基于优化最小二乘支持向量机的温度稳定光纤布拉格光栅传感解调

光纤法布里-珀罗可调滤波器(FFP-TF)是组成光纤布拉格光栅传感器解调系统的核心器件之一,其稳定性对解调精度至关重要,而温度漂移是影响其稳定性的关键因素之一.最小二乘支持向量机(LSSVM)的非线性映射能力可以对漂移进行有效补偿,针对传统LSSVM模型参数选取易陷入局部最优的问题,基于改进的天牛须搜索粒子群优化算法在...     

基于PSO-LSSVM的振弦传感器温度补偿

针对振弦传感器测量精度受环境温度影响的问题,本文提出基于粒子群-最小二乘支持向量机的温度补偿方法。采用泛化能力好、收敛速度快、全局最优的最小二乘支持向量机,并引入粒子群算法对最小二乘支持向量机的两个参数进行优化,建立预测模型,进行温度补偿。实验表明:与BP神经网络算法相比,该方法提高了传感器的精度。     

基于GA-LSSVM的多信息融合算法

由于在多传感器测控系统中被测系数与相关参数之间存在着非线性关系,提出了一种基于遗传和最小二乘支持向量机（GA-LSSVM）的多信息融合模型及算法,借助其优越的全局最优搜索能力进行参数的优化。这种方法为小样本、非线性、高维数的多传感器信息融合问题的建模提供了一种有效途径。通过对一个简单的低压负荷电路系统进行算例分析表明,基于最小二乘支持向量机的多传感器信息融合模型及算法在测量准确度和推广性能上都具有一定的优越性。     

基于粒子群算法与最小二乘支持向量机的发电机轴线校正优化方法研究

轴线检测在水轮机组运行、安装、检修维护与轴线调整的过程中,是一个很重要的环节,基于此对基于粒子群与最小二乘支持向量机算法的水轮机轴线校正方法进行了深入研究。首先,详细介绍了最小二乘支持向量机算法的原理;然后深入研究了基于粒子群优化算法的最小二乘支持向量机改进的水轮机轴线偏移检测的原理与基于该算法的轴线校正优化过程;最后,对轴线校正系统的硬件设计与软件设计进行了相关介绍,并给出了轴线校正系统的应用实例。     

LSSVM在酒类近红外光谱检测中的应用

介绍了最小二乘支持向量机及光谱检测的基本理论,利用最小二乘支持向量机建立了光谱校正模型,对各种白酒进行了实验模拟,测量其酒精度的数值。得到的结果显示最小二乘支持向量机算法比其它算法,如主成份分析、偏最小二乘法等方法的精度更高。     

基于LSSVM的激光陀螺随机误差系数预测

激光陀螺是一种具有广阔应用前景的新型惯性器件.为了提高激光陀螺的性能,有效地补偿激光陀螺的随机误差,提出了最小二乘支持向量机预测激光陀螺随机误差系数的新方法.采用遗传算法进行支持向量机参数的自动选取,提出了基于遗传优化的最小二乘支持向量机回归预测算法,并对激光陀螺随机误差系数进行了预测实验.实验结果表明,基于遗传算法的最小二乘支持向量机的预测精度更高.另外,研究了回归步长对预测效果的影响.预测结果表明,不同的回归步长对预测结果有较大的影响.     

改进粒子群算法优化最小二乘支持向量机的网络流量混沌预测

为了提高网络流量的预测准确性,针对最小二乘支持向量机参数优化方法的缺陷,提出一种改进粒子群算法优化最小二乘支持向量机的网络流量混沌预测模型。首先将最小二乘支持向量机参数作为粒子初始位置,然后通过粒子群之间信息交流、互相协作找到最优参数,并对惯性权重和学习因子进行改进,最后对网络流量数据进行重构,并采用最优参数的最小二乘支持向量机建立网络流量预测模型。实验结果表明,本文模型提高了网络流量的预测精度,并大幅度减少了训练时间,可以满足网络流量在线预测要求。     

自适应迭代最小二乘支持向量机回归算法

 基于最小二乘支持向量机回归算法,本文在前期工作的基础上进行了扩展,提出了更加详尽的自适应迭代最小二乘支持向量机回归算法. 与标准的LSSVR相比,本文提出的算法在学习新样本的时候利用了已有的学习结果,可以快速获得新的学习机. 模拟结果表明,自适应迭代最小二乘支持向量机回归算法能够自适应地确定支持向量的数目,保留了QP方法在训练SVM时支持向量的稀疏性,在相近的回归精度下,该算法极大地提高了标准LSSVR学习的速度.     

