检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

精英反向黄金正弦鲸鱼算法及其工程优化研究

电子学报 2019年第10期47卷 2177-2186页

作者：肖子雅刘升上海工程技术大学管理学院

针对鲸鱼优化算法(Whale Optimization Algorithm,WOA)存在的收敛速度慢、寻优稳定性不足等问题,本文提出了精英反向学习的黄金正弦鲸鱼优化算法(Elite Opposition-Based Golden-Sine Whale Optimization Algorithm,EGolden-SWOA).利用精英反向学习策略提高种群的多样性和质量可以有效提升算法的收敛速度,同时引入黄金分割数优化WOA的寻优方式,从而协调算法的全局探索与局部开发能力.对20个单模态和多模态测试函数进行寻优实验,并与RLPSO(Reverse-learning and Local-learning Particle Swarm Optimization)、IWOA(Improved Whale Optimization Algorithm based on nonlinear convergence factor)等多个算法进行对比,实验结果表明EGolden-SWOA具有更好的寻优精度和稳定性.进一步对EGolden-SWOA进行求解大规模问题的实验,实验结果表明EGolden-SWOA可以有效解决大规模优化问题.最后将EGolden-SWOA应用于压力容器和蝶形弹簧设计优化问题,结果表明EGolden-SWOA在工程优化方面的性能优于RCSA(Rough Crow Search Algorithm)、CPSO(Co-evolutionary Particle Swarm Optimization)等改进算法,可以有效运用于实际工程优化问题.

关键词：鲸鱼优化算法精英反向学习黄金正弦算法大规模优化问题工程优化

基于分层学习黄金正弦—鲸鱼算法的列车速度曲线优化

在线全文

学校读者我要写书评

暂无评论

基于分层学习黄金正弦—鲸鱼算法的列车速度曲线优化

作者：李婉婷长沙理工大学

学位级别：硕士

列车城市轨道交通系统是缓解城市公共交通运行压力的重要设施,具有方便、性价比高、准时、快捷等许多优势。列车自动运行系统(Automatic Train Operation,ATO)在提升城市轨道交通系统的乘坐舒适性和运行节能性等方面意义重大。ATO系统... 详细信息

列车城市轨道交通系统是缓解城市公共交通运行压力的重要设施,具有方便、性价比高、准时、快捷等许多优势。列车自动运行系统(Automatic Train Operation,ATO)在提升城市轨道交通系统的乘坐舒适性和运行节能性等方面意义重大。ATO系统的研究主要包括列车速度曲线优化和列车运行跟踪控制器设计。列车速度曲线优化是在保证列车运行安全的条件下,提高列车的安全性、节能性、准时性、停车精准性和舒适性。本文主要针对列车速度曲线优化开展研究。首先,通过查阅国内外相关文献和资料,了解了目前ATO系统研究现状。对ATO系统的结构、功能和运行过程进行了深入分析,通过对列车的牵引特性,制动特性和基本阻力进行分析,建立了列车的动力学模型。在此基础上,明确了列车运行时操纵工况转换原则和运行控制策略,为列车的自动运行优化提供了理论基础。其次,基于列车运行的优化目标,结合精准性,速度防护和舒适性的约束条件,采用加权平均法将列车的多目标优化问题转化为单目标优化问题,建立了列车速度曲线优化的数学模型。再次,针对鲸鱼优化算法存在收敛精度低,容易陷入局部最优等缺点,结合黄金正弦算法,提出一种基于分层学习黄金正弦-鲸鱼优化算法(Golden Sine-Whale Optimization Algorithm Based on Hierarchical Learning,HLGS-WOA),对列车速度曲线优化模型进行求解。相对于鲸鱼优化算法,该算法在种群结构,参数选择方面有了很大的提升,增加了种群多样性。通过基准函数进行测试,结果表明,相对于传统鲸鱼优化算法,该算法在收敛速度和精度上有大幅度提高。最后,根据列车自身属性和线路参数,设计了基于HLGS-WOA算法的列车速度曲线优化算法,利用Matlab仿真软件对ATO系统速度曲线的优化过程进行仿真研究,得到适合运行环境和运行线路的最优速度曲线。实验表明,列车运行系统的准时性,能耗性等指标都得到了满意的效果。

关键词： ATO系统鲸鱼算法黄金正弦算法分层学习速度优化曲线

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

黄金正弦算法在水文地质参数优化中的应用

人民珠江 2020年第6期41卷 117-120,128页

作者：周有荣李娜周发辉临沧润汀水资源科技服务有限公司云南临沧677000

为提高水文地质参数求解精度,利用黄金正弦算法(Gold-SA)优化求解泰斯(Theis)公式导水系数和储水系数2个关键参数。选取6个标准测试函数对Gold-SA算法进行仿真验证,并与粒子群优化(PSO)算法的仿真结果进行比较。以2个抽水试验资料为例,... 详细信息

