TGBA优化核极限学习机的光伏阵列故障诊断

针对核极限学习机(Kernel Extreme Learning Machine,KELM)用于光伏阵列故障诊断时准确率不高的不足,提出了 一种基于 TGBA(Tent Mapping and Gaussian Perturbation Strategy Optimize Bat Algorithm)算法优化核极限学习机的光伏阵列故障诊断方法(TGBA-KELM).首先,建立光伏阵列故障仿真模型,提取光伏阵列故障特征参数;其次,引入Tent映射和高斯扰动策略对蝙蝠算法(Bat Algorithm,BA)进行改进,增加种群多样性,提高了算法的收敛速度和全局寻优能力;再次,利用改进后的蝙蝠算法优化KELM的正则化系数和核函数参数,建立最优的故障诊断模型;最后,采用光伏阵列硬件实验平台收集的故障数据验证了 TGBA-KELM算法的准确性和有效性,并与 ELM(Extreme Learning Machine,ELM)、KELM、BA-KELM、TGBA-ELM、BP(back prop-agation)算法对比,实验结果表明,TGBA-KELM具有更高的故障诊断准确率,可用于光伏阵列故障诊断.     

基于优化极限学习机的变压器故障诊断方法研究

电力变压器的智能故障诊断是推动智能电网发展的主要环节,但传统的单一智能诊断算法无法有效处理变压器大量不完整的故障信息,导致故障诊断准确率低。因此,结合溶解气体分析(DGA)技术,本文提出了一种基于灰狼优化算法优化的混合核极限学习机的变压器故障诊断方法。首先,根据Mercer定理,结合局部径向基核函数和全局多项式核函数,构建了混合核极限学习机模型。其次,可以通过灰狼优化算法对混合核函数的参数进行优化。最后结合实际数据对6种变压器故障数据进行了诊断,诊断准确率为90.02%（普通神经网络仅为77.8%）。此相比如传统的神经网络具有较高的诊断精度。应用混合核函数可以提高KELM的学习能力和泛化能力,以至于提高诊断精度。     

基于多维更新的改进人工蜂群算法

标准人工蜂群算法采用逐维更新的策略,存在前期收敛快、易于陷入局部最优、后期解失去多样性、收敛慢的缺点。本文在解的搜索过程中,利用多维同时更新来增强解的搜索力度,随机选取多维更新的策略在后期增加解的多样性,提出了多维更新的改进人工蜂群算法,加快算法的收敛速度。用标准测试函数对改进的人工蜂群算法做寻优测试,实验结果表明该算法加快了收敛速度,进一步优化了测试函数的最优值,具有良好的寻优效果。     

并行人工蜂群算法研究

针对人工蜂群算法在处理高维度问题时收敛速度慢的问题,利用OpenMP多线程技术和规约机制,并根据已改进的观察蜂来选择雇佣蜂的方式,提出了基于OpenMP的并行人工蜂群算法（PCABC）。仿真实验分别在问题维度为100和200下进行来评估算法性能,在4个逻辑处理器环境下,基于静态调度的并行人工蜂群算法的加速比最高可以达到3.95,效率可达98.65%。实验结果表明,PCABC并行人工蜂群算法在处理高维度复杂函数时,收敛速度和算法运行时间都有较大的提升。     

基于差分进化和人工蜂群混合策略的DV-Hop改进算法

为了解决无线传感器网络依靠DV-Hop算法定位过程中存在误差偏高的问题,将人工蜂群算法和差分进化算法融合,引入传统DV-Hop算法中,提出一种HDV-Hop算法。该算法在继承经典DV-Hop算法的前提下,获取锚节点的信息及平均跳距距离,在未知节点定位阶段引入混合策略的目标函数,优化搜索算法,提高定位精度,完成对未知节点的定位。仿真分析表明,该算法相比于DV-Hop算法和基于人工蜂群的定位算法能有效降低定位误差,提高稳定性。     

基于差分演化二进制人工蜂群算法的多用户检测

最优多用户检测属于NP组合优化问题,人工蜂群算法作为一种简单有效的新兴启发式算法可以有效求解此类问题。针对基本二进制人工蜂群算法收敛速度慢、易陷入局部最优等缺陷,提出了一种基于差分演化的二进制人工蜂群算法,并应用于最优多用户检测中。算法采用多维邻域搜索策略,避免了连续域到离散域的转换,降低了算法复杂度,适合于实时处理。仿真结果表明,所提算法在抗多址干扰能力、抗"远近"效应能力和收敛性能方面均优于基本二进制人工蜂群算法。     

基于差分变异算子的改进人工蜂群算法

文章针对传统人工蜂群算法收敛速度慢、精度不高的问题,基于差分进化算法中的变异算子,对人工蜂群算法搜索方程进行改进,在种群更新过程中引入当前种群最优个体信息,以提升算法的收敛速度和局部优化能力。     

基于FS算法和极限学习机的通信网络入侵检测方法

针对当前复杂通信网络环境入侵行为检测中存在检测结果精确度低和召回率低的问题,在引入FS算法和极限学习机的基础上,开展对通信网络入侵检测方法的设计研究。通过通信网络入侵行为分类及检测模式匹配、基于FS算法的通信网络入侵行为特征提取、基于极限学习机的入侵行为检测及学习效果优化、基于投票策略明确通信网络入侵行为属性,提出一种全新的检测方法。通过实验进一步证明,新的检测方法与基于GA-SVM算法的入侵检测方法相比,检测结果的精确度和召回率都得到有效提升,保证通信网络环境的安全性。     

基于差分变异算子的改进人工蜂群算法

文章针对传统人工蜂群算法收敛速度慢、精度不高的问题,基于差分进化算法中的变异算子,对人工蜂群算法搜索方程进行改进,在种群更新过程中引入当前种群最优个体信息,以提升算法的收敛速度和局部优化能力。     

人工蜂群算法研究综述

人工蜂群算法是近年来群智能方向的研究热点.首先介绍了蜂群算法的思想,然后从Markov链角度证明了蜂群算法的收敛性,从算法改进和算法应用两个方面对蜂群算法的研究现状进行了总结,与其他算法进行了优缺点的对比,最后指出了蜂群算法进一步研究的方向.     

