检索结果-南通市图书馆

基于混合策略改进蜣螂优化算法的无人机三维路径规划

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

现代电子技术 2024年第13期47卷 144-152页

作者：景会成曹育铭葛超高宇星华北理工大学电气工程学院河北唐山063210

针对传统蜣螂优化(DBO)算法存在的容易陷入局部最优、搜索效率低、规划路径不稳定等问题,提出混合策略改进蜣螂优化(IDBO)算法的无人机三维路径规划方法。首先对地形、障碍物环境进行空间建模,按照约束条件制定无人机飞行总成本函数,将... 详细信息

针对传统蜣螂优化(DBO)算法存在的容易陷入局部最优、搜索效率低、规划路径不稳定等问题,提出混合策略改进蜣螂优化(IDBO)算法的无人机三维路径规划方法。首先对地形、障碍物环境进行空间建模,按照约束条件制定无人机飞行总成本函数,将路径规划问题转换为多约束条件下的优化问题;其次使用Circle混沌映射策略增加蜣螂种群的多样性,建立反余弦函数公式改进边界收敛因子,提高算法的寻优精度和平衡算法局部和全局寻优能力;最后引入人工水母搜索算法的时间控制机制和主动运动策略,实现种群个体间信息交流,提升搜索效率、多样性,避免算法陷入局部最优,并通过动态选择策略与自适应t分布扰动进一步提高算法的收敛速度、寻优能力。仿真结果表明,无论是在简单还是复杂的三维环境中,IDBO算法都能表现出搜索效率高、规划路径短、探索节点有效性高、飞行高度稳定的优点。

关键词：无人机路径规划蜣螂优化算法混沌映射人工水母搜索算法最优路径寻找

基于ESMD-FE-AJSO-LSTM算法的水闸深基坑变形预测

维普期刊数据库

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

南水北调与水利科技（中英文） 2024年第2期22卷 378-387,408页

作者：张伟邓彬彬仇建春夏国春姚兆仁刘占午朱新宇王昱锦江苏省水利建设工程有限公司江苏扬州225002 张家港市长江防洪工程管理处江苏苏州215600 扬州大学水利科学与工程学院江苏扬州225100 河海大学水资源高效利用与工程安全国家工程研究中心南京210098

水闸深基坑开挖变形具有明显的非线性和非稳定性特征,基于此,引入极点对称模态分解算法(extremepoint symmetric mode decomposition method,ESMD)对水闸深基坑开挖变形原型监测序列进行多模态分解,并基于模糊熵(fuzzy entropy, FE)理... 详细信息

水闸深基坑开挖变形具有明显的非线性和非稳定性特征,基于此,引入极点对称模态分解算法(extremepoint symmetric mode decomposition method,ESMD)对水闸深基坑开挖变形原型监测序列进行多模态分解,并基于模糊熵(fuzzy entropy, FE)理论对各分解分量进行模糊多模态相空间重构,从而有效甄别水闸基坑变形不同时间尺度有效物理特征。构建基于人工水母搜索算法(artificial jellyfish search optimizer,AJSO)优化的长短期记忆(long short-term memory,LSTM)人工神经网络模型,以重构后的各重构子序列为基础进行优化训练,并把训练后的各预测模态分量合并,实现对水闸基坑开挖变形动态预测和分析。以张家港市十一圩江边枢纽改建工程基坑开挖变形监测为例,采用上述方法对该枢纽工程基坑开挖过程变形进行预测和分析。结果表明:基于ESMD-FE-AJSOLSTM算法的水闸深基坑变形预测方法能够有效预测基坑开挖变形非线性特征,相比传统LSTM、循环神经网络(recurrent neural network, RNN)和支持向量机(support vector machine,SVM)等算法具有更高的预测精度和稳定性,为实现对基坑开挖安全性态实时科学诊断和分析提供技术参考。