基于DHSPSO的局部LS-SVM动态建模预测

基于局部建模方法可克服数据间非线性影响的思想,提出了一种基于动态和谐搜索混合粒子群优化(DHSPSO)的局部最小二乘支持向量机(LLS-SVM)动态软测量建模方法.该方法首先通过欧式距离选取局部训练样本子集,然后利用该子集建立LLS-SVM模型.用DHSPSO的方法选取最小二乘支持向量机的模型参数及训练样本子集的大小,该方法克服了常用的交叉验证法耗时与盲目性问题,适合在线建模及预测.此算法通过对某乙烯精馏塔的塔釜乙烯浓度软测量建模的工业实例仿真,结果表明该算法较其它算法具有更好的泛化结果和预报精度,具有良好的应用潜力.     

改进布谷鸟搜索LSSVM的负荷预测方法

负荷预测对合理安排发电计划,维持电网安全稳定运行具有重要意义.文中提出自下而上的区域负荷预测方法,逐线逐站展开预测工作.将深度搜索引入布谷鸟搜索算法,提高其优化精度,然后求解最小二乘支持向量机的参数,对某市某区域日有功负荷进行预测,各线、各站的预测结果与基于布谷鸟-最小二乘支持向量机、粒子群-最小二乘支持向量机、BP神...     

一种SDN架构下业务属性相关的多径路由算法

面对当前网络中流量的增长、业务种类的增多,SDN中多数的路由算法只支持一种QoS参数,没有兼顾对系统调度服务公平性的考虑,然而多参数限制的QoS 明显是NP 难问题,该问题用普通的路由算法难以解决,引进蚁群算法,在蚁群算法的基础上,将链路的时延、分组丢失率引入蚁群算法中,作为算法选择路径的依据,提出一种新的路由算法。该算法在对不同业务属性的数据流分类的基础上,根据网络的实时状况,为不同业务属性的数据流选择合适的路径,对网络中的数据流进行多路径传输。仿真实验表明,该算法能有效地降低数据流的时延、分组丢失率。     

基于信息素扩散的蚁群算法

蚁群算法是一种新型的搜索算法,其模拟的是蚁群依赖信息素进行通信而表现出的社会性行为.在基本蚁群算法中,蚂蚁之间协作不足,存在滞后的缺陷.本文在分析这一算法的基础上,提出了一种新的更加忠实了真实蚁群信息系统的蚁群算法.该算法通过建立信息素扩散模型,使相距较近的蚂蚁之间能更好地进行协作.TSP问题的仿真结果表明了该算法的有效性.     

Extended Ant Colony Optimization Algorithm for Power Electronic Circuit Design

Ant colony optimization (ACO) is typically used to search paths through graphs. The concept is based on simulating the behavior of ants in finding paths from the colony to food. Its searching mechanism is applicable for optimizing electric circuits with components, like resistors and capacitors, available in discrete values. However, power electronic circuits (PECs) generally consist of components, like inductors, manufactured in continuous values. Therefore, the traditional ACO algorithm cannot be applied directly. In this paper, an extended ACO (eACO) that can search the optimal values of components manufactured in discrete and continuous values is presented. The idea is based on using the orthogonal design method (ODM) to dynamically update the database of the components available with continuous values, so that these components will have pseudo-discrete values in the search space. To speed up the optimization process, the ODM performs local search of the best combination around the best ant. The eACO also takes the component tolerances into account in evaluating the fitness value of each ant. The proposed algorithm has been successfully used to optimize the design of a buck regulator. The predicted results have been compared with the published results available in the literature and verified with experimental measurements.      

