一种改进的人工蜂群算法及其在桁架几何优化设计中的应用研究

由于人工蜂群(artificial bee colony,ABC)算法存在收敛速度慢、易陷入局部最优的缺点,采用设置自适应缩放因子和基于适应度排序的选择方式代替传统的轮盘赌模型,提出了一种改进的快速人工蜂群算法(fast artificial bee colony,FABC).基于这种FABC算法对4个离散变量的几何优化模型进行了优化,并与遗传算法(GA)、蚁群算法(ACA)、启发式粒子群优化算法(HPSO)和群搜索算法(GSO)作了比较.结果表明,这种改进的人工蜂群算法具有较好的收敛精度.另外,ABC算法以及FABC算法结构简单,可应用在其他优化问题上.     

基于威布尔分布及最小二乘支持向量机的滚动轴承退化趋势预测

为有效描述滚动轴承的退化趋势,提出结合威布尔分布及最小二乘支持向量机的滚动轴承退化趋势预测新方法。用威布尔分布形状参数作为滚动轴承的性能退化指标,将该指标作为最小二乘支持向量机的输入构造退化趋势预测模型。鉴于最小二乘支持向量机模型参数对模型的推广预测能力影响较大,选粒子群算法(PSO)优化最小二乘支持向量机模型参数,并用实测滚动轴承全寿命实验数据进行检验。结果表明该方法能获得准确的预测结果。     

SVM和改进的PSO在压路机驾驶室结构噪声优化中的应用

针对压路机驾驶室结构噪声,将拉丁超立方试验设计、支持向量机近似模型、改进的粒子群优化算法相结合,通过修改驾驶室主要板件的板厚参数降低压路机结构噪声。建立一套基于支持向量机和粒子群算法控制车内结构噪声的设计流程。针对粒子群可能出现局部最优解的问题,对粒子群进行了改进。并利用改进的粒子群优化支持向量机参数,构建高拟合精度的支持向量机模型代替有限元模型。并用改进的粒子群算法对该模型进行板厚寻优,找到一组最佳的板厚参数使得参考点(驾驶员右耳处)声压级最小,减少计算工作量,提高优化效率。     

基于支持向量机与粒子滤波的刀具磨损状态识别

为了提高小样本情况下刀具磨损量识别的精度,提出一种基于支持向量机和粒子滤波的刀具磨损量识别方法。针对支持向量机的输入特征选择和参数选择难题,建立支持向量机输入特征与参数优化双层规划模型,并组合遗传算法和人工蜂群算法进行求解。之后,利用粒子滤波方法对支持向量机回归得到的结果进行修正。实验结果表明,在小样本情况下,基于支持向量机和粒子滤波的刀具磨损量识别方法具备良好的学习能力,能够精确地识别刀具的磨损量。     

基于萤火虫群算法优化最小二乘支持向量回归机的滚动轴承故障诊断

滚动轴承故障诊断是提高设备利用率、降低运行及维护成本关键。最小二乘支持向量回归机为有效的故障诊断方法,为解决其参数选取受限于主观经验问题,将萤火虫群算法用于惩罚系数C与核参数σ寻优,提出基于萤火虫群算法优化最小二乘支持向量回归机的滚动轴承故障诊断方法。实验结果表明,该方法能对滚动轴承故障位置及程度进行准确诊断,与常规最小二乘支持向量回归机、BP神经网络相比精度更高,由此验证该方法的可靠性。     

基于LS-SVM的某型装备保障性能评估研究

针对军事油料装备保障性能指标参数多样性、变化性的特点,研究了新型支持向量机算法--最小二乘支持向量机,并设计了基于多元分类的最小二乘支持向量机;建立了装备保障性能评估的最小二乘支持向量机决策模型;以某型油料装备为例,运用模型确立的保障性能评估指标体系和支持矢量学习决策模式,对其保障性能进行了评估.该研究结果对于优化提高装备保障性能,增强装备保障能力具有重要现实意义.     

基于PSO-LSSVM的热电偶非线性校正方法研究

为改善热电偶温度传感器的非线性特性,构建基于粒子群优化算法(particle swarm optimization,PSO)和最小二乘支持向量机(least squares support vector machine,LSSVM)的热电偶非线性校正模型.针对LSSVM算法参数难确定的问题,选用PSO算法搜索LSSVM...     