为提高水文地质参数求解精度,利用黄金正弦算法(Gold-SA)优化求解泰斯(Theis)公式导水系数和储水系数2个关键参数。选取6个标准测试函数对Gold-SA算法进行仿真验证,并与粒子群优化(PSO)算法的仿真结果进行比较。以2个抽水试验资料为例,利用Gold-SA优化求解Theis公式导水系数和储水系数,求解结果与PSO算法、配线法和文献方法作对比。结果表明,Gold-SA算法对所选6个标准测试函数的寻优精度高于PSO算法,具有较好的寻优精度和全局搜索能力;对2个实例导水系数和储水系数参数的求解精度优于PSO算法、配线法和文献方法。将Gold-SA算法用于水文地质参数优化求解是可行和有效的。

关键词：黄金正弦算法水文地质参数抽水试验优化

黄金正弦算法优化神经网络的体育教学质量评价

在线全文

学校读者我要写书评

暂无评论

现代科学仪器 2021年第5期38卷 260-264页

作者：唐礼科徐莹四川工业科技学院四川德阳618500

为提高高校体育教学质量评价的精度,针对反向传播神经网络(Back Propagation Neural Network,BPNN)模型性能受其参数选择影响,提出一种基于黄金正弦算法(golden sine algorithm,GoldenSA)优化BPNN(GoldSA-BPNN)的高等院校体育学科教学... 详细信息

为提高高校体育教学质量评价的精度,针对反向传播神经网络(Back Propagation Neural Network,BPNN)模型性能受其参数选择影响,提出一种基于黄金正弦算法(golden sine algorithm,GoldenSA)优化BPNN(GoldSA-BPNN)的高等院校体育学科教学质量评价模型。首先,从教学内容、教学方法、教学态度和教学效果等4个维度构建出一套基于层次分析法的高校体育教学质量多指标评价体系;其次,将12个高校体育教学质量评价二级指标的得分数据作为BPNN的输入向量,高校体育教学质量水平(优、良、一般和较差)作为BPNN的输出向量,建立一种基于GoldenSA-BPN模型的高校体育课程教学质量评价模型。与PSO-BPNN和BPNN对比可知,GoldenSA-BPNN进行高校体育课程教学质量评价具有更高的分类准确率、特异性以及灵敏度。

关键词：黄金正弦算法反向传播神经网络体育教学质量评价评价指标

维普期刊数据库评论

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

融合多策略的黄金正弦黑猩猩优化算法

自动化学报 2023年第11期49卷 2360-2373页

作者：刘成汉何庆贵州大学大数据与信息工程学院贵阳550025 贵州大学公共大数据国家重点实验室贵阳550025

针对黑猩猩优化算法(Chimp optimization algorithm,ChOA)存在收敛速度慢、精度低和易陷入局部最优值问题,提出一种融合多策略的黄金正弦黑猩猩优化算法(Multi-strategy golden sine chimp optimization algorithm,IChOA).引入Halton序列初始化种群,提高初始化种群的多样性,加快算法收敛,提高收敛精度;考虑到收敛因子和权重因子对于平衡算法勘探和开发能力的重要作用,引入改进的非线性收敛因子和自适应权重因子,平衡算法的搜索能力;结合黄金正弦算法相关思想,更新个体位置,提高算法对局部极值的处理能力.通过对23个基准测试函数的寻优对比分析和Wilcoxon秩和统计检验以及部分CEC2014测试函数寻优结果对比可知,改进的算法具有更好的鲁棒性;最后,通过2个实际工程优化问题的实验对比分析,进一步验证了IChOA在处理现实优化问题上的优越性.

关键词：黑猩猩优化算法 Halton序列非线性收敛因子自适应权重因子黄金正弦算法

基于分层学习黄金正弦-鲸鱼算法的列车速度多目标优化

在线全文

学校读者我要写书评

暂无评论

工业控制计算机 2022年第1期35卷 95-97页

作者：李婉婷李茂军贾志李俊日长沙理工大学电气与信息工程学院湖南长沙410114

针对列车自动运行系统(ATO)运行时受停车能耗性,舒适性等问题的约束,提出一种基于分层学习黄金正弦-鲸鱼优化算法的列车自动驾驶速度曲线优化方法;根据列车运行的优化目标和约束条件,建立列车的多目标优化模型,并对列车运行策略进行了... 详细信息

针对列车自动运行系统(ATO)运行时受停车能耗性,舒适性等问题的约束,提出一种基于分层学习黄金正弦-鲸鱼优化算法的列车自动驾驶速度曲线优化方法;根据列车运行的优化目标和约束条件,建立列车的多目标优化模型,并对列车运行策略进行了分析。对算法的种群框架结构进行细分,将种群划分为三层,根据不同阶层的个体采用不同的优化策略,对适应度值高的个体采用黄金正弦搜索策略进行局部位置更新,适应度值一般的个体采用鲸鱼优化算法进行位置更新,适应度值较差的个体采用随机搜索模式进行位置更新;最后,将改进算法应用于ATO系统速度曲线多目标优化。实验表明,改进鲸鱼算法在列车运行速度优化的精确性、准时性、能耗性等方面均有较大的改进。

