反馈精英鲸鱼优化算法优化LSSVM的热耗率软测量建模

提出一种基于反馈精英鲸鱼优化算法(FEWOA)和最小二乘支持向量机(LSSVM)的综合建模方法。首先,针对鲸鱼优化算法(WOA)寻优精度低的问题,提出了反馈精英WOA算法,通过精英策略对当前最优解进行变异操作以避免算法陷入局部最优解;同时,在鲸鱼位置更新后期增加反馈阶段,提高算法的全局搜索能力。数值仿真实验验证了FEWOA算法的优越性。在此基础上,提出了基于FEWOA优化LSSVM的热耗率软测量模型。最后采用某汽轮机组现场收集的运行数据建立汽轮机热耗率预测模型,将FEWOA-LSSVM模型预测结果与其它模型预测结果相比较,结果表明,FEWOA-LSSVM预测模型更能准确地预测汽轮机的热耗率。     

基于改进狮群算法的汽轮机热耗率模型预测

针对汽轮机热消耗率模型难以精准预测的问题,提出一种基于改进的狮群算法和快速学习网综合建模的方法。首先,针对传统狮群算法易早熟收敛以及在迭代后期寻优速度缓慢导致算法陷入局部最优的缺陷,通过引入禁忌搜索、非线性扰动因子以及黄金正弦策略进行改进;其次,对改进后的狮群算法进行数值验证,结果证明其具有更高的收敛精度和收敛速度;最后,采用某热电厂汽轮机的运行数据建立汽轮机热消耗率预测模型,并将改进狮群算法优化的快速学习网对其进行热耗率预测,将实验结果与其他优化策略进行对比验证,实验结果表明,基于改进狮群算法的快速学习网预测模型具有更高的泛化能力,提高了汽轮机热耗率的预测精度。     

基于共生生物搜索算法的汽轮机最优初压研究

为了找到汽轮机在不同负荷下的最优初压,利用改进的共生生物搜索(FSOS)算法和极限学习机(ELM)建立热耗率预测模型,并与BP神经网络、共生生物搜索(SOS)算法优化ELM和FSOS算法优化支持向量机(SVM)等进行了比较。然后,在该模型的基础上用FSOS算法对主蒸汽压力和主蒸汽流量进行优化,使其在各负荷下的热耗率最低。最后,通过优化后的主蒸汽压力拟合出一条最优初压曲线,并与厂家设计的滑压运行曲线进行对比。结果表明:按照最优初压曲线运行,热耗率平均下降约58.51 kJ·(kW· h)^-1,提高了机组能量的转换效率,对汽轮机经济运行有着显著的效果。     

基于混合蛙跳优化的条纹管图像自适应增强

针对条纹管相机荻取的条纹图像,提出一种将混合蛙跳算法和非完全Beta函数结合的自适应增强方法.利用混合蛙跳算法中局部信息交换和全局信息交换的寻优机制,增加寻优稳定性和加快收敛度.通过混合蛙跳优化算法自动搜索最佳灰度变换参数,从而得到一条最佳灰度变换曲线,实现对条纹图像增强处理.实验证明该算法能降低条纹图像中背景对目标的...     

装载机载重测量的支持向量机软测量建模方法

在阐述支持向量机(SVM)和最小二乘支持向量机(LS-SVM)的原理和算法并对两者的特点进行比较后,为装载机载重测量建立了基于LS-SVM的软测量模型,并从核函数选择以及核参数确定两方面阐述了LS-SVM软测量建模的过程,最后与RBF函数网络以及BP网络的软测量建模结果进行对比.仿真分析结果表明,LS-SVM同时兼顾了精度和泛化能力两方面的性能,其最大泛化误差仅为6.863 8×10-6,是适合装载机载重软测量的建模方法.     

基于综合关联度的注塑成型工艺参数多目标稳健设计

针对注塑成型过程中的多个质量指标,提出了基于综合关联度、Kriging模型及混合交叉变异蚁群算法的注塑成型工艺参数稳健优化方法.首先给出了综合关联度的定义及计算方法,再给出了Krging模型的拟合方法和混合交叉变异的蚁群算法;在多目标稳健设计建模中,各分目标采用质量工程中的6σ原则;在混合交叉变异的蚁群算法中,提出了基...     

模糊环境下基于遗传差分协同进化的多阶段投资组合模型

现实经济活动中投资一般是不确定的和随机的,投资者对于风险资产的选择大多情况下是多阶段的。基于该现实因素,在模糊环境下考虑多个摩擦因素,利用交易限制引入资产的基数约束,建立可能性均值–下半方差–熵多阶段投资组合优化模型(V-S-M),该模型是一个多阶段混合整数规划问题。同时,给出了求解该模型的一个遗传差分协同进化算法(GAHDE),并对不同风险态度下的投资组合策略进行了分析,同时将所得数值结果与可能性均值–下半方差模型(V-M)和可能性均值–熵模型(S-M)进行模型对比,与标准的遗传算法和差分进化算法进行了算法对比,结果验证了所建模型和设计算法的优越性与有效性。     

基于粒子群优化聚类的汽轮机组振动故障诊断

针对模糊C-均值聚类算法(FCM)容易陷入局部极值和对初始值敏感的不足,提出了一种新的模糊聚类算法(PFCM),新算法利用粒子群优化算法(PSO)全局寻优、快速收敛的特点,代替了FCM算法的基于梯度下降的迭代过程,使算法具有很强的全局搜索能力,很大程度上避免了FCM算法易陷入局部极值的缺陷,同时也降低了FCM算法对初始值的敏感度。将该算法应用于汽轮机组振动故障诊断中,与电厂运行实际故障状态对照,仿真结果表明该算法提高了故障诊断的正确率。为汽轮机振动故障诊断方法的研究提供了一种新的思路。     

