收敛性能和多样性能。 展开更多

关键词 多目标粒子群优化算法 种群曼哈顿距离 levy飞行探索认知 参数自适应

在线阅读 下载PDF 职称材料

基于优化极限学习机的工业控制系统入侵检测 被引量：12

12

作者 赵国新 陈志炼 +3 位作者 魏战红 刘昱 宋非凡 郭家伟 《计算机工程与设计》 北大核心 2020年第3期608-613,共6页

为解决极限学习机(ELM)随机给定输入权值和隐含层结点的阈值,导致泛化能力和精度不理想的问题,提出混合自适应量子粒子群(HAQPSO)优化算法对输入权值和隐含层结点的阈值进行参数寻优。在量子粒子群优化算法的基础上,加入差分策略和Levy... 为解决极限学习机(ELM)随机给定输入权值和隐含层结点的阈值,导致泛化能力和精度不理想的问题,提出混合自适应量子粒子群(HAQPSO)优化算法对输入权值和隐含层结点的阈值进行参数寻优。在量子粒子群优化算法的基础上,加入差分策略和Levy飞行策略,采用自适应改变的控制方法控制收缩-扩张系数,有效避免算法的早熟,增强算法全局寻优能力,通过对典型函数的测试验证了该算法的优越性。构建基于HAQPSO优化ELM的工控入侵检测模型,将仿真结果与其它算法进行比较,HAQPSO优化后的ELM在准确率、精确率和召回率等指标上都有明显提升。 展开更多

关键词 极限学习机 量子粒子群优化算法 差分策略 levy飞行策略 工控入侵检测

在线阅读 下载PDF 职称材料

数据中心网络下基于HEQPSO-SVM算法的DDoS攻击侦测及预测方法 被引量：3

13

作者 余鹏 李艳 《小型微型计算机系统》 CSCD 北大核心 2015年第1期143-149,共7页

针对分布式拒绝服务(DDoS)攻击难以预测和检测问题,提出一种应用于数据中心网络,基于混合熵的量子粒子群(HEQPSO)算法及支持向量机(SVM)算法的新型DDoS攻击预测、侦测方法.该方法通过对网络流进行分析,根据样本数据包的特征属性对数据... 针对分布式拒绝服务(DDoS)攻击难以预测和检测问题,提出一种应用于数据中心网络,基于混合熵的量子粒子群(HEQPSO)算法及支持向量机(SVM)算法的新型DDoS攻击预测、侦测方法.该方法通过对网络流进行分析,根据样本数据包的特征属性对数据包进行预分类,在HEQPSO中引入改进的进化度因子和聚集度因子优化SVM分类器的误差惩罚因子C和高斯径向基函数的宽度σ,采用HEQPSO-SVM模型训练预分类样本.并设计基于混合熵方法的特征样本线性方程实现对未知DDoS攻击的预测和侦测.仿真实验证明:与传统的量子粒子群(QPSO)算法、惯性权自适应调整的量子粒子群优化(DCWQPSO)算法在算法执行时间、平均迭代次数、平均相对变动值(ARV)和均方根误差性能(RMSE)四个方面进行比较,HEQPSO-SVM算法具有更好的泛化能力和较小的误差性能.同时,本文提出的方法与经典的基于Hurst参数分析检测DDoS攻击方法、基于非线性网络流分析检测DDoS攻击方法、基于自适应检测DDoS攻击的小波分析法以及基于改进熵分析检测DDoS攻击方法在响应时间、平均检到率、平均漏检率、正确率四个方面进行了对比.结果表明,论文提出的方法较四种经典的DDoS分析检测方法相比,能够更为准确、有效地预测、侦测未知的DDoS入侵攻击. 展开更多

关键词 HEQPSO-SVM模型 SVM分类器 混合熵方法 特征样本线性方程

在线阅读 下载PDF 职称材料

相控阵天线非对称方向图波束赋形研究 被引量：1

14

作者 张华美 徐诚 王芳芳 《南京邮电大学学报（自然科学版）》 北大核心 2022年第2期49-53,共5页

在相控阵天线的实际应用中,通过智能优化算法可以快速得到所需方向图以及天线阵列中各天线单元的幅度值和相位值,实现波束赋形的效果。针对粒子群(Particle Swarm Optimization, PSO)算法后期搜索能力弱的问题,在粒子群算法的基础上引... 在相控阵天线的实际应用中,通过智能优化算法可以快速得到所需方向图以及天线阵列中各天线单元的幅度值和相位值,实现波束赋形的效果。针对粒子群(Particle Swarm Optimization, PSO)算法后期搜索能力弱的问题,在粒子群算法的基础上引入了蝴蝶算法(Butterfly Optimization Algorithm, BOA)中的局部搜索机制与莱维飞行因子,采用“精英”粒子筛选模式,提出了一种新的改进粒子群优化算法BPSO(Butterfly Particle Swarm Optimization Algorithm)。计算结果验证该优化方法与粒子群算法相比,在迭代后期也具有很强的收敛能力,并且收敛速度也优于其他基础算法。 展开更多

