改进遗传-狼群对节点序寻优的贝叶斯网络结构算法

贝叶斯网络是数据挖掘领域的一种重要方法。针对贝叶斯网络结构学习算法寻优效率低和易陷入局部最优的问题，提出一种基于改进的混合遗传-狼群对节点序寻优的贝叶斯网络结构学习算法。该算法首先利用深度优先搜索对最大支撑树的节点进行拓扑排序；然后利用动态变异及最优交叉算子构建适用于节点序寻优的改进捕食行为，引入动态参数因子来增强算法局部寻优能力；最后与K2算法结合得到最优的贝叶斯网络结构。用3种不同大小的标准网络数据集中进行实验，结果表明，该算法收敛到较优值，寻优效率高于其它同类优化算法。     

基于分类优化贝叶斯结构算法的篦冷机参数状态分析及其算法收敛性分析

针对种群算法建立贝叶斯结构存在参数多、易陷入局部最优的问题,提出一种改进贝叶斯结构学习算法。该算法将候选结构分为优劣解集,利用师生交流机制优化优解集保留精英个体,利用变异机制优化劣解集来增加结构多样性,从而加快算法收敛速度,并在准确率和运行时间上达到平衡。最后不仅利用马尔科夫链证明该算法是全局收敛的,而且通过仿真实验验证了所提出算法的性能。将该算法应用到水泥篦冷机的实际数据中,构建水泥篦冷机工艺参数的贝叶斯网络结构,并完成篦冷机参数状态分析。     

改进的细菌觅食优化算法及其在框架结构设计中的应用

在细菌觅食算法(bacterial foraging algorithm,BFA)基本原理的基础上,结合“和声搜索”算法,提出了一种改进的细菌觅食算法,并应用于框架结构优化.采用该优化算法分别对一单跨8层框架和双跨5层框架结构进行离散变量的质量优化设计,并与细菌觅食算法的计算结果进行了比较.计算结果表明改进的细菌觅食算法应用在结构优化中具有较好的收敛速度和精度,可应用于工程结构的优化设计.     

基于改进最优觅食算法的锅炉NOx排放预测研究

提出了一种改进的最优觅食算法(POFA),在最优觅食算法中引入自适应惯性权值与全局最优解来改进算法的更新公式,同时加入相空间搜索的机制。利用改进的最优觅食算法优化极端学习机(ELM)构建一个改进的极端学习机模型(POFA-ELM),并用该模型对锅炉NO_x的排放特性进行建模。将该模型与ELM、差分进化算法、粒子群算法、人工蜂群算法以及基本的最优觅食算法优化的ELM模型进行比较。结果表明:该模型的预测精度更好,泛化能力更强,可以更加准确地预测NOx的排放质量浓度。     

基于改进蝠鲼优化算法的光伏组件参数辨识模型

为了解决当前光伏组件模型中存在的参数辨识精度低和稳定性差的问题,提出了一种基于折射学习机制的蝠鲼觅食优化算法的三二极管光伏组件参数辨识模型(RLMRFO-TDM)。该模型将差分进化机制融入到MRFO算法的种群更新环节,提高了MRFO算法的局部探索能力,并加快了MRFO算法收敛速度;引入折射学习机制改善了MRFO算法的随机性,提高了种群在搜索区域中的离散性和MRFO算法的全局搜索能力。利用基准测试函数,验证了RLMRFO算法的有效性;采用STP6-120/36和STM6-40/36两种光伏组件的数据集对RLMRFO-TDM模型的参数辨识进行性能测试,与其他模型相比,RLMRFO-TDM模型的辨识精度、稳定性以及收敛速度表现最优。     

基于速度交流的共生多种群粒子群算法

为了提高粒子群算法的求解精度,改善算法的搜索性能,提出一种基于速度交流的共生多种群粒子群算法(SMPSO)。该算法采用速度交流机制划分整个从种群为多个子种群,负责解空间的全局搜索,将获得的最优信息分享给主种群;主种群综合从种群与自身最优经验,负责局部深度优化,获得最优信息反馈给从种群,从而建立主从群间的共生关系,实现解空间的充分搜索。迭代后期,在主种群中引入自适应变异策略,提高算法跳出局部最优的能力。将提出的SMPSO算法应用于基准测试函数中,与其它改进的PSO算法进行比较。实验结果表明,SMPSO算法在求解精度、搜索能力、稳定性等方面均有较大的提高。     

基于细菌觅食决策和深度置信网络的滚动轴承故障诊断

在利用深度置信网络进行滚动轴承故障诊断时,网络结构的设置不仅影响诊断的结果,还影响计算效率。为提高滚动轴承故障诊断的准确率,提出基于细菌觅食决策和深度置信网络的滚动轴承故障诊断方法。该方法利用采集的样本数据对深度置信网络进行训练,以构造细菌觅食决策算法的适应度函数,通过计算各个细菌的适应度来衡量模型的优劣。由于细菌觅食决策算法具有并行搜索能力,能有效选取深度置信网络各隐节点数、学习率、动量等参数,生成合适的分类器提高滚动轴承故障诊断的准确率。实验中,与SVM(Support Vector Machines)、BPNN(Back Propagation Neural Network)、KNN(k-Nearest Neighbor)等方法做比较,所提方法对滚动轴承故障诊断的准确率达到97.83%,能更加高效、准确的识别滚动轴承故障。     

基于改进遗传算法的DBN结构自适应学习算法

针对动态贝叶斯网络(dynamic bayesian network,DBN)是NP困难问题,提出基于改进遗传算法的DBN结构自适应学习算法.该算法计算最大互信息和时序互信息完成DBN结构搜索空间的初始化.在此基础上设计改进遗传算法,引入评分标准差构建交叉概率和变异概率的自适应调节函数,以降低结构学习过程陷入局部最优解...     