关键词：极点对称模态分解算法模糊熵人工水母搜索算法长短期记忆水闸深基坑变形预测

维普期刊数据库

基于多策略融合的人工水母算法的瑞雷面波反演研究

在线全文

学校读者我要写书评

暂无评论

工程地球物理学报 2024年第3期21卷 494-505页

作者：孔德祥师黎静郑甘霖中国地震局工程力学研究所黑龙江哈尔滨150080 中国地震局地震工程与工程振动重点实验室黑龙江哈尔滨150080

为了快速、准确地通过反演得到浅地表地层结构,本文将人工水母搜索算法引入到瑞雷波频散曲线反演问题,并对其进行了相应的改进。在水母跟随洋流运动阶段引入莱维飞行扰动与指数递减型惯性权重,可以扩大算法的全局搜索能力,提高算法的寻... 详细信息

为了快速、准确地通过反演得到浅地表地层结构,本文将人工水母搜索算法引入到瑞雷波频散曲线反演问题,并对其进行了相应的改进。在水母跟随洋流运动阶段引入莱维飞行扰动与指数递减型惯性权重,可以扩大算法的全局搜索能力,提高算法的寻优收敛速度;在水母被动运动阶段引入指数递减型惯性权重,并结合黄金正弦算法,可以提升算法的探索寻优能力。本文对多策略融合人工水母算法在瑞雷面波频散曲线反演问题中的效率和精度进行了研究,将人工水母搜索算法、多策略融合人工水母算法与传统非线性粒子群算法分别应用于速度递增层、含低速软夹层与含高速硬夹层三个典型的四层理论地质模型,对理论频散曲线和加随机测试误差的频散曲线进行了反演研究,验证了多策略融合人工水母算法在瑞雷面波反演研究中的有效性与稳定性。

关键词：瑞雷波频散曲线反演横波速度人工水母搜索算法粒子群算法

维普期刊数据库博看期刊

在线全文

学校读者我要写书评

暂无评论

基于混合奖励机制的共享汽车调度优化研究

基于混合奖励机制的共享汽车调度优化研究

作者：屠李媛南京财经大学

学位级别：硕士

随着居民总体生活水平的提高,公共交通系统已经无法满足居民日益多样化、个性化的出行需求,越来越多的家庭购买私家车代步,甚至一个家庭拥有两辆以上的私家车。随之而来的交通拥堵、环境污染等现象也愈发严重。因此,共享汽车服务应运而... 详细信息

随着居民总体生活水平的提高,公共交通系统已经无法满足居民日益多样化、个性化的出行需求,越来越多的家庭购买私家车代步,甚至一个家庭拥有两辆以上的私家车。随之而来的交通拥堵、环境污染等现象也愈发严重。因此,共享汽车服务应运而生,并在共享经济盛行的背景下逐渐扩大市场,成为居民重要的出行选择之一。作为一种新兴的分时租赁服务,共享汽车具备提高车辆利用率、缓解交通拥堵、减少有害气体排放等优点,并且其单程站点式的运营模式也为用户提供了更加便捷的用车服务。新兴事物的发展往往也伴随着各种各样的问题。由于用户用车需求在时间与空间上的不均衡状况,使得共享汽车的供需不平衡,从而影响了共享汽车的车辆利用率和用户的体验感。因此,如何解决共享汽车分布的不均衡和规划由此引发的车辆调度成为了企业管理层面临的主要挑战之一。针对这类车辆供需不平衡问题,企业通常选择派遣专业调度人员对车辆进行调度,但这种做法不仅调度成本高,灵活性也较差,会导致企业收益降低,用户体验感变差。长久以往,对企业未来的运营非常不利。由此可见,对于如何更高效且低成本地调度共享汽车的研究,是非常有意义的。基于以上背景,本文对共享汽车的调度问题展开研究。首先,本文梳理了国内外多位学者对于共享汽车的相关研究,由于有关使用奖励机制鼓励用户参与调度共享汽车的文献较少,因此还查阅了其他共享车辆在调度优化层面的研究作为参考。其次,基于一定的前提和假设,使用订单选择策略和混合奖励机制,构建了以利润最大化为主要目标的共享汽车调度优化的混合整数规划模型。考虑到计算的复杂性,本文采用改进的人工水母搜索算法对模型进行求解。在综合考量了标准人工水母搜索算法的优势和劣势之后,引入基于Tent映射的混沌初始化方法对本文的初始解进行优化,同时设计一种新的水母个体更新方法,进一步优化种群的多样性。考虑到模型的离散属性,本文设计了专门的编码和解码方式。为了验证模型的有效性和改进的人工水母搜索算法的高性能,本文采用了小中大三种规模的算例进行测试。一方面,将混合奖励机制和两种单一奖励机制进行对比,验证了混合奖励机制能更好地提升企业收益。另一方面,将改进的人工水母搜索算法与遗传算法、粒子群算法、模拟退火算法以及标准人工水母搜索算法进行对比,最终结果证明了改进后的人工水母搜索算法相较于其他四种算法,具有更强的优越性。

