检索结果-内蒙古大学图书馆

重庆科技学院学报（自然科学版） 2020年第6期22卷 70-74页

作者：武梦娇刘继新疆财经大学统计与数据科学学院乌鲁木齐830012

针对贝叶斯网络结构学习算法的学习效率低、容易陷入局部最优等问题,提出一种改进算法(MIC-MGA)。首先,利用最大信息系数得到初始种群;然后,利用微生物遗传算法中的选择、交叉和变异操作算子对初始种群进行优化。在学习过程中将贝叶斯... 详细信息

针对贝叶斯网络结构学习算法的学习效率低、容易陷入局部最优等问题,提出一种改进算法(MIC-MGA)。首先,利用最大信息系数得到初始种群;然后,利用微生物遗传算法中的选择、交叉和变异操作算子对初始种群进行优化。在学习过程中将贝叶斯信息准则作为适应度函数,通过学习训练得到最终的贝叶斯网络结构。实验结果表明,对于小样本数据,新算法的学习性能较好,通过学习获得的网络结构更接近真实网络。

关键词：微生物遗传算法贝叶斯网络结构学习最大信息系数

来源：评论

学校读者我要写书评

暂无评论

基于负荷预测的多制冷站空调负荷分配调度策略研究

基于负荷预测的多制冷站空调负荷分配调度策略研究

引用

作者：代广超浙江大学

学位级别：硕士

近年来,中央空调已成为制造工厂及公共建筑中不可或缺的组成单元。虽然中央空调满足了人们对舒适生活和生产工艺的需求,但其能耗却非常大。中央空调的能耗占公共建筑总能耗的40%左右,占制造工厂总能耗的35%左右。制冷系统作为整个中央... 详细信息

近年来,中央空调已成为制造工厂及公共建筑中不可或缺的组成单元。虽然中央空调满足了人们对舒适生活和生产工艺的需求,但其能耗却非常大。中央空调的能耗占公共建筑总能耗的40%左右,占制造工厂总能耗的35%左右。制冷系统作为整个中央空调系统能量输出站,其能耗约占空调系统60%左右。通常,中央空调制冷系统基于最大负荷进行设计,但在实际运行中,它们大部分往往运行在部分负荷状态下。由此可见,中央空调制冷系统具有较大的节能潜力。现有空调节能策略,大多依赖传感器的检测以及系统模型优化运行参数。由于控制系统的滞后性,同时末端需求的冷量计算精准度较差,进而导致冷量供需不匹配所产生的能源浪费。针对以上问题,本文从负荷需求的角度对未来的负荷进行预测,并建立负荷预测算法;对制冷系统进行建模以及利用智能算法对系统寻优控制策略等方面展开研究工作。 (1)针对末端需求负荷计算不准确及现有算法预测误差偏大的问题,本文结合野狗优化算法并利用极限学习机建立了空调负荷预测模型。实验结果表明,虽然改进模型的整体预测精度有所提高,但其预测误差结果波动较大。本文引入微生物遗传算法,利用该算法的基因重组和精英机制提升野狗优化极限学习机算法的预测精度和稳定性。通过不同训练集进行验证,改进效果良好,MAPE稳定在1.98%左右。 (2)为解决现有多制冷站群控系统控制策略能耗高的问题,本文建立了中央空调系统多制冷站群控的能耗模型,并在一定负荷需求条件下,利用改进的IDOA算法对模型控制参数进行寻优,通过两种不同的案例进行验证,其能耗优化效果良好,迭代效率更高。本文将上述优化算法应用在某工厂由三台制冷负荷相同的制冷站组成的群控系统上,选择2023年最大制冷季7月和温差最大季9月中气象条件相近的两天进行了能耗优化测试。研究结果显示,在最大制冷季7月23日当日节能9.09%;而在温差最大季9月4日当日节能11.52%。表明本文提出的算法节能效果显著。

关键词：空调负荷预测极限学习机微生物遗传算法野狗优化算法负荷分配

来源：评论

学校读者我要写书评

暂无评论

基于改进野狗优化算法优化极限学习机的空调负荷预测方法

引用

制冷与空调（四川） 2024年第3期38卷 320-329页

作者：代广超吴维敏浙江大学工程师学院杭州310015 浙江大学控制科学与工程学院杭州310027

针对目前短期空调负荷预测方法预测精度低、稳定性差等问题,提出一种基于微生物遗传算法(Microbial genetic algorithm,MGA)和野狗优化算法(Dingo optimization algorithm,DOA)优化极限学习机(Extreme learning machine,ELM)的空调负荷预测模型。首先利用DOA优化ELM的输入权值和隐层阈值,建立DOA-ELM预测模型,利用MGA改进DOA-ELM模型的预测稳定性和预测精度,建立(Microbial genetic algorithm Dingo optimization algorithm-Extreme learning machine)MDOA-ELM预测模型。为降低预测模型的维度,通过灰色关联分析(GRA)筛选影响空调负荷的输入输出因素。为验证算法有效性,以某工厂中央空调系统为例进行实例分析。实验结果表明,所建负荷预测模型相较于对比模型预测精度高,稳定性好,因此可更好地满足工程实际需求。

