检索结果-内蒙古大学图书馆

电机与控制应用 2019年第2期46卷 120-125页

作者：田黄田谢源施铃丽刘浩上海电机学院电气学院上海201306

随着风力机的发展越来越智能化,除了要求风力机的运行可靠性,还要求其有稳定的输出功率。为了使风力机变桨控制器在运行过程中具有优良的动态品质,提出了一种自抗扰控制(ADRC)的变桨距控制方案,但ADRC也存在参数多、整定难度大这一明显... 详细信息

随着风力机的发展越来越智能化,除了要求风力机的运行可靠性,还要求其有稳定的输出功率。为了使风力机变桨控制器在运行过程中具有优良的动态品质,提出了一种自抗扰控制(ADRC)的变桨距控制方案,但ADRC也存在参数多、整定难度大这一明显缺点。为此,将教与学算法应用到ADRC的整定过程中,实现了参数的自动整定。仿真结果验证了通过教与学算法自动整定ADRC参数的可行性,与传统PID控制器相比,整定后的ADRC能较好地满足风力机变桨距控制要求,有效维持了风力机输出功率的稳定性。

关键词：风力发电变桨控制自抗扰控制教与学优化算法永磁同步电机

来源：评论

学校读者我要写书评

暂无评论

基于教与学优化算法的PID控制器参数寻优

引用

计算机工程 2015年第8期41卷 313-316页

作者：何学明苗燕楠罗再磊公安海警学院机电管理系浙江宁波315801 华中科技大学数字制造装备与技术国家重点实验室武汉430074

PID控制器的参数整定表现为在3个参数空间中寻求最优值,使得系统的控制性能达到最优。教与学优化算法是一种新兴的群智能优化算法。为加强PID控制器的参数整定,基于教与学优化算法,提出一种PID控制器参数自整定方法,实现PID控制器的参... 详细信息

PID控制器的参数整定表现为在3个参数空间中寻求最优值,使得系统的控制性能达到最优。教与学优化算法是一种新兴的群智能优化算法。为加强PID控制器的参数整定,基于教与学优化算法,提出一种PID控制器参数自整定方法,实现PID控制器的参数寻优。利用Matlab进行实例仿真,结果表明,与基于粒子群算法和遗传算法的PID参数整定方法进行比较,该方法参数简单、精度高,可快速有效地实现PID控制器参数的自整定。

关键词：教与学优化算法 PID控制器参数自整定遗传算法粒子群优化算法

来源：评论

学校读者我要写书评

暂无评论

一种改进的教与学优化算法

引用

兰州理工大学学报 2015年第6期41卷 99-103页

作者：岳振芳高岳林宁夏大学数学计算机学院宁夏银川750021 北方民族大学信息与系统科学研究所宁夏银川750021

针对教与学优化(TLBO)算法在解决高维复杂优化问题时易陷入局部最优的缺点,提出一种改进的教与学优化(ITLBO)算法.该算法首先提出自适应教学因子,然后对学员阶段进行改进,使得学员的学习能力不仅受到学员之间的相互影响,而且受到老师的... 详细信息

针对教与学优化(TLBO)算法在解决高维复杂优化问题时易陷入局部最优的缺点,提出一种改进的教与学优化(ITLBO)算法.该算法首先提出自适应教学因子,然后对学员阶段进行改进,使得学员的学习能力不仅受到学员之间的相互影响,而且受到老师的影响,从而增强算法的全局搜索能力.最后对6个无约函数进行实验测试,所得结果与TLBO算法进行比较.数值结果表明,ITLBO算法不论是在收敛速度还是在寻优精度上均优于TLBO算法.

关键词：教与学优化算法自适应教学因子无约束函数

来源：评论

学校读者我要写书评

暂无评论

基于讨论组和自主学习的教与学优化算法

引用

计算机应用研究 2018年第5期35卷 1386-1389,1407页

作者：吴聪聪贺毅朝陈嶷瑛张祖斌刘雪静河北地质大学信息工程学院石家庄050031 四川大学计算机学院成都610065

教与学优化算法(teaching-learning-based optimization,TLBO)是一种模仿教学过程的新型启发式优化算法。针对TLBO算法寻优精度低、稳定性差的特点,提出了基于讨论组和自主学习的教与学优化算法DSTLBO(discussion group and self-learni... 详细信息

