基于t分布变异的改进麻雀搜索算法

针对麻雀搜索算法收敛速度慢、难以跳出局部最优等问题,提出一种基于t分布变异的改进麻雀搜索算法。在更新麻雀种群加入者位置后,引入自适应t分布变异,对加入者位置产生扰动,避免陷入局部最优,增强算法性能;通过比较灰狼优化算法、飞蛾火焰优化算法和原始麻雀搜索算法,在6个基准函数上进行仿真实验。实验结果和Wilcoxon符号秩检验结果都表明所提出的改进麻雀搜索算法的收敛精度与速度均优于其他算法,达到提高算法收敛速度,增强算法跳出局部极值能力的效果。     

基于HSSA-ELM的轴承故障监测方法

为了提高电机轴承故障的精度,提出一种基于改进麻雀搜索算法（HSSA）优化极限学习机（ELM）的轴承故障诊断方法。融入Circle核和母鸡寻食的算法对麻雀搜索算法进行改进,建立了基于HSSA-ELM的轴承故障诊断模型。实验结果证明,对比其它模型,经过优化的ELM的轴承故障诊断模型在识别率上得到了很大提高,准确率高达98%,证实了其有效性和准确性。     

基于ADASYN平衡数据的ISSA-KELM滑动电接触失效诊断

弓网滑动电接触的接触状态对电力机车的平稳运行有着直接的影响,为了判断一定工况条件下弓网滑动电接触是否失效,提出一种基于平衡数据集训练的改进麻雀算法优化核极限学习机失效诊断模型.首先,通过浸金属碳滑板与铜导线的对磨实验模拟机车运行,得到载流稳定系数与离线率随滑动速度、压力波动幅度、压力波动频率和接触电流的变化规律.其次,通过自适应综合过采样法对实验所得数据中的少数类样本进行扩充,将生成的平衡数据集用于训练核极限学习机失效诊断模型.同时,采用改进麻雀算法对模型的参数进行优化.针对基本麻雀算法存在的不足,将混沌镜向初始化策略、旋转搜索策略和柯西交叉变异策略应用于麻雀的位置更新,得到改进的麻雀算法.通过测试函数对其进行仿真测试,结果表明改进麻雀算法具有更好的稳定性和收敛精度.最后,通过将所提出模型与其他诊断模型进行对比,进一步表明了在不平衡数据集下该模型的有效性与改进算法的优越性.     

基于蚁群优化的极限学习机选择性集成学习算法

针对现有极限学习机集成学习算法分类精度低、泛化能力差等缺点,提出了一种基于蚁群优化思想的极限学习机选择性集成学习算法。该算法首先通过随机分配隐层输入权重和偏置的方法生成大量差异的极限学习机分类器,然后利用一个二叉蚁群优化搜索算法迭代地搜寻最优分类器组合,最终使用该组合分类测试样本。通过12个标准数据集对该算法进行了测试,该算法在9个数据集上获得了最优结果,在另3个数据集上获得了次优结果。采用该算法可显著提高分类精度与泛化性能。     

基于量子遗传优化的改进极限学习机及应用

主要研究的是神经网络的一种新型训练方式——极限学习机算法的优化和改进。首先通过与传统的神经网络算法的对比,介绍极限学习机算法的主要思想和流程,展现其特点及优势;其次,由于常规极限学习机在预测的精度上及运用的稳定上存在不小的缺陷,通过阐述几个智能寻优算法及优缺点比较,引出该文的重点量子遗传算法,并利用此算法去优化极限学习机的连接权值和阈值,选取最优的权值和阈值赋予测试网络,达到良好的使用效果;最后,介绍了改进极限学习机算法在MATLAB上进行实验仿真及结果分析的步骤与流程,实验结果说明改进后的算法相比于经典算法在回归问题的预测上有优势,预测精度更高,且结果更稳定;在分类问题的处理上,准确性也具有压倒性优势。     