关键词：共享汽车调度混合奖励机制订单选择策略人工水母搜索算法

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

盾构掘进引起地表沉降预测方法及应用

盾构掘进引起地表沉降预测方法及应用

作者：于归中南大学

学位级别：硕士

盾构掘进会引发地表变形,当地表变形过大时,可能会引起地层坍塌,造成严重的人员伤亡和财产损失。开展对盾构掘进引起的地表沉降预测研究,可以提前感知盾构施工风险,为盾构隧道施工安全提供保障。本文依托于安庆市过石门湖盾构隧道工程,... 详细信息

盾构掘进会引发地表变形,当地表变形过大时,可能会引起地层坍塌,造成严重的人员伤亡和财产损失。开展对盾构掘进引起的地表沉降预测研究,可以提前感知盾构施工风险,为盾构隧道施工安全提供保障。本文依托于安庆市过石门湖盾构隧道工程,采用理论计算、数值模拟和机器学习方法建立盾构掘进引发地表沉降变形的预测模型,对比分析不同预测方法的优缺点。并提出地表沉降变形控制模型和具体的掘进参数调整措施,有效的减小了地表变形程度。本文主要研究内容及成果如下:(1)基于理论计算、数值模拟和机器学习方法,建立了盾构掘进引起地表沉降变形的预测模型。(1)在建立理论计算预测模型过程中,考虑非均匀盾壳摩擦力和注浆压力等因素的影响,优化了传统理论计算预测模型;(2)基于机器学习中的BP神经网络算法建立预测模型时,采用遗传算法和人工水母搜索算法优化标准BP神经网络,建立了GABP和AJSO-BP神经网络预测模型。(2)三种方法预测得到的地表变形特征一致,但预测精度相差较大,其中AJSO-BP神经网络模型预测结果最为准确。(1)基于理论计算和数值模拟方法得到的地表沉降变形预测值与实测值之间有较大差异,但理论计算模型预测的纵向最大地表沉降变形规律与实测值类似;(2)数值模拟方法预测的地表沉降槽宽度与实测值较为符合,数值模拟预测模型可为监控量测方案提供参考。(3)基于BP神经网络建立的预测模型不仅结合了理论计算和数值模拟方法的优点,而且预测值与实测值差异较小。遗传算法和人工水母搜索算法能够优化标准BP神经网络,但AJSO算法的优化效果更好。此外,AJSO-BP模型在工程适用性研究中表现出色,能够辅助盾构施工。(3)提出了盾构掘进引发地表沉降控制模型。该模型能够依据地质参数给出掘进参数建议值,掘进参数建议值优化了大部分位置处的地表沉降变形。当存在地表变形无法优化的情况时,还提出了网格搜索算法调整掘进参数,进一步优化所有位置处的地表变形。图97幅,表16个,参考文献93篇

关键词：盾构隧道地表沉降预测数值模拟理论计算 BP神经网络人工水母搜索算法

基于改进XGBoost参数更新的长距离引水隧洞TBM施工进度仿真研究

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于改进XGBoost参数更新的长距离引水隧洞TBM施工进度仿真研究

作者：王大力天津大学

学位级别：硕士

全断面硬岩隧道掘进机(Tunnel Boring Machine,TBM)施工是目前长距离引水隧洞施工的重要方式。然而TBM施工条件复杂,施工环境多变,为施工进度的准确分析管理带来了一定困难。施工仿真技术是进行施工进度准确分析的有力手段。由于受到现... 详细信息

