五种SVM参数寻优识别运动想象脑电比较研究

支持向量机(SVM)在脑电(EEG)分类中效果较好,其参数寻优方法直接关系着分类的准确率和所需时间.为了探索参数寻优对分类效果的影响,本文采用了固定参数寻优、直接寻优、网格寻优、遗传算法(GA)寻优和粒子群优化算法(PSO)寻优五种参数寻优方法,以BCI Competition Ⅳ data 2b数据集进行实验测试,对带通滤波后的数据进行瞬时能量特征的提取,利用五种寻优的参数分类器,得到了9名被试者4～7s时间内数据的分类准确率和分类所需时间.在用网格寻优和粒子群寻优的分类下,被试S4和被试S8的准确率分别高达96.875％和88.125％,用时最短为3.059 s.直接寻优和固定参数方法的准确率虽低,但分类用时仅为0.002 s和1.305 s,实时性上,更加适合于应用到在线系统中.     

无线传感器网络路径寻优的仿真研究

研究无线传感器网络路径寻优问题.针对无线传感器网络路径寻优同时涉及到数据传输路径的长度、传感器节点能量以及整个网络的能量均量均衡,传统的数学模型对其进行求解存在求解时间长,速度慢,得到的路径并非最优,导致网络的能量不均衡,网络生命周期短.为了快速找到传感器网络最优路径,提出一种传感器路径混合寻优方法.算法首先利用遗传算法进行全局寻优,使网络最优路径稳定地分布在解空间区域,然后采用禁忌算法进行网络路径局部寻优,最后找到无线传感器最优路径.仿真结果表明,混合算法能快速找到无线传感器网络最优路径,且消耗的能量最少,有效实现了网络负载均衡,延长了网络的生命周期.     

基于SQP寻优的飞行轨迹规划方法研究

为了有效降低单位航程的燃油消耗,提出了基于SQP寻优的飞行轨迹规划方法.首先构建了适用于寻优的飞机数学模型和发动机数学模型,确定了寻优的目标函数;然后,以发动机推力范围和迎角等为约束条件,构建了寻优模型,基于SQP方法进行了飞行高度轨迹、飞行速度轨迹的寻优规划.仿真结果表明,SQP方法适用于飞机轨迹寻优规划,可以根据不同飞机起飞重量和飞行条件确定飞行高度轨迹与飞行速度轨迹,并可以明显降低飞行的燃油消耗.     

PSO、本体及市场机制相结合的服务调度方法研究

根据语义进行服务调度,是服务计算的重要内容,服务调度是一个寻优的过程.为了解决当前服务调度不能很好地兼顾语义.效率与收益这个问题,提出了粒子群寻优算法(PSO)、本体和市场相结合的服务调度方法,开发了粒子群寻优算法与本体和市场机制相结合进行服务调度的算法SBPOM(Service scheduling Based on PSO,Ontology and Market),从而为用户获取满意的服务提供了一种有效的方法.实验表明,利用粒子群算法寻优,既提高了寻找服务调度方案的速度,同时也兼顾了根据语义进行服务调度,保证了资源的高效使用.     

模拟谐振子算法在求解整数规划问题中的应用

针对整数规划问题的特点,在对模拟谐振子算法进行分析的基础上,将其应用于求解整数规划问题.通过参数设置以及在不同阶段使用不同的新解产生方法,使全局寻优与局部寻优较好地结合.实验结果验证了算法应用于求解整数规划问题,可以提高搜索效率和精度.     

改进粒子群算法在乙烯收率软测量中的应用

针对粒子群算法(PSO)容易陷入局部收敛的问题,提出一种引入反动因子并结合引力定律的方法来改进算法,增强其寻优能力,该改进算法命名为:GPSO算法.该算法利用引力定律快速确定粒子的寻优方向,寻优过程中当粒子陷入局部最优时利用反动因子的引入使粒子跳出局部最优.仿真实验证明该改进算法在收敛速度和寻优能力上都取得了显著效果.最后,用改进的算法优化BP神经网络的参数,获得了乙烯裂解转化率模型,实验结果表明,基于改进算法的神经网络模型能够较好地预测乙烯裂解转化率.     