类不平衡模糊加权极限学习机算法研究

从理论上分析了样例不平衡分布对极限学习机性能产生危害的原因;在该理论框架下探讨了加权极限学习机在处理此类问题上的有效性及其固有缺陷;引入模糊集的思想,对传统的加权极限学习机进行了改进,并提出了4种用于解决类不平衡问题的模糊加权极限学习机算法;最后通过20个基准的二类不平衡数据集对所提算法的有效性和可行性进行了验证。实验结果表明:较之加权极限学习机及几种传统的不平衡极限学习机算法,提出的算法可明显获得更优的分类性能,并且与模糊加权支持向量机系列算法相比,所提算法通常可获得与之相当的分类性能,但时间开销往往更小。     

求解大规模优化问题的改进麻雀搜索算法

针对麻雀搜索算法在求解大规模优化问题时存在收敛速度慢、寻优精度低和易陷入局部极值的缺点,提出一种基于精英反向学习策略的萤火虫麻雀搜索算法(ELFASSA).首先,通过反向学习策略初始化种群,为全局寻优奠定基础;其次,利用萤火虫扰动策略提高算法跳出局部最优的能力并加速收敛;最后,在麻雀位置更新后引入精英反向学习策略以获取精英解及动态边界,使精英反向解可以定位在狭窄的搜索空间中,有利于算法收敛.通过选取10个高维标准测试函数进行仿真实验,将其与麻雀搜索算法(SSA)及4种先进的改进算法进行性能对比,并与3种单一策略改进的麻雀搜索算法进行改进策略的有效性分析,仿真结果表明, ELFASSA算法在收敛速度和求解精度两方面明显优于其他对比算法.     

进化贝叶斯优化的核极限学习机分类器

为解决传统核极限学习机算法参数优化困难的问题,提高分类准确度,提出一种改进贝叶斯优化的核极限学习机算法.用樽海鞘群设计贝叶斯优化框架中获取函数的下置信界策略,提高算法的局部搜索能力和寻优能力;用这种改进的贝叶斯优化算法对核极限学习机的参数进行寻优,用最优参数构造核极限学习机分类器.在UCI真实数据集上进行仿真实验,实验...     

混合收敛因子与高斯混沌映射的麻雀搜索算法

针对原始麻雀搜索算法在ECE2020系列测试函数上表现的不足之处,本文引入高斯混沌映射与收敛因子α的方法,提出改进的麻雀搜索算法,以优化原算法初始化种群位置机制与更新麻雀位置时的缺陷,对麻雀算法的收敛精度与速度进行改善。实验结果表明,改进后的麻雀算法具有较好的性能。     

混合策略改进的麻雀搜索算法及其应用

针对麻雀搜索算法（sparrow search algorithm,SSA）在优化过程中易陷入局部最优、寻优精度低等问题,提出了一种混合策略改进的麻雀搜索算法（MSSA）。为了使麻雀个体在搜索空间中能够进行充分搜索,在算法寻优过程中引入存档阶段去接收麻雀发现者向安全区域移动时可能被捕获而残留的位置信息;在算法的迭代过程中对当前最优个体作自适应邻域搜索,通过充分探索优质个体周围的位置信息来增强算法跳出局部最优的能力。通过九个基准测试函数进行性能评估,将MSSA、SSA以及四个改进的麻雀搜索算法：混沌麻雀搜索算法、混合策略改进的麻雀搜索算法、改进的麻雀搜索算法、增强型的麻雀搜索算法进行性能评测比较。实验结果表明MSSA相较于其他对比算法在近80%的测试函数上都有更好的收敛精度和稳定性,并且在Friedman检验中MSSA的排名均获得了第一。最后,将MSSA应用于障碍物环境下的无线传感器网络（wireless sensor network,WSN）覆盖优化问题,MSSA比五个对比算法的覆盖率分别提高了9.77%、4.25%、6.62%、3.02%、7.38%。     

基于优化核极限学习机的工控入侵检测方法

针对现有的工业控制系统入侵检测算法检测时间长,无法满足系统实时性的问题,文章提出一种基于优化核极限学习机(KELM)的工控入侵检测模型,通过改进麻雀搜索算法对KELM的正则化系数C和核参数g进行联合优化.在种群初始化阶段引进佳点集理论增加初始种群的多样性以增强全局搜索能力,提出非线性递减安全值策略并在算法迭代过程引入混...     