关键词： ATO系统鲸鱼算法黄金正弦算法分层学习速度优化曲线

融合黄金正弦和曲线自适应的多策略麻雀搜索算法

在线全文

学校读者我要写书评

暂无评论

计算机应用研究 2022年第2期39卷 491-499页

作者：高晨峰陈家清石默涵武汉理工大学理学院武汉430070

针对元启发算法中麻雀搜索算法(SSA)的早熟收敛、易陷入局部最优、全局搜索性差等问题进行研究,提出一种融合黄金正弦和曲线自适应的多策略麻雀搜索算法。首先,利用Chebyshev混沌映射初始化种群,使初始解位置分布更为均匀,产生优质初始... 详细信息

针对元启发算法中麻雀搜索算法(SSA)的早熟收敛、易陷入局部最优、全局搜索性差等问题进行研究,提出一种融合黄金正弦和曲线自适应的多策略麻雀搜索算法。首先,利用Chebyshev混沌映射初始化种群,使初始解位置分布更为均匀,产生优质初始解,增加种群丰富性;其次,引入黄金正弦和曲线自适应权重改进发现者和加入者位置更新方式,有效协调了全局搜索与局部挖掘能力,加快收敛速度;最后,动态选择随机游走或柯西-t扰动策略对最优麻雀位置进行扰动,提高算法跳出局部最优的能力以及收敛精度。选取14个基准函数进行测试,比较改进算法与其他九个元启发式算法的仿真结果,使用Wilcoxon秩和检验以及MAE(mean absolute error)排序来验证所提改进策略的有效性。结果表明,该算法在全局搜索性、克服局部最优、收敛速度、收敛精度、稳定性都有较大提升。

关键词：麻雀搜索算法黄金正弦算法曲线自适应权重柯西-t扰动函数优化

在线全文

学校读者我要写书评

暂无评论

精英反向学习与黄金正弦优化的HHO算法

计算机工程与应用 2022年第10期58卷 153-161页

作者：郭雨鑫刘升高文欣张磊上海工程技术大学管理学院上海201620

针对基本哈里斯鹰优化算法(Harris hawks optimization,HHO)易陷入局部最优值、收敛精度低和收敛速度慢的问题,提出融合精英反向学习与黄金正弦算法的哈里斯鹰优化算法(elite opposition-based learning golden-sine Harris hawks optim... 详细信息

针对基本哈里斯鹰优化算法(Harris hawks optimization,HHO)易陷入局部最优值、收敛精度低和收敛速度慢的问题,提出融合精英反向学习与黄金正弦算法的哈里斯鹰优化算法(elite opposition-based learning golden-sine Harris hawks optimization,EGHHO)。融入精英反向学习机制,提高种群多样性和种群质量,提升算法全局寻优性能和收敛精度;融入黄金正弦算法优化哈里斯鹰围捕猎物的方式,有效缩小搜索空间,减少算法收敛时间,增强算法局部开发能力。通过求解多个单模态、多模态和高维度测试函数进行算法之间的对比,结果表明,融合两种策略的EGHHO算法具有较强跳出局部极值的能力以及更高的寻优精度和寻优速度。

关键词：哈里斯鹰优化算法精英反向学习黄金正弦算法高维优化

在线全文

学校读者我要写书评

暂无评论

多策略融合的黄金正弦樽海鞘群算法

南京信息工程大学学报（自然科学版） 2023年第6期15卷 662-675页

作者：丁美芳吴克晴肖鹏江西理工大学理学院赣州341000

针对樽海鞘群算法(Salp Swarm Algorithm, SSA)收敛性能差、容易陷入局部最优等问题,提出了多策略融合的黄金正弦樽海鞘群算法(Golden sine Salp Swarm Algorithm with Multi-strategy, MGSSA).首先采用选择反向学习策略对种群中完全偏... 详细信息

针对樽海鞘群算法(Salp Swarm Algorithm, SSA)收敛性能差、容易陷入局部最优等问题,提出了多策略融合的黄金正弦樽海鞘群算法(Golden sine Salp Swarm Algorithm with Multi-strategy, MGSSA).首先采用选择反向学习策略对种群中完全偏离最优个体寻优方向的个体计算选择反向解,改善种群质量;然后在跟随者位置更新阶段加入最优个体和精英均值个体引导,以加快算法收敛速度;最后根据概率选择黄金正弦算法变异策略,进一步改善解的质量,同时便于算法后期跳出局部最优.本研究在14个基准测试函数上进行实验,与其他群智能优化算法和其他改进樽海鞘群算法对比,将其应用于拉压弹簧设计问题测试解决工程优化问题的性能.结果表明:MGSSA具有较高的收敛精度和稳定性,在求解工程问题时性能良好.

关键词：樽海鞘群算法选择反向学习精英均值黄金正弦算法