基于自适应变异PSO的ARMA模型参数寻优及预测应用

为提高ARMA模型在时间序列预测中的精度,提出一种基于改进粒子群算法(AMPSO)的模型参数智能寻优估计方法.AMPSO算法以粒子熵的判别为依据,在寻优过程中对算法的关键参数进行多次自适应变异,以提高其跳出局部、面向全局寻优的能力.模型参数寻优过程基于ARMA(2n,2n-1)模型架构依次跳阶,每阶的参数初估后运用AMPSO算法展开寻优,适应度判定标准为当前模型残差方差最小.针对齿轮箱轴承的输出扭矩进行预测,结果表明,AMPSO算法在收敛性和寻优速度方面效果良好;参数寻优方法可显著提高参数预测精度,具有良好的工程应用价值.     

关于计算机配色模型参数值的优化方法讨论

就数学模型中参数值的优化问题列出两种不同的优化方法———非线性规划函数寻优和遗传算法最优化工具箱中的gaopt函数寻优。针对两种优化方法各自的特点,把gaopt函数的最优解作为非线性规划函数寻优的初始值,解决非线性规划函数初始值难以确定的问题,同时也能更快速、更合理地找到所需的参数值。结果表明,采取将遗传算法同函数调用相结合的方法,可较好地实现模型中参数值的优化。     

模糊理论在遗传算法中的运用

遗传算法的寻优能力和收敛速度与许多因素有关,其间的关系复杂且难以精确描述.模糊理论能很好地描述这种特性.本文分析了影响遗传算法寻优能力和收敛速度的多种因素,运用模糊理论指导遗传算法中交叉和变异概率的自适应调整,以及改善局部寻优能力.实验结果表明,此法是有效可行的.     

线性最优控制系统优化设计—权矩阵满阵优化法

本文通过线性最优控制理论、灵敏度分析理论及优化理论的有机结合,提出了一种系统的权矩阵优化选取方法.本方法在设计人员给定主导特征根位置、反馈增益顶值限制、寻优步长等条件下自动寻优,求得满足给定条件的权矩阵.同时为了最大限度地发挥权矩阵的作用,采用对权矩阵进行满阵优化的方法,大大提高了优化效率。实例表明,本方法能方便而快速地求得所需的权矩阵,解除了设计人员通过试凑法选取合适权矩阵的沉重负担.特别是用本方法所设计的降阶反馈控制系统较之一般常用的最小误差激励法所得到的降阶反馈控制系统具有更优良的动态品质.     

一种改进的变焦遗传算法

提出一种新的变焦遗传算法,在保持串长不变的条件下,大幅度缩小搜索区间,明显提高了遗传算法的收敛速度和解的精度.本文提出的方法对大范围、高精度情况尤其适合.仿真结果说明了算法的有效 性.􀁽     

复形法粒子群优化算法研究

针对基本粒子群优化算法对复杂函数优化时难以获得最优解的缺陷,提出了一种复形粒子群优化算法。该算法采用复形法来提高粒子的局部搜索能力,从而保证了算法能够跳出局部最优,获得全局最优解。实验结果表明,与文献算法相比,该算法在基准函数优化时具有更强的寻优能力和更高的搜索精度。     

An improved artificial bee colony algorithm based on the strategy of global reconnaissance

The artificial bee colony (ABC) algorithm is a recently introduced swarm intelligence optimization algorithm based on the foraging behavior of a honeybee colony. However, many problems are encountered in the ABC algorithm, such as premature convergence and low solution precision. Moreover, it can easily become stuck at local optima. The scout bees start to search for food sources randomly and then they share nectar information with other bees. Thus, this paper proposes a global reconnaissance foraging swarm optimization algorithm that mimics the intelligent foraging behavior of scouts in nature. First, under the new scouting search strategies, the scouts conduct global reconnaissance around the assigned subspace, which is effective to avoid premature convergence and local optima. Second, the scouts guide other bees to search in the neighborhood by applying heuristic information about global reconnaissance. The cooperation between the honeybees will contribute to the improvement of optimization performance and solution precision. Finally, the prediction and selection mechanism is adopted to further modify the search strategies of the employed bees and onlookers. Therefore, the search performance in the neighborhood of the local optimal solution is enhanced. The experimental results conducted on 52 typical test functions show that the proposed algorithm is more effective in avoiding premature convergence and improving solution precision compared with some other ABCs and several state-of-the-art algorithms. Moreover, this algorithm is suitable for optimizing high-dimensional space optimization problems, with very satisfactory outcomes.     