最小二乘支持向量机在热舒适性PMV指标预测中的应用研究

介绍了一种新型的机器学习算法一最小二乘支持向量机的原理，并针对预测PMV指标建立了最小二乘支持向量机预测模型。该模型的预测结果表明，最小二乘支持向量机预测准确度高，计算过程速度快，可以满足以PMV指标作为被控参数的空调系统控制的要求。     

基于PSO-LSSVM球磨机负荷参数预测及监测系统开发

针对球磨机筒体振动信号中存在非线性、非平稳性及环境噪声强等问题,提出一种基于粒子群优化最小二乘支持向量机（PSO-LSSVM）球磨机负荷参数（填充率和料球比）预测方法,并开发基于LabVIEW的球磨机负荷参数监测系统。通过粒子群(PSO)优化最小二乘支持向量机（LSSVM）算法中的正则化参数y和核函数宽度,简化求解过程,提高模型训练速度。以球磨机筒体振动信号的Hilbert-边际谱样本熵为输入,以球磨机筒体内部的填充率和料球比为输出,建立基于PSO-LSSVM的磨机负荷参数预测模型。与LSSVM预测结果比较,该模型的预测精度较高,填充率平均绝对误差降低0.05、平均绝对百分误差降低8.09%;料球比平均绝对误差降低0.04、平均绝对百分误差降低2.76%。在线测试结果表明该在线监测系统准确率为64.37%,且系统运行一次的平均时间为45 s,可实现球磨机负荷参数的实时预测。     

基于混合人工蜂群和人工鱼群优化的LSSVM脉动风速预测

考虑人工蜂群(ABC)和人工鱼群(AFS)算法的各自优势,提出混合智能算法(ABC+AFS)优化选择最小二乘支持向量机(LSSVM)参数的方法,以提高其脉动风速预测模型的性能。AFS算法有较强的全局寻优能力,混合智能算法以AFS算法中的人工鱼寻优方式代替ABC算法中的引领蜂寻优方式,克服ABC算法易陷入局部最优的问题。同时,ABC算法中的正负反馈机制可以克服AFS算法的后期盲目寻优、收敛速度下降的问题。运用基于混合ABC、AFS优化的LSSVM对脉动风速进行了预测,并与基于ABC、AFS和粒子群(PSO)算法优化的LSSVM脉动风速预测结果进行了比较。数值结果表明,基于混合ABC+AFS优化的LSSVM脉动风速预测模型有更好性能,具有工程应用前景。     

自适应人工蜂群优化极限学习机在拉曼光谱血液定量分析中的应用

提出了一种基于自适应差分进化人工蜂群优化极限学习机预测血液各组分浓度的方法。首先应用人工蜂群算法对输入权值和隐含层阈值迭代寻优;其次结合差分进化进一步提高模型精度且避免后期易陷入局部最优等问题;由于差分进化算法交叉率和变异率存在凭经验给定的不确定性,最后引入了自适应调整的思想提出自适应差分进化人工蜂群算法优化极限学习机算法的模型,将其应用于血液成分定量分析中。实验表明,自适应差分进化人工蜂群算法优化的极限学习机模型具有较高的预测精度,模型具有较强的稳健性。     

基于ABC-LSSVM的铝热连轧板凸度软测量建模

在铝热连轧板形控制中,板凸度是铝板带的重要指标之一。为了准确预测铝热连轧板凸度,提出了一种基于人工蜂群(ABC)和最小二乘支持向量机(LSSVM)的板凸度软测量模型。由于LSSVM的精度和泛化能力取决于模型参数的选择,故引入ABC进行参数优化。根据某厂1+4铝热轧现场采集的数据验证软测量模型的预测性能,并与GA-LSSVM模型和Marquardt模型做比较,仿真结果表明:建立的ABC-LSSVM板凸度软测量模型参数优化速度快、结构简单,并且具有较高精度。     

基于PSO和LSSVM回归的摄像机标定

针对摄像机非线性显式标定时很难精确地建立其复杂的数学模型,本文提出了基于粒子群优化算法(PSO)和最小二乘支持向量机(LSSVM)回归的摄像机非线性隐式标定方法.该方法采用最小二乘回归机精确逼近图像坐标与世界坐标之间复杂的非线性成像关系;利用PSO算法搜索LSSVM回归模型的最优参数,提高LSSVM回归的收敛速度和泛化能力.通过运用标准BP神经网络、遗传算法、LSSVM及粒子群优化的LSSVM回归方法对圆阵列图案标定模板进行标定,实验结果表明:基于PSO和LSSVM回归的标定方法具有标定精度高、收敛速度快、泛化能力强等优点.     