基于多策略改进麻雀搜索算法的并联冷机系统节能优化

针对并联冷机系统负荷分配优化问题,提出一种基于多策略的改进麻雀搜索算法,以系统功耗最小为优化目标,以各冷机的部分负荷率为优化变量进行求解.在改进算法中,首先,针对基本麻雀搜索算法初始解的质量差且不均匀问题,引入混沌序列机制对位置初始化;然后,针对算法初期易早熟导致搜索精度低的问题,提出将粒子群算法中的速度概念引入发现者的位置更新公式中,提高算法的寻优精度.为了避免算法长期陷入局部最优,结合狼群算法猛狼的跟随策略优化跟随者的位置,自适应调整个体权重提高算法的收敛速度;接着,选取两个测试案例对所提出算法的性能进行详细测试,并与其他常用算法对比,改进的麻雀搜索算法在案例中最高分别可节能17.8%和23.97%;最后,运用实际系统仿真平台验证所提出改进算法收敛快、运行时间短、鲁棒性好的优点.     

改进麻雀搜索算法优化SVM的异常点检测

支持向量机是检测异常点的常用方法，但其仍然存在难以高效获取最优参数，导致检测效率低、稳定性差的问题。鉴于此，提出一种改进的麻雀搜索算法ISSA,并将其用于优化支持向量机参数。首先，采用改进折射反向学习和可变对数螺线改进传统麻雀搜索算法；然后，利用改进麻雀搜索算法ISSA对支持向量机参数进行优化；最后，将优化后的支持向量机用于异常点检测。仿真实验结果表明，在G-mean和F-measure 2个评价指标上，利用ISSA优化后的支持向量机检测效果明显优于其它3种分类算法，具有更优秀的检测效率、稳定性和泛化能力。     

基于改进麻雀搜索算法的3DDV-Hop定位算法

针对经典3DDV-Hop算法定位精度不高的问题,提出一种基于改进麻雀搜索算法优化的改进的3DDV-Hop算法。算法首先通过多通信半径优化传感器节点之间跳数,并且在平均跳距计算过程中引入动态加权因子提高平均跳距计算精度,最后利用改进后的麻雀搜索算法替代最小二乘法计算未知节点坐标,将未知节点坐标计算问题转化成改进后的麻雀搜索算法寻优问题。经过matlab仿真验证,改进算法对比于经典3DDV-Hop算法和相关算法,定位精度得到有效提高。     

多策略融合的改进麻雀搜索算法及其应用

针对麻雀搜索算法易陷入局部最优、收敛速度慢等不足,提出一种多策略融合的改进麻雀搜索算法.采用精英混沌反向学习策略生成初始种群,增强初始个体的质量和种群多样性,实现对更多优质搜索区域的勘探以提升算法的局部极值逃逸能力和收敛性能;结合鸡群算法的随机跟随策略,优化麻雀搜索算法中跟随者的位置更新过程,平衡算法的局部开发性能和全局搜索能力;采用柯西-高斯变异策略提升算法的种群多样性保持能力和抗停滞能力.对10个不同特征的基准测试函数进行寻优,测试结果与Wilcoxon符号秩检验结果均表明改进算法具有更好的寻优精度、收敛性能和稳定性.最后,利用改进算法对最小二乘支持向量机的参数进行优化,应用于煤与瓦斯突出危险性辨识,通过实验进一步验证改进策略的有效性和改进算法的优越性.     