基于动态调整和协同搜索的花授粉算法

针对基本花授粉算法（Flower Pollination Algorithm,FPA）容易陷入局部最优、收敛速度慢及寻优精度低等缺陷,提出了基于动态调整和协同搜索的花授粉算法（Flower Pollination Algorithm based on Dynamic adjustment and Cooperative search,FPADC）。利用霍尔顿序列提升初始解的质量;通过对种群进行分工,从而提高种群的多样性以跳出局部最优;根据种群进化信息动态调整算法的寻优策略,从而提高收敛速度和精度。仿真实验结果表明,提出的改进算法相比基本花授粉算法和部分改进算法,有较好的寻优性能。     

基于自适应蚁群聚类的入侵检测

针对蚁群聚类算法在聚类结果中出现部分数据划分不够准确的问题,提出一种基于信息熵调整的自适应混沌蚁群聚类改进算法。该算法通过优化过程中种群的信息熵来衡量演化的程度,自适应地调整信息素更新策略。每一次迭代结束时,使用混沌搜索算子在当前全局最优解附近搜索更好的解。而随着算法的进行,混沌算子搜索范围逐渐缩小,这样混沌算子在蚁群搜索的初期起到防止陷入局部最优的作用,在蚁群搜索后期起到提高搜索精度的作用,从而得到更好的聚类结果。使用KDD Cup 1999入侵检测数据集所作的仿真实验结果表明,聚类效果改进明显,并能有效提高入侵检测的检测率、降低误检率。     

社会情感算法优化神经网络的短时交通流预测

针对反向传播(BP)神经网络用于交通流预测易陷入局部最优且寻优速度慢的问题,采用了社会情感优化(SEO)BP神经网络的参数,以SEO中的个体为一个BP神经网络,以3种情绪为表现形式,通过个体间的合作竞争进行寻优.运用Levy、正态、柯西分布3种情绪随机选择策略,通过不同方式实现了以不同的概率选择不确定的情绪,使SEO中情绪更好地模拟人的正常心理变化.实验表明:该模型较其他模型更有利于搜寻全局最优解,能有效提高短时交通流的预测精度.     

一种改进的混合遗传算法研究

标准遗传算法的求泛能力优于它的求精能力,在求解GA-困难问题时求解精度难以控制,本文由此提出了一种改进的ε-混合遗传算法。本算法在每代找出最优个体之后,以该最优个体为初始出发点在一个固定半径的区域内进行局部搜索,以搜索结果代替最差个体或其它个体,然后再进入下一代操作。算法大大提高了求解精度,同时也提高了稳定定性。     

多维多极值函数优化的和声退火算法

针对多极值实函数优化问题,本文结合和声搜索与模拟退火算法,提出了一种新的搜索算法,即和声退火算法。新算法保留了和声搜索的搜索机理,但对和声搜索中于和声记忆库外的搜索方法用超快速模拟退火算法作了改进,对和声记忆库内新解产生方法也作了相应的调整,从而提高了对多维问题的搜索效率。数值实验结果表明算法对和声搜索有明显的改进,收敛速度更快,跳出局部极值点的能力较强。新算法在解决多维多极值优化问题方面比遗传算法更具效率,值得进一步研究与推广应用。     

动态串行机制多元宇宙优化算法

为优化多元宇宙算法求解函数最优值的性能,提出一种改进搜索机制的全局优化多元宇宙算法(G-MVO).针对标准算法存在单一搜索机制导致算法易陷入局部最优以及过早收敛的缺陷,提出三种学习策略来增强算法性能,通过多策略交互协作降低算法复杂度并提高求解精度,设计自适应参数动态选择最佳策略,全局优化算法性能.为验证算法的有效性,算法在不同维度的八个基准函数上进行仿真实验.结果表明,该算法表现出更佳的求解精度以及收敛速度.     

一种改进的微分进化算法

相对于其他优化算法来说,微分进化算法具有控制参数少、易于使用以及鲁棒性强等特点,但在搜索过程中存在着局部搜索能力弱的缺点。针对微分进化算法局部搜索能力弱的缺点,提出了一种基于局部变异的微分进化算法,该算法使个体具有良好快速收敛能力。使用典型优化函数对比较算法进行了测试,算法分析和仿真结果表明,改进以后的算法具有寻优能力...