关键词 相控阵天线 粒子群优化算法 蝴蝶算法 莱维飞行因子

在线阅读 下载PDF 职称材料

QPSO优化的改进CLARANS聚类算法 被引量：3

15

作者 段明秀 《计算机工程与应用》 CSCD 2013年第9期168-170,179,共4页

CLARANS算法是一种有效且广泛应用的聚类算法,适合发现任意形状的聚类结果,但CLARANS算法在搜索过程中容易陷入局部最优解,从而忽略全局最优解。为了避免CLARANS算法在搜索中心点时易受局部最优解的影响,提出一种将CLARANS算法中的邻接... CLARANS算法是一种有效且广泛应用的聚类算法,适合发现任意形状的聚类结果,但CLARANS算法在搜索过程中容易陷入局部最优解,从而忽略全局最优解。为了避免CLARANS算法在搜索中心点时易受局部最优解的影响,提出一种将CLARANS算法中的邻接点作为QPSO算法的量子粒子,结点代价作为适应度函数对其进行寻优的改进CLARANS算法。将该改进算法应用于UCI数据集,结果表明该算法聚类效果好、收敛快,算法的稳定性、收敛性及寻优能力都有很大提高。 展开更多

关键词 量子粒子群算法 基于随机选择的聚类算法(CLARANS)算法 结点代价 聚类 适应度函数

在线阅读 下载PDF 职称材料

基于QDPSO-BP网络的多传感器融合算法

16

作者 张宇林 蒋鼎国 +1 位作者 朱小六 徐保国 《传感器与微系统》 CSCD 北大核心 2008年第3期21-23,共3页

多传感器数据融合的理论和方法已经被应用到许多领域。但目前对于多传感器所测的数据还没有一种通用的行之有效的处理方法。基于量子空间的粒子群(QDPSO)算法训练的BP神经网络具有较好的稳定性和收敛性,将其运用于多传感器的数据融合,... 多传感器数据融合的理论和方法已经被应用到许多领域。但目前对于多传感器所测的数据还没有一种通用的行之有效的处理方法。基于量子空间的粒子群(QDPSO)算法训练的BP神经网络具有较好的稳定性和收敛性,将其运用于多传感器的数据融合,在仿真中取得了比常规算法更高的精度,控制策略制定准确、可靠,是一种较有潜力的多传感器数据融合方法。 展开更多

关键词 多传感器 数据融合 量子空间的粒子群算法 BP神经网络

在线阅读 下载PDF 职称材料

改进ALPSO-SVM的精密加工结构件图像分类算法 被引量：1

17

作者 程洋 李柏林 +1 位作者 赖复尧 苏欣 《机械设计与制造》 北大核心 2023年第10期7-11,16,共6页

针对精密加工结构件在加工过程中人工分拣效率低的问题,提出一种改进PSO对于SVM参数优化的图像分类算法(Adaptive Levy Flight Particle Swarm Optimization Algorithm-Support Vector Machine,ALPSO-SVM)。首先,建立一个SVM分类器用来... 针对精密加工结构件在加工过程中人工分拣效率低的问题,提出一种改进PSO对于SVM参数优化的图像分类算法(Adaptive Levy Flight Particle Swarm Optimization Algorithm-Support Vector Machine,ALPSO-SVM)。首先,建立一个SVM分类器用来完成图像分类,然后使用改进的PSO算法(ALPSO)来帮助SVM找到最优参数,以提高分类效果;通过引入自适应步长的Levy飞行算法来调整PSO算法中粒子的位置更新公式,提高PSO的寻优效率,以得到SVM的最优参数;最后,SVM以ALPSO输出的结果作为最优参数进行分类测试。实验结果表明,ALPSO有效地提高了SVM的分类性能,分类正确率与鲁棒性都得到提高,平均正确率达到90%以上。 展开更多

