FOA的系统发生论

FOA通过对生物学中物种概念的研究, 以及对建筑中空间组织的分析,构建出了他们关于建筑的生成理论——系统发生论,其目的是要探寻建筑实践中内在的连续性,从而为以后的实践提供一个指导方向。文章从系统发生论的来源、组织结构以及相应的建筑作品等方面具体地分析了这一理论。     

基于果蝇算法的开关磁阻电机多目标优化研究

针对采用传统算法对开关磁阻电机(SRM)本体进行多目标优化时存在算法复杂、调节参数多、计算量大且易陷入局部最优解等问题,提出一种基于果蝇算法(FOA)的SRM本体多目标优化设计方法。利用极限学习机算法建立SRM非参数模型,采用FOA算法对其进行优化,实现了SRM定转子极弧的全局最优设计,最后对该优化算法的效果进行了仿真验证,同时与传统粒子群优化算法(PSO)进行了对比分析,结果表明,FOA算法不仅获得了较PSO算法更好的转矩波动系数和效率指标,而且具有参数设置少、收敛速度快且不易陷入局部最优解等特点,具有较好的应用价值。     

基于FOA-SVM模型的输油管道内腐蚀速率预测

针对管道内腐蚀速率相关问题,采集某输油管道内腐蚀的实测数据,应用多元统计分析算法,在支持向量机(SVM)的基础上建立管道内腐蚀速率预测模型。采用果蝇优化算法(FOA)对预测模型进行优化训练,建立FOASVM预测模型,利用实测数据样本对模型的预测结果进行检验。结果表明:综合方差和均差分别为1.397×10-3和0.037 4,FOA-SVM预测模型相比灰色组合模型预测值和最小二乘支持向量机(LS-SVM)模型预计结果稳定性好、精度高,但是FOA-SVM预测模型训练时间较长,今后在提高模型预测效率上需要进一步研究。     

Analysis of the effects of main design parameters variation on the vibration characteristics of a vehicle sub-frame

In the design process of an automobile part, several analysis methods are usually used to evaluate the performance of the part. However, most automobile design engineers do not directly use CAE (computer aided engineering) tools since specific skills are required to obtain practical results. Moreover, CAE requires a huge amount of computation time and cost. To resolve these problems, a new design approach, termed first order analysis (FOA), has been proposed. In this paper, the FOA technique is employed to design a vehicle sub-frame. An equivalent model of the vehicle subframe which only consists of beam elements is proposed and the modal properties obtained with the model are compared to those obtained with a full scale finite element model. The effects of some parameter variations on the modal characteristics of the vehicle sub-frame are investigated by employing the FOA equivalent model. This paper was presented at the 4th Asian Conference on Multibody Dynamics(ACMD2008), Jeju, Korea, August 20–23, 2008. Hong Hee Yoo graduated from the Department of Mechanical Design and Production Engineering at Seoul National University in 1980 and received his Master’s degree from the same department in 1982. He received his Ph.D. degree in 1989 from the Department of Mechanical Engineering and Applied Mechanics at the University of Michigan at Ann Arbor, U.S.A. He is currently working as a professor in the School of Mechanical Engineering in Hanyang University, Seoul, Korea.     

视觉注意力模型的改进算法

视觉注意力能够对有限的信息资源进行分配,使感知具备选择能力。引入到图像分析领域,其模型的研究对自动估计图像的感兴趣区具有重要的意义。本文根据人类视觉感知的相关理论,对Itti视觉注意力模型进行了改进。首先,采用局部显著性度量的方法计算显著点的位置,然后融合进化规划和图像采样确定显著区域的大小,并根据注意焦点的转移依次得到一系列的显著区域。实验结果表明,用改进的注意力模型处理自然图像,获得了较为满意的效果。     

基于果蝇算法与自适应性遗传算法组合优化神经网络的光伏电站短期出力预测

光伏电站的输出功率会随着很多因素发生波动,若能够提高光伏系统出力预测的准确性,则能有效地降低光伏电站并网后对电网造成的冲击,提高电力系统的稳定性。建立了果蝇算法与自适应遗传算法组合优化的BP神经网络的预测模型。从预测结果可以发现,采用组合优化算法的BP神经网络模型能够有效避免地BP神经网络易陷入局部极小值点的缺陷,相比于仅优化权值和阈值的BP神经网络模型提高了预测精度,具有一定的应用价值。     

一种用于PID控制参数优化的混合果蝇算法

针对果蝇优化算法（ FOA）收敛速度快但寻优精度低的缺点,为了改善果蝇算法的优化性能,提出一种混合果蝇优化算法（ HFOA）。HFOA采用分段优化的思想,在优化过程后期采用收敛稳定性较好的粒子群优化（ PSO）算法优化果蝇算法中果蝇个体飞行距离和味道浓度的判定值,采用误差性能指标积分准则ITAE作为适应度函数,并将优化方案应用于一类不稳定系统的PID控制。Matlab仿真验证表明：HFOA计算高效,具有良好的稳定性,收敛精度高,进而验证了HFOA应用于PID控制参数优化是可行而有效的。     

基于融合GMM聚类与FOA-GRNN模型的推荐算法

针对传统基于物品的推荐算法由于数据稀疏性导致的低推荐精度问题,提出了一种融合GMM聚类和FOA-GRNN模型的推荐算法。该算法首先使用高斯混合模型（GMM）方法对物品特征进行聚类;然后根据聚类结果分别构造评分矩阵,并使用Slope One算法填充评分矩阵;最后计算用户对物品的相似度预测评分作为输入,通过FOA-GRNN模型输出最终的评分。基于movielens-2k数据集的实验结果表明,与其他3种算法相比,该算法能够更好地处理高稀疏性数据,推荐精度更优,并能够在一定程度上解决冷启动问题。     

基于果蝇优化算法-小波支持向量数据描述的滚动轴承性能退化评估

针对支持向量数据描述(SVDD)算法对滚动轴承早期故障不敏感、参数选择困难的问题,提出了一种基于果蝇优化算法-小波支持向量数据描述(FOA-WSVDD)的滚动轴承性能退化评估方法。提取滚动轴承早期无故障振动信号的时域、时频域特征向量,并基于单调性进行特征选择;针对现有核函数对滚动轴承早期故障不敏感问题,将小波核函数引入到SVDD算法中;针对SVDD算法参数选择困难的问题,以支持向量个数与总样本数的比值作为适应度函数,采用改进的FOA算法对其核参数进行优化,建立FOA-WSVDD评估模型;最后,将轴承后期振动数据的特征向量输入到该WSVDD模型中,得到轴承的性能退化指标。试验结果表明,采用所提方法能准确地对轴承早期故障作出预警,与基于高斯核函数的SVDD算法相比,提前了17h。