关键词：负荷预测微生物遗传算法野狗优化算法极限学习机灰色关联分析

来源：评论

学校读者我要写书评

暂无评论

基于MGA-PSO的云计算多目标任务调度

引用

计算机应用与软件 2021年第6期38卷 212-218页

作者：孙长亚王向文上海电力大学计算机科学与技术学院上海200090 上海电力大学电子与信息工程学院上海200090

为了提高云计算任务调度的效率,将微生物遗传算法(MGA)和改进的粒子群算法(PSO)融合成MGA-PSO算法用于云计算任务调度。综合任务完工时间、任务执行成本及虚拟机负载均衡三个目标构造适应度函数,以此寻找任务调度的最优解;对粒子群算法... 详细信息

为了提高云计算任务调度的效率,将微生物遗传算法(MGA)和改进的粒子群算法(PSO)融合成MGA-PSO算法用于云计算任务调度。综合任务完工时间、任务执行成本及虚拟机负载均衡三个目标构造适应度函数,以此寻找任务调度的最优解;对粒子群算法进行改进,使用动态惯性权重策略以提高算法的自适应搜索能力;在任务调度前期使用MGA算法缩小求解空间,在任务调度后期使用改进的PSO快速收敛到最优解。仿真实验表明:与其他三种算法相比,该算法有较快的收敛速度和较强的寻优能力;在云计算任务调度中,不仅能减少任务完工时间和执行成本,还能优化虚拟机的负载。

关键词：云计算任务调度微生物遗传算法粒子群算法多目标

来源：评论

学校读者我要写书评

暂无评论

基于深度学习的区域交通流预测及单交叉口信号的多目标联合优化研究

基于深度学习的区域交通流预测及单交叉口信号的多目标联合优化研...

引用

作者：吴泳蓉桂林电子科技大学

学位级别：硕士

如今,汽车行业蓬勃发展。人均汽车拥有量的逐渐增多导致了道路供给与交通需求之间出现较难协调的矛盾。在这种情况下,如何有效缓解城市交通拥堵现状是本文研究的重点。基于此,本文利用深度学习Tensor Flow框架设计模型来做区域交通流预... 详细信息

如今,汽车行业蓬勃发展。人均汽车拥有量的逐渐增多导致了道路供给与交通需求之间出现较难协调的矛盾。在这种情况下,如何有效缓解城市交通拥堵现状是本文研究的重点。基于此,本文利用深度学习Tensor Flow框架设计模型来做区域交通流预测,针对SCATS系统的配时方案,提出关于车均延误及通行能力的目标函数计算公式,主要工作如下:1、首先,总结国内外关于城市交通流预测及交叉口信号配时的研究现状,概括深度学习适用交通领域的案例,对信号控制的相关理论知识进行介绍;2、实现一种基于卷积神经网络(Convolutional Neural Networks,CNN)、循环神经网络(Recurrent Neural Network,RNN)/长短时记忆网络(Long Short-Term Memory,LSTM)及注意力(Attention)机制的区域流量预测的系统,实验中采用了RNN结合LSTM的结构以及CNN对时序特征和空间特征进行提取与建模;利用Attention机制对模块的各个分量因子进行注意力分量的差异性分配,实现对于不同CNN、RNN模块的权重不均匀分配,以满足对于不同时间,不同区域的流量块流动权重的自适应匹配;3、以国外经典的智能交通SCATS(Sydney Coordinated Adaptive Traffic System)系统配时方案作对比,提出了一种基于车辆通行度和车辆延误的多目标联合优化的信号配时模型,利用加权之差将其归一化为单一综合指标进行输出,采用微生物遗传算法、模拟退火算法以及粒子群算法对目标函数求最优解,实验结果表明,本文中提出的三种交通信号优化算法在目标函数求解时,都可以获得最优解;4、区域交通的流量预测利用NYC-Taxi数据集,数据经纬度划分为10×20的网格,在区域中选取某十字交叉口为研究对象,将晚高峰一小时内实际的交通数据代入三种优化算法,利用Spyder软件可以得到目标函数值经过算法优化以后的结果,对三组数据进行评价分析,得出相关结论。

关键词：交通流预测卷积神经网络循环神经网络多目标联合优化微生物遗传算法

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：