全断面硬岩隧道掘进机(Tunnel Boring Machine,TBM)施工是目前长距离引水隧洞施工的重要方式。然而TBM施工条件复杂,施工环境多变,为施工进度的准确分析管理带来了一定困难。施工仿真技术是进行施工进度准确分析的有力手段。由于受到现场施工环境、施工资源等因素影响,TBM掘进时间、换步时间、支护时间等施工参数并不是一成不变的,而是会随着施工推进不断变化。因此,有必要根据实际施工情况对施工仿真参数进行动态更新,以准确跟踪现场施工状态,提升仿真结果准确性。现有基于贝叶斯更新的仿真参数更新需要假定先验分布,并且参数分布形式在更新过程保持不变,这与实际情况不符,且难以对非线性变化的施工仿真参数进行准确描述。机器学习方法在非线性参数预测方面具有较好的效果。相比于浅层机器学习方法,极端梯度提升(e Xtreme Gradient Boosting,XGBoost)算法具有更高的准确度、更加易于调参等优点。因此,本文建立引水隧洞TBM施工仿真参数更新的改进XGBoost模型,并提出基于改进XGBoost参数更新的TBM施工仿真方法,取得下述主要研究成果:(1)建立TBM施工仿真参数动态更新的改进XGBoost模型。采用人工水母搜索算法对XGBoost模型的学习率、最佳迭代次数、最大寻优深度和种子数四个超参数进行寻优,以减少人工调参的工作量,提高模型精度与建模效率。其次,为降低施工参数时间序列预测中时间窗口选取的主观性,采用偏自相关函数(Partial Autocorrelation Function,PACF),依据数据间相关性确定预测的时间窗口。(2)根据离散事件仿真原理,采用面向对象的图形辅助建模方法和层次化建模方法,结合长距离引水隧洞TBM实际施工特点,提出基于改进XGBoost参数更新的长距离引水隧洞TBM施工仿真方法。(3)将本文提出的方法应用于某引水隧洞TBM施工进度仿真中,以掘进时间为例,进行施工参数更新预测。将改进的XGBoost参数更新结果与基于贝叶斯更新方法、未改进XGBoost的结果进行对比。结果表明本文模型具有更高的施工参数预测精度(平均绝对误差为19.66,均方误差为659.39,平均绝对百分比误差为25.99%,相关系数为0.96),进一步保证了仿真结果的准确性。

关键词： TBM 施工进度仿真仿真参数更新 XGBoost算法人工水母搜索算法偏自相关函数

基于小波包分解的AJS-GMDH月径流时间序列预测研究

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

水力发电 2022年第6期48卷 45-51页

作者：杨琼波崔东文云南省水文水资源局红河分局云南红河661199 云南省文山州水务局云南文山663000

为提高月径流时间序列预测精度,建立基于小波包分解(WPD)、人工水母搜索(AJS)算法、数据分组处理方法(GMDH)的WPD-AJS-GMDH月径流时间序列预测模型。采用WPD将月径流时序数据分解为若干子序列分量;选取6个典型函数在不同维度条件下对AJ... 详细信息

为提高月径流时间序列预测精度,建立基于小波包分解(WPD)、人工水母搜索(AJS)算法、数据分组处理方法(GMDH)的WPD-AJS-GMDH月径流时间序列预测模型。采用WPD将月径流时序数据分解为若干子序列分量;选取6个典型函数在不同维度条件下对AJS算法进行仿真测试;利用AJS算法优化GMDH网络关键参数,建立WPD-AJS-GMDH模型,并构建基于支持向量机(SVM)、BP神经网络及完全集合经验模态分解(CEEMD)、小波分解(WD)的17种对比分析模型;最后利用云南省龙潭站1952年~2016年780组的月径流时间序列数据对所建立的18种模型进行检验。结果表明,在不同维度条件下,AJS算法均具有较好的寻优效果;WPD-AJS-GMDH模型预测误差均小于其他17种模型;对于月径流时序数据分解,WPD分解效果优于CEEMD、WD方法;AJS算法能有效优化GMDH网络参数,提高预测性能。

关键词：月径流预测时间序列分解人工水母搜索算法数据分组处理方法仿真测试

维普期刊数据库