融合多策略的改进麻雀搜索算法

针对麻雀搜索算法收敛速度缓慢、寻优精度不足和容易陷入局部最优等缺点,提出了一种融合正弦搜索策略和多样性变异处理策略的改进麻雀搜索算法。通过引入正弦搜索策略,自适应调整个体权重提高算法收敛速度;针对个体聚集程度过高问题,采用多样性变异处理,引入生物学中种群聚集度的概念和柯西变异对最优解进行扰动,提高算法逃离局部最优的可能。通过九个不同特征的基准函数进行寻优测试,测试结果表明改进算法能够更快地收敛于最优值,有更好的平均值和标准差,表明了其具备更优的收敛速度、收敛稳定性和逃离局部最优值的能力。通过应用该改进优化算法于分数阶PID控制器的参数整定上,进一步验证了改进策略的有效性和可行性。     

改进粒子群优化的极限学习机软测量建模方法

工业过程常含有显著的非线性、时变等复杂特性,传统的极限学习机有时无法充分利用数据信息,所建软测量模型预测性能较差。为了提高极限学习机的泛化能力和预测精度,提出一种改进粒子群优化的极限学习机软测量建模方法。首先,利用高斯函数正态分布的特点实现惯性权重的自适应更新,并线性变化学习因子以提高粒子群优化算法的收敛速度和搜索性能;然后将该算法用于优化极限学习机的惩罚系数和核宽,得到一组最优超参数;最后将该方法应用于脱丁烷塔过程软测量建模中。仿真结果表明,优化后的极限学习机模型预测精度有明显的提高,验证了所提方法不仅是可行的,而且具有良好的预测精度和泛化性能。     

增强型麻雀搜索算法及其工程优化应用

提出一种增强型麻雀搜索算法(Enhanced Sparrow Search Algorithm, ESSA)并应用于压力容器设计问题的优化.首先，ESSA在初始化阶段采用Gauss映射生成混沌序列替代原算法种群；其次，在迭代阶段加入动态惯性权重和以迭代次数为参数自由度的学生t分布扰动因子引导算法搜索全局最优；最后，采用随机回归的越界处理方法进一步提升算法搜索性.通过对15组基准函数测试，对比了改进的灰狼优化算法(PSO＿GWO)、改进的鲸鱼优化算法(EGolden-SWOA)、两种改进的麻雀搜索算法(ISSA1、ISSA2)以及原算法(SSA),仿真实验结果验证了改进策略的有效性.同时，针对约束优化问题，采用一种基于自适应参数的双适应度函数对比法处理约束条件，将ESSA应用于压力容器设计问题的优化，实验数据对比其他文献中方法，取得了最优的结果.     

融合多策略的增强麻雀搜索算法及其应用

针对麻雀搜索算法（SSA）易陷入局部最优和寻优精度低等问题,提出一种融合多策略的增强麻雀搜索算法（ESSA）。首先,在发现者飞行位置引入莱维飞行和云自适应权重,以扩大算法搜索范围并丰富其种群多样性;其次,通过基于模糊控制的自适应透镜成像策略对当前最优位置进行反向学习,以增强算法跳出局部最优的能力;最后选用CEC2017中的12个函数作为测试集,将ESSA和标准SSA,以及其他四种改进麻雀算法（ISSA、MSSSA、HSSA、SHSSA）进行性能测试。实验结果表明ESSA能够获得更好的搜索性能。将ESSA算法应用于三维无人机路径规划问题,仿真结果表明ESSA在无人机三维路径寻优上也能获取最优的结果。     

基于切线飞行的麻雀搜索算法

为解决在临近全局最优条件下,原始麻雀搜索算法(sparrow search algorithm, SSA)存在种群多样性降低,局部开发能力薄弱导致不容易跳出局部最优点的问题,提出基于切线飞行的麻雀搜索算法(tangent flight sparrow search algorithm, tanSSA)。首先,使用自适应t分布策略改进发现者位置更新公式,可以提高麻雀个体的寻优能力,同时防止算法早熟。然后,利用切线搜索算法中切线飞行策略所具有的可以增强算法探索搜索空间能力,且能使算法跳出局部最优解的优势,在原始麻雀搜索算法中使用切线飞行扰动策略对最优解进行扰动。这两种策略相结合,可以有效提升tanSSA算法的勘探与开发性能。最后,使用12个标准基准测试函数,结合Wilcoxon秩和检验来测试验证tanSSA算法的优化性能,并与原始SSA算法、鲸鱼优化算法、粒子群优化算法以及自适应t分布SSA算法进行比较。实验证明,基于切线飞行的麻雀搜索算法的寻优能力和收敛速度都有显著提升。