自适应耦合局部最优法及其在模型修正中的应用

耦合局部最优法作为一种新型的优化技术,既具有高效的搜索速度又具有全局搜索能力.然而,对于大规模优化问题,该方法容易陷入局部最优;另外,梯度信息在该项技术中起着重要作用,而对于复杂问题往往不能得到精确的梯度信息,从而使得该算法的全局搜索能力下降.本文分别从初始种群的确定、变步长搜索、自调节种群三方面对原算法进行了改进,提出了自适应耦合局部最优法,使之具备解决多变量复杂优化问题的能力.通过两个测试函数验证了改进算法比原有算法更易于得到全局最优解并保持较高的计算效率.最后,采用一个试验算例验证了自适应耦合局部最优法的有效性.     

基于细菌觅食和蚁群算法的工艺路线优化

针对工艺路线规划中满足多重约束的最优方案选择问题,提出一种细菌觅食和蚁群优化（bacteria foraging ant colony optimization,BFACO）算法。首先,将工艺路线规划转化为对加工元顺序的优化问题,构造满足多种工艺准则的加工元拓扑优先顺序图,并构建了在缩短加工周期、提高加工质量和降低加工成本目标下的最低加工资源更换成本的目标函数;其次,设计加工元序列与加工资源两个搜索阶段的蚁群搜索,拓扑优先顺序图可弥补加工元序列搜索阶段信息素匮乏的缺点,而在加工资源搜索阶段引入细菌觅食优化算法的复制与趋向操作,可使加工元在多个可选加工资源的情况下获得加工资源更换成本最低的加工序列;最后,基于细菌觅食与蚁群算法的融合优化,完成多个加工元序列的信息素积累并输出最优解,解决蚁群算法局部收敛且计算速度慢的问题。将BFACO算法应用于实例并与其他优化算法的优化结果进行对比,结果显示BFACO算法在工艺路线优化方面较其他优化算法具有较高的计算效率,验证了BFACO算法的可行性与有效性。研究表明,BFACO算法可有效应用于同时考虑工艺约束与加工资源更换成本的工艺规划,为实际生产提供高效且灵活的工艺路线的优化选择。     

基于IMB-CNN的薄壁件超声铣削颤振辨识方法

针对薄壁件超声铣削加工时产生的颤振严重影响工件质量,加剧刀具磨损的问题,搭建了颤振图像监测系统,利用卷积神经网络(CNN)进行颤振图像辨识,综合运用趋磁细菌算法(MB)、爬山算法(HC)和禁忌算法(TS)的优点,改进MB算法进行超参数优化,提出了一种基于改进趋磁细菌卷积神经网络(IMB-CNN)的薄壁件超声铣削颤振辨识方法。首先,通过MB算法进行全局搜索,再以最优解为初始点,通过HC算法进行邻域搜索,避免了MB算法在最优解附近的振荡;同时,通过禁忌列表跳过已搜索的节点,减小计算规模,加快计算效率;最后,将获得的最优超参数用于CNN,实现颤振图像的精确辨识。与其他方法相比,该方法实现了97.69%的识别率,判断时间为363ms,能有效地进行颤振监测,且整体性能较优。     

一种改进的广义遗传算法及其在结构动力优化问题中的应用

该文提出了一种改进的广义遗传算法。算法中引入了异种机制以提高种群的多样性,在保证收敛速度的同时防止早熟收敛。该方法应用于随机风载荷作用下有应力约束的多参数结构动力响应优化问题,数值算例表明:异种机制能够有效地提高广义遗传算法收敛于全局最优解的概率并加快收敛速度;带有异种机制的广义遗传算法能够有效地求解复杂的结构动力优化问题。     

满足“一刀切”要求的木工板排样优化研究

 针对木工板手工排样效率低和材料利用率低问题,提出木工板“一刀切”排样优化算法．在剩余矩形填充算法中添加启发式分块原则,改进的剩余矩形填充算法满足“一刀切”工艺要求．采用遗传算法对矩形件进行排样优化,以提高木工板利用率,降低企业生产成本．为提高算法的优化精度,使用基于指数变换的非线性动态适应度函数,引入精英保护策略,应用部分填充交叉（partially matched crossover）算子．结合剩余矩形填充“一刀切”算法对遗传种群进行解码计算原料利用率,并作为适应度函数值,进行迭代搜索最优解．排样实例表明木工板“一刀切”排样优化算法能够很好地解决多品种大规模木工板排样问题．     

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...