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。     

An improved artificial bee colony algorithm for addressing distributed flow shop with distance coefficient in a prefabricated system

This paper proposes an improved artificial bee colony (IABC) algorithm for addressing the distributed flow shop considering the distance coefficient found in precast concrete production system, with the minimisation of the makespan. In the proposed algorithm, each solution is first represented by a two-dimensional vector, where the first dimensional vector is the factory and the second dimensional vector lists the operation scheduling sequence of each factory. Second, considering the distributed problem feature, a distributed iterated greedy heuristic (DIG) is developed where destruction and construction processes are designed in detail while considering the distributed structures. Third, an efficient population initialisation method that considers the factory workload balance is presented. Then, a local search approach that randomly replaces two factories with two randomly selected jobs and that finds an optimal position for the two inserted operations via the DIG method is proposed. For the canonical ABC algorithm, using the DIG approach, the main three parts are improved, namely, the employee, onlooker, and scout bees. Finally, the proposed algorithm is tested on sets of extended instances based on the well-known benchmarks. Through an analysis of the experimental results, the highly effective proposed IABC algorithm is compared to several efficient algorithms drawn from the literature.     

基于PSO-LSSVM算法的地下储气库洞室群爆破振动预测

超大断面小净距地下储气库洞室群开挖爆破工程中涉及到众多的影响因素,传统人工智能方法难以对爆破峰值振动速度准确预测。为了提高预测精度,引入粒子群算法,对传统的最小二乘支持向量机模型(LS-SVM)进行优化并建立粒子群最小二乘支持向量机爆破峰值振动速度预测模型(PSO-LSSVM)。以某地下储气库洞室群开挖爆破工程为研究对象,应用PSO-LSSVM模型,将PSO-LSSVM模型与LS-SVM模型、萨道夫斯基经验公式的预测结果进行对比,得到三种预测的结果平均绝对相对误差分别为:5.50%、8.56%、23.45%。由此可见,PSO-LSSVM模型的预测结果与实测数据拟合度更高,精确度更满足工程需求,可为多因素作用下类似工程爆破峰值振动速度预测提供借鉴。     

Improved artificial bee colony algorithm based on escaped foraging strategy

This paper presents an improved artificial bee colony algorithm. Under the framework of the basic artificial bee colony algorithm, this paper redefines the artificial bee colony and introduces search strategies for group escape and foraging based on Levy flight. The proposed algorithm is named artificial bee colony algorithm based on escaped foraging strategy (EFSABC).There are different strategies for scout bees, onlookers, and free bees searching for honey sources in the EFSABC: all working bees relinquish old honey sources due to disturbance, and select different routines to seek new honey sources. Sixteen typical high-dimensional standard functions are used to verify the effectiveness of the proposed algorithm. The EFSABC algorithm outperforms the traditional artificial bee colony algorithm in all aspects.     

An innovative artificial bee colony algorithm and its application to a practical intercell scheduling problem

In this article, an innovative artificial bee colony (IABC) algorithm is proposed, which incorporates two mechanisms. On the one hand, to provide the evolutionary process with a higher starting level, genetic programming (GP) is used to generate heuristic rules by exploiting the elements that constitute the problem. On the other hand, to achieve a better balance between exploration and exploitation, a leading mechanism is proposed to attract individuals towards a promising region. To evaluate the performance of IABC in solving practical and complex problems, it is applied to the intercell scheduling problem with limited transportation capacity. It is observed that the GP-generated rules incorporate the elements of the most competing human-designed rules, and they are more effective than the human-designed ones. Regarding the leading mechanism, the strategies of the ageing leader and multiple challengers make the algorithm less likely to be trapped in local optima.     

基于人工蜂群算法与反向传播神经网络的铝热连轧轧制力预测

在分析传统的轧制力数学模型的不足之后,提出了一种基于人工蜂群算法与反向传播神经网络相结合的铝热连轧轧制力预测方法,使用人工蜂群算法优化反向传播神经网络的初始权值和阈值。以现场采集的精轧机组数据作为训练和测试样本,并与Sims数学模型和反向传播神经网络的预测结果进行比较,实验结果表明所提方法的轧制力预测精度和误差明显优于传统算法。