利用混沌粒子群算法确定河流水质模型参数

将混沌寻优思想引入到粒子群优化算法中,提出了混沌粒子群算法,这种方法利用混沌运动的随机性、遍历性和规律性等特性对当前粒子群体中的粒子进行混沌寻优.通过这种处理使得粒子群体的进化速度加快,从而改善了粒子群优化算法摆脱局部极值点的能力,提高了算法的收敛速度和精度.并将混沌粒子群算法应用于求解分析瞬时投放示踪剂情况下的一维河流水团示踪试验数据以及确定河流水质参数的函数优化问题,结果表明,混沌粒子群算法的收敛性能明显优于粒子群优化算法.     

基于改进小波神经网络的GPS高程拟合研究

针对小波神经网络存在的局限性,采用粒子群算法对小波神经网络进行优化,并在此基础上建立GPS高程异常值的拟合模型.为了避免粒子群算法陷入局部极小值和收敛速度慢等问题,采用惯性权重非线性递减和自适应学习因子相结合的策略对粒子群算法进行改进,从而提高模型的训练精度.以某矿区实测GPS数据为例,对所建模型的拟合性能进行验证.结...     

基于遗传蚁群算法的云资源调度问题研究

讨论利用蚁群算法解决云计算资源的调度问题。蚁群算法利用正反馈机制加快了收敛速度,但同时具有易早熟,易陷入局部最优解等不足。针对此问题,提出用遗传算法优化蚁群优化算法,同时引入最大最小蚁群系统改进基本蚁群算法,从而形成新的遗传蚁群算法。实验结果表明,新算法应用于云计算资源调度中,能有效地缩短调度所用的平均时间,提高调度效率。     

面向遥感影像分类的时延权重及群体分类PSO改进方法

粒子群优化是经典的优化算法,其适用于多种情况目标最优解的获取。本文引入时延权重系数及粒子群群体分类方法,提出了一种基础粒子群改进算法,并将该算法应用于遥感影像分类,取得了理想的数据处理结果。本文以复杂的数据模型对改进算法进行了分析,相对基础粒子群算法优势明显,可以在较少粒子群个数及迭代次数的情况下取得较高精度的目标解。改进算法大幅减少了计算的时间复杂度,能够有效降低遥感大数据处理的时间成本,在遥感领域具有较好的推广价值。     

改进哈里斯鹰优化算法与BP神经网络组合的滑坡位移高精度预测模型

开展滑坡位移高精度预测研究对于滑坡灾害的防灾预警具有重要意义。针对哈里斯鹰优化算法(HHO)搜索精度低且会陷入局部最优的问题,对其进行改进并进一步与BP神经网络组合,同时有效兼顾滑坡外部影响因子,发展了一种改进哈里斯鹰优化算法(IHHO)与BP神经网络组合(IHHO-BP)的滑坡位移高精度预测模型。结合我国典型黄土滑坡——甘肃黑方台党川滑坡HF08、HF05和HF09等3个监测点的北斗/GNSS实测数据,验证了IHHO-BP模型在3个实测数据集中的位移预测精度均优于单一BP神经网络模型,以及哈里斯鹰优化算法、麻雀搜索算法(SSA)、粒子群算法(PSO)、遗传算法(GA)与BP神经网络组合的预测模型。结果表明：引入Levy变异、局部增强和随机化Halton序列种群初始化策略的改进哈里斯鹰优化算法,可有效解决哈里斯鹰优化算法搜索精度低且会陷入局部最优的问题;IHHO-BP模型具有更好的泛化能力,可有效提升滑坡位移的预测精度,该组合预测模型具有更好的推广应用价值。     

一种改进蚁群算法及其应用

蚁群算法是近年来出现的一种新的仿生优化算法.针对基本蚁群算法在求解过程中容易出现收敛时间过长以及易陷入局部最优解的不足,对算法中的状态转移、搜索方式以及信息素更新进行改进,提出了一种新的改进蚁群算法.一类典型旅行商问题的仿真实验表明改进的蚁群算法具有收敛速度快、全局搜索能力强和计算时间短的特点,证明了方法的可行性和有效性.     

基于IABC优化LSSVR的变形预测研究

针对最小二乘支持向量回归机（LSSVR）中惩罚参数c和核函数参数σ难以确定，以及标准人工蜂群算法（ABC）易陷入局部最优、收敛速度慢等问题，提出一种改进的人工蜂群算法（IABC）来优化LSSVR的参数并进行变形预测研究。首先，IABC算法利用反向学习策略生成正反2个种群来增加初始群体的多样性，一次迭代后对双种群的当前最优食物源进行信息交换以实现优中选优，并设计食物源自适应权重函数及适应度自适应选择函数平衡ABC的勘探和开发能力；其次，以LSSVR的预测精度为目标函数，并将其转化为IABC的适应度函数，以此构建出基于IABC优化LSSVR的预测模型；最后，以基坑监测数据为例，将IABC优化的LSSVR模型、ABC优化的LSSVR模型以及基于PSO的组合模型进行预测对比分析。结果表明，IABC增加了种群的多样性，提高了收敛精度，基于IABC优化的LSSVR模型预测的变形趋势更符合实际，预测精度高于对比模型。     

改进天牛群搜索算法及其在船舶纵摇运动预测中的应用

【目的】针对天牛群搜索算法易陷入局部最优及搜索精度较低等缺陷,提出一种基于二阶振荡自适应变异的天牛群搜索算法。【方法】该算法引入二阶振荡环节增加算法的全局探索能力和局部开发能力。采用正余弦搜索思想对天牛个体进行位置更新,使得天牛个体可充分的利用自身与最优位置的差值信息逐渐趋近最优解。同时引入自适应t分布变异算子来增加种群的多样性,避免算法陷入局部最优。【结果与讨论】对高维单峰函数、高维多峰函数的仿真实验结果表明,改进的算法有效地提高其搜索精度、收敛速度及鲁棒性,克服其易陷入局部最优的缺陷。将改进天牛群算法应用于BP神经网络权值及阈值优化对船舶纵摇运动姿态进行预测,并于BP网络、BSO-BP网络及PSO-BP网络的预测结果进行比较,精度分别提升85.7%、74.6%和77.2%。改进天牛群搜索算法在实际工程应用中具有一定的优越性。     

免疫遗传算法及其在VRP中的应用

物流配送车辆路径问题（VRP）是一类典型的NP问题。在基本遗传算法的基础上,根据生物的免疫系统原理,提出一种改进的算法——免疫遗传算法。在算法中构造一种基于抗体浓度的群体多样性保持策略,引入免疫算子和免疫记忆库。将该算法应用于求解VRP问题,实验结果表明算法可以实现解的多样性,避免出现早熟收敛,可以有效防止进化过程中最优解退化的可能,是求解车辆路径问题的一种有效的算法。     

基于粒子群算法的神经网络在水资源评价中的应用

为了改善传统的人工神经网络,在训练过程中容易陷入局部最小导致应用于水资源评价时存在对训练样本的拟合精度不高的缺点,采用粒子群算法优化人工神经网络的权值和阈值,然后将其应用于中国12个地区的水资源可持续利用系统评价实例中,并和传统的人工神经网络进行了对照。结果表明,基于粒子群算法的人工神经网络和传统的人工神经网络相比,能较好的提高对训练样本的拟合精度,表明基于粒子群算法的人工神经网络,用于水资源可持续利用系统评价是可行的。