基于人工蜂群算法的工艺规划方法研究

为合理利用制造资源、缩短开发周期、降低生产成本、提高产品质量,本文针对离散制造行业的工艺规划方法进行了研究.在考虑资源工艺能力、状态以及工序优先关系对工艺方案可行性的约束的基础上,建立了多目标非线性的零件工艺规划模型,对零件工艺方案的质量、成本、工期、环境消耗等多个维度进行了优化,并利用改进的人工蜂群算法对模型进行了求解.最后通过一个代表性的实例证明了模型及算法的有效性.     

捕鱼算法优化极限学习机的运动员成绩预测

针对当前运动员成绩预测精度低的难题,提出捕鱼算法优化极限学习机的运动员成绩预测模型。收集运动员成绩的时间序列,进行聚类分析建立学习样本,采用极限学习机对学习样本进行训练,并采用捕鱼算法对极限学习进行优化,建立运动员成绩预测模型,最后采用具体数据对运动员成绩预测性能进行测试。测试结果表明,该模型可以准确拟合运动员成绩的变化特点,获得了较高精度的运动员成绩预测结果,而且预测结果要显著优于其他模型,具有较高的实际应用价值。     

基于人工蜂群算法的FIR滤波器设计

FIR滤波器设计是数字信号处理领域中的重要课题之一。最优化FIR滤波器设计可以抽象为一个最优化问题,采用启发式算法来求解。作为一种新型启发式算法,人工蜂群算法由于其原理简单、控制参数少、鲁棒性强等优点,已被越来越多的学者所关注。本文采用人工蜂群算法优化FIR滤波器设计,研究了两者的结合机理,讨论了具体实现步骤,并通过仿真验证了该方法的有效性。     

极限学习机算法的网络安全评价研究

传统线性网络安全评价方法无法精准评价网络安全,因此提出基于极限学习机的网络安全评价算法。通过分析计算机网络安全评价数学模型,研究网络安全评价原理,在此基础上构建网络安全评价指标体系。将网络安全评价指标体系中各个评价指标分成定性指标和定量指标两类,归一化处理不同指标后,计算指标权重,将指标权重输入极限学习机中进行训练,当训练次数超过设置的迭代次数时,输出训练结果,按照极限学习机训练输出结果和评价等级的接近程度判断网络安全程度。经过实验分析发现,该算法评价相对误差最小值为0.57%,与实际评价结果相符程度较高。     

改进蝙蝠算法优化极限学习机的图像分类

针对分类器中的极限学习机参数优化问题,本文提出一种改进蝙蝠算法优化极限学习机的图像分类模型。首先将极限学习机参数看作蝙蝠位置,然后采用改进蝙蝠算法进行求解。采用病毒群体感染主群体,主群体在历代个体间纵向传递信息,病毒群体通过感染操作在同代个体间横向传递信息,增强了算法跳出局部极小值的能力。最后根据最优参数建立图像分类模型,并对模型的性能进行仿真测试。仿真结果表明,相对于对比模型,本文模型不仅提高了图像分类正确率,而且加快了分类速度,是一种有效的图像分类模型。     

基于半监督的SVM迁移学习文本分类算法

随着互联网的快速发展,文本信息量巨大,大规模的文本处理已经成为一个挑战。文本处理的一个重要技术便是分类,基于SVM的传统文本分类算法已经无法满足快速的文本增长分类。于是如何利用过时的历史文本数据(源任务数据)进行迁移来帮助新产生文本数据进行分类显得异常重要。文章提出了基于半监督的SVM迁移学习算法(Semi-supervised TL_SVM)来对文本进行分类。首先,在半监督SVM的模型中引入迁移学习,构建分类模型。其次,采用交互迭代的方法对目标方程求解,最终得到面向目标领域的分类器。实验验证了基于半监督的SVM迁移学习分类器具有比传统分类器更高的精确度。     

一种思维进化蜂群算法

人工蜂群算法（ABC ）是一种模拟蜜蜂群智能搜索行为的随机优化算法,已成功用于解决许多优化问题。为有效改善ABC算法的性能,文章结合思维进化的思想提出了一种思维进化蜂群算法（MEABC ）,该算法通过学习和按维更新策略对ABC算法进行了改进,并对改进算法的收敛性进行了分析。通过四个标准测试函数的仿真实验,验证了MEABC算法能有效避免早熟收敛,全局优化能力和收敛速率都有显著提高。     

光伏阵列故障诊断算法研究综述

有效对光伏阵列进行快速、准确的故障诊断是保证光伏发电系统安全稳定运行的必要条件.本文结合国内外的研究成果,分析了光伏阵列故障的主要类型及形成原因,并从传统诊断法和智能算法两个方面对光伏阵列故障诊断进行阐述,分析了各种算法的原理以及优缺点.结合目前已取得的研究成果,对未来光伏阵列故障诊断的方法进行了初步的展望.