A Tabu search based routing algorithm for wireless sensor networks

In this paper, a Tabu search based routing algorithm is proposed to efficiently determine an optimal path from a source to a destination in wireless sensor networks (WSNs). There have been several methods proposed for routing algorithms in wireless sensor networks. In this paper, the Tabu search method is exploited for routing in WSNs from a new point of view. In this algorithm (TSRA), a new move and neighborhood search method is designed to integrate energy consumption and hop counts into routing choice. The proposed algorithm is compared with some of the ant colony optimization based routing algorithms, such as traditional ant colony algorithm, ant colony optimization-based location-aware routing for wireless sensor networks, and energy and path aware ant colony algorithm for routing of wireless sensor networks, in term of routing cost, energy consumption and network lifetime. Simulation results, for various random generated networks, demonstrate that the TSRA, obtains more balanced transmission among the node, reduces the energy consumption and cost of the routing, and extends the network lifetime.     

Adaptive subcarrier and bit allocation based on ant colony optimization

The problem of resource allocation in multiuser orthogonal frequency division multiplexing (OFDM) system is a combinatorial optimization problem, difficult to obtain optimal solutions in polynomial time. For the sake of reducing complexity, it can be solved either by relaxing constraints and making use of linear algorithms or by metaheuristic methods. In this paper, an algorithm based on ant colony optimization (ACO), which is a typical algorithm of metaheuristic methods, is proposed for the problem, utilizing excellent search performance of ACO to obtain good solutions. In addition, a parameter is applied to balance the efficiency and fairness of resource allocation. Performance analysis between algorithms based on ACO and genetic algorithm (GA) is carried out, indicating that the proposed algorithm based on ACO outperforms traditional linear algorithms as well as GA in the system throughput with assurance of fairness simultaneously, being as a promising technology for OFDM resource allocation.     

一种基于蚁群优化的分簇路由算法

在无线传感器网络路由协议的研究中,能量高效是其首要设计目标.传统LEACH协议产生簇头数目比较随机,并且簇头直接与基站通信导致能量消耗过快.在分析传统和改进LEACH路由协议的基础上,提出了一种簇头数目固定的簇头选择机制,解决了簇头分布不均匀的问题.并且将蚁群优化算法应用到无线传感器网络的路径选择中,利用蚁群的动态适应性和寻优能力,在簇头与基站之间形成一条最优路径进行通信.在Matlab平台下对新提出的算法进行仿真测试实验,实验结果表明,相对于LEACH路由协议,该算法降低了平均能量消耗,延长了网络的生命周期.     

基于最小代价和蚁群算法的传感器资源优化研究

战场环境的复杂性要求使用多种传感器对战场目标进行综合敌我识别。为充分发挥综合系统的功能,需对有限的传感器资源进行科学合理分配。本文通过分析综合敌我识别的特点,得出传感器资源优化模型的约束条件,提出利用代价作为传感器资源优化的准则,并分析了各类源代价及其量化方法,从而建立了综合敌我识别传感器资源优化数学模型。同时将蚁群优化算法的思想引入到传感器资源优化中,并进行了算法仿真。实验结果证实了该方法的有效性。      

基于蚁群算法的模糊神经网络垂直切换算法

提出了基于蚁群算法(ACO)优化的模糊神经网络垂直切换算法ACO-FNN,综合考虑了信号强度、移动速度、可用带宽等因素进行模糊神经网络处理,并采用蚁群算法进行优化,调整隶属度函数的参数。仿真结果表明,该算法能够在减少乒乓效应的基础上更好的保证用户的服务质量QOS。     

一种基于连续蚁群算法的快速最大似然DOA估计

针对传统最大似然估计计算量大的问题,将连续空间蚁群算法与最大似然估计算法相结合,在ACOML算法的基础上,提出了一种用混沌序列初始化状态空间的改进蚁群算法MACOML(Muddleheaded ACO)。该方法使用混沌映射产生的初始状态空间来代替ACOML算法中的随机序列产生的初始状态空间,增加了初始解的遍历性,同时在寻优过程中增加了局部搜索。仿真结果表明:MACOML能保持最大似然估计方法的高分辨性能,而计算复杂度只是最大似然方法的1/20。     

蚁群-遗传算法的无线传感器网络路径优化

为了提高无线传感器网络路径优化效率,快速找到最优路径,提出基于蚁群-遗传算法的传感器路径优化方法.利用遗传算法的快速全局搜索能力和蚁群算法的正反馈机制,实现了两种算法的融合.仿真结果表明,蚁群-遗传算法在时间和性能上都优于单独的蚁群算法和遗传算法,能快速找到无线传感器网络最优路径,有效延长了网络的生命周期.