基于模糊规划的间歇过程生产调度建模

通过对现有生产调度模糊模型的分析，针对间歇生产过程，提出了一种新颖的参数模糊的通用模糊规划建模方法，模糊模型采用2种基于普通遗传算法的模糊算法，即模糊模拟和SFA算法。该方法中，参数隶属函数选取灵活，采用合适的模糊表示方式。最后通过实例验证了该模糊建模方法是一种有效的方法。     

基于多目标优化策略的扭杆可靠性稳健优化设计

为提高机械零部件的安全性和稳健性,应用可靠性稳健优化设计理论和多目标决策方法,建立了适合结构可靠性稳健优化设计的多目标优化模型.为能迅速准确地对具有约束条件的多目标优化模型进行求解,提出一种利用模糊理论对约束条件进行处理的方法,然后应用灰色粒子群算法对多目标优化模型进行求解.通过对正态分布参数和任意分布参数的扭杆可靠性稳健优化设计,表明该方法行之有效.     

退火-遗传算法寻优及其实现

分析了遗传算法及退火算法的优缺点,提出用退火算法改进遗传算法局部的最优值搜索效率低问题。退火算法与遗传算法融合后,使算法在寻优结果上更加迅速精确。通过水泥的配比工程实例,与单纯的遗传算法的结果进行对比,说明该方法是有效的。     

李级数法与Runge-Kutta法

对线性自治系统证明了二阶、四阶李级数法分别与Runge—Kutta法中二级二阶改进Euler法和四级四阶经典R—K法的一致性；说明了李级数法和Taylor级数法的一致性，但两者计算导数的方法不同，导致不同的应用价值。分析了李级数法在求解非线性问题时的优越性。     

基于免疫密母算法的图像分割

密母算法具有全局和局部搜索能力,但其具有对参数敏感、个体学习计算复杂度高的缺点.为了克服密母算法的缺点,本文提出了基于免疫密母算法的图像分割(IMAIS)方法.该方法对图像分割时采用了两个种群,并分别用密母算子和免疫克隆算子对这两个种群同时进化,加快种群收敛速度.实验结果表明了本方法的可行性和有效性.     

光互连网络中排序算法研究

通过对光互连网络排序算法的研究,提出利用二分法构造二分图依次确定内外节点开关的连接状态,得到可重排无阻塞的 Omega 网络, Banyan 网络和 Crossover 光网络,每种光互连网络都可实现 8×8 信号全排列无阻塞的输出和排序。针对二分法互连函数不一致的问题,继而采用优化的 Looping Algorithm 算法,生成路由标签确定各级节点开关的状态,从而得到互连函数相同结构简单性能优越的光网络。     

可靠性优化的一种新的算法

建立了可靠性冗余优化模型,提出了一种基于粒子群优化算法的可靠性优化的新方法,该方法结合了遗传算法的思想。实例结果表明,粒子群算法比模拟退火算法和遗传算法效果好。     

基于混合粒子群算法的物流配送路径优化问题研究

针对物流配送路径优化问题,提出了一种融合Powell局部寻优算法和模拟退火算法的混合粒子群算法,以克服单用粒子群算法求解问题早熟收敛的不足,增加算法的开发能力,提高算法的全局搜索能力,并进行了实验计算.计算结果表明,用混合粒子群算法求解物流配送路径优化问题,可以在一定程度上提高粒子群算法在局部搜索能力和搜索全局最优解概率,从而得到质量较高的解.     

基于BP算法与遗传算法的气体识别模型应用

本文采用遗传学习算法和误差反向传播算法（BP 网络）相结合来训练前馈人工神经网络（BPN），使网络收敛速度加快并避免局部极小。依据算法建立网络模型，用小批量训练替代单样本训练和大批量样本训练，提高网络的训练速度。通过模拟，预测结果表明，该算法收敛速度快，预测精度高，为气体模糊识别和预报提供了一种新思路和新方法。     

k-supplier问题的贪婪近似算法

给定无向完全图G=(V,E)和正整数k,图G的顶点集V被划分为子集F和子集D=V-F.k-supplier问题主要研究如何寻找F中顶点数不多于k的子集S,使得S中的顶点到D中顶点的最大距离最小.研究了k-supplier问题,得到了一个近似比为3的多项式时间贪婪近似算法,并通过实例验证了该算法的有效性.     

对Sutherland-Cohen算法的改进

提出了对Sutherland-Cohen算法的改进.通过引进辅助直线进行直线裁剪,只需两次求交运算就即求出线段的可见部分,还减少了对线段的重编码运算,具有和NLN算法相同高的效率.通过引入辅助平面进行三维裁剪,克服了NLN算法不能扩展到三维的缺点,而且其三维裁剪效率高于Sutherland-Cohen算法和梁友栋-Barsky算法.     

求解大规模TSP问题的混合算法

遗传算法求解大规模TSP时呈现出求解时间长、后期效率明显降低等缺陷。通过结合分块方法、局部搜索算法以及禁忌算法,本文提出一个求解TSP的混合算法,以提高初始解质量,减少计算量。利用遗传算法和混合算法对几个TSP进行数值实验,表明无论在结果的质量上还是在运行效率上,混合算法都明显优于遗传算法,而且,规模越大效果越明显。