关键词 图像分类 SVM PSO算法 levy飞行

在线阅读 下载PDF 职称材料

基于改进教-学算法的无人机航路规划 被引量：1

18

作者 武巍 邹杰 《计算机应用》 CSCD 北大核心 2016年第9期2626-2630,2641,共6页

针对传统教-学优化(TLBO)算法进行航路规划时收敛速度慢、容易陷入局部最优的问题,提出一种自适应交叉教-学优化(AC-TLBO)算法。首先,该算法令传统教-学优化(TLBO)算法的教学因子随着迭代次数而发生变化,提高算法的学习速度;其次,当算... 针对传统教-学优化(TLBO)算法进行航路规划时收敛速度慢、容易陷入局部最优的问题,提出一种自适应交叉教-学优化(AC-TLBO)算法。首先,该算法令传统教-学优化(TLBO)算法的教学因子随着迭代次数而发生变化,提高算法的学习速度;其次,当算法可能要陷入局部最优时,加入一定的扰动,使算法尽可能地跳出局部最优;最后,为了进一步提升算法的收敛效果,在算法中引入遗传算法的交叉环节。利用传统教-学优化(TLBO)算法、自适应交叉教-学优化(AC-TLBO)算法和量子粒子群优化(QPSO)算法进行无人机航路规划,仿真结果表明,在10次规划中,自适应交叉教-学优化(AC-TLBO)算法有8次找到了全局最优路径,而传统教-学优化(TLBO)算法和量子粒子群优化(QPSO)算法分别只找到了2次和1次;而且自适应交叉教-学优化(AC-TLBO)算法的收敛速度高于另外两种算法。 展开更多

关键词 教-学优化算法 无人机 航路规划 自适应交叉 局部最优 量子粒子群优化算法

在线阅读 下载PDF 职称材料

基于改进多目标HQPSOGA求解武器目标分配问题 被引量：6

19

作者 邱少明 冯江惠 +1 位作者 杜秀丽 王建伟 《计算机应用与软件》 北大核心 2021年第11期255-262,共8页

由于进化算法求解多目标问题时易过早丧失种群多样性,造成早熟收敛,提出一种粒子多样性判别方法。基于随机选择的聚类算法与模糊贴近度原则综合求解粒子多样性贡献度,用于混合量子行为粒子群和可调节遗传算法的粒子群迭代中,结合随机新... 由于进化算法求解多目标问题时易过早丧失种群多样性,造成早熟收敛,提出一种粒子多样性判别方法。基于随机选择的聚类算法与模糊贴近度原则综合求解粒子多样性贡献度,用于混合量子行为粒子群和可调节遗传算法的粒子群迭代中,结合随机新增粒子更新个体最优解,引导粒子向Pareto最优解靠近。仿真表明,所提方法是一种有效的多样性保持方法,具有更强的全局寻优能力,可有效提高求解质量,在武器-目标分配问题上求解精度更高。 展开更多

关键词 武器-目标分配 量子行为粒子群 基于随机选择的聚类算法 模糊贴近度原则

在线阅读 下载PDF 职称材料

MOQPSO/D算法求解不确定目标分配问题 被引量：2

20

作者 徐浩 董献洲 《火力与指挥控制》 CSCD 北大核心 2021年第12期94-99,共6页

为了增强不确定目标分配对战场态势变化的适应性,提出了一种基于分解的多目标量子行为粒子群算法(MOQPSO/D)的不确定目标分配方法。基于模糊多目标规划方法建立了不确定目标分配模型。以MOEA/D为算法框架,以QPSO算法为寻优手段提出了一... 为了增强不确定目标分配对战场态势变化的适应性,提出了一种基于分解的多目标量子行为粒子群算法(MOQPSO/D)的不确定目标分配方法。基于模糊多目标规划方法建立了不确定目标分配模型。以MOEA/D为算法框架,以QPSO算法为寻优手段提出了一种MOQPSO/D算法。通过粒子编码和非法粒子调整,将MOQPSO/D算法成功应用于求解目标分配模型。仿真结果表明:采用多目标优化方法能有效增强不确定目标分配对战场态势变化的适应性;MOQPSO/D算法在求解目标分配模型时要明显优于MOEA/D及MOEA/D-CD算法。 展开更多

关键词 量子行为粒子群算法 目标分配 不确定 基于分解的多目标进化算法

在线阅读 下载PDF 职称材料