教与学优化算法(teaching-learning-based optimization,TLBO)是一种模仿教学过程的新型启发式优化算法。针对TLBO算法寻优精度低、稳定性差的特点,提出了基于讨论组和自主学习的教与学优化算法DSTLBO(discussion group and self-learning TLBO)。在原TLBO算法的"教"阶段当中加入了小组讨论,随机将全体同学分成若干组,通过组内学生向本组中学习最好的组长学习,提高了算法的局部开发和寻优能力;组长受老师和组内同学影响进行变异,提高了算法的探索能力;在"教""学"阶段后,每个学生进入自我学习阶段,从而提高了算法的全局搜索能力。通过对八个复杂的Benchmark函数的测试表明:DSTLBO算法与基本TLBO算法和其经典改进算法ETLBO算法相比,在寻优精度、稳定性和收敛速度方面更具优势。

关键词：教与学优化算法讨论组自主学习变异

来源：评论

学校读者我要写书评

暂无评论

基于自主学习行为的教与学优化算法

引用

计算机应用 2018年第2期38卷 443-447,470页

作者：童楠符强钟才明宁波大学科学技术学院浙江宁波315212 宁波大学电路与系统研究所浙江宁波315211

针对教与学优化(TLBO)算法收敛精度较低、易于早熟收敛等问题,提出一种基于自主学习行为的教与学优化算法(SLTLBO)。SLTLBO算法为学生构建了更加完善的学习框架,学生在完成常规"教"阶段与"学"阶段的学习行为之外,... 详细信息

针对教与学优化(TLBO)算法收敛精度较低、易于早熟收敛等问题,提出一种基于自主学习行为的教与学优化算法(SLTLBO)。SLTLBO算法为学生构建了更加完善的学习框架,学生在完成常规"教"阶段与"学"阶段的学习行为之外,将进一步对比自己与教师、最差学生的差异,自主完成多样化的学习操作,以提高自己的知识水平,提高算法的收敛精度;同时学生通过高斯搜索的自主学习反思行为跳出局部区域,实现更好的全局搜索。利用10个基准测试函数对SLTLBO算法进行了性能测试,并将SLTLBO算法与粒子群优化(PSO)算法、智能蜂群(ABC)算法以及TLBO算法进行结果比对,实验结果验证了SLTLBO算法的有效性。

关键词：教与学优化算法自主学习行为反思群体智能函数优化

来源：评论

学校读者我要写书评

暂无评论

一种基于反思机制的教与学优化算法

引用

计算机应用研究 2018年第12期35卷 3678-3681页

作者：童楠符强钟才明宁波大学科学技术学院浙江宁波315212 宁波大学信息科学与工程学院浙江宁波315211

针对教与学优化(teaching-learning-based optimization,TLBO)算法中存在的易陷入局部最优以及收敛速度较慢等问题,提出了基于反思机制的TLBO算法。为提高算法的全局搜索和局部收敛能力,在教学过程中利用教师反思行为来增强教师教学水平... 详细信息

针对教与学优化(teaching-learning-based optimization,TLBO)算法中存在的易陷入局部最优以及收敛速度较慢等问题,提出了基于反思机制的TLBO算法。为提高算法的全局搜索和局部收敛能力,在教学过程中利用教师反思行为来增强教师教学水平,进一步提高学生知识技能。同时学生实现自我反思,达到同步提高的目的。利用基准测试函数对算法进行性能测试,实验结果表明,改进后的TLBO算法具有更好的寻优性能。

关键词：教与学优化算法反思行为群体智能函数优化

来源：评论

学校读者我要写书评

暂无评论

改进教与学优化算法的IIR数字滤波器设计

引用

计算机仿真 2015年第11期32卷 259-263页

作者：王红琳常翠宁李志南南新元新疆大学电气工程学院新疆乌鲁木齐830047

针对IIR数字滤波器的设计问题,对降阶模型的设计是典型的多峰优化问题,基本的教与学优化算法在解决该问题易陷入局部最优。针对上述缺陷提出了一种改进的教学优化(MTLBO)算法。改进算法引入反向学习技术,增加解的多样性;同时为避免迭代... 详细信息

针对IIR数字滤波器的设计问题,对降阶模型的设计是典型的多峰优化问题,基本的教与学优化算法在解决该问题易陷入局部最优。针对上述缺陷提出了一种改进的教学优化(MTLBO)算法。改进算法引入反向学习技术,增加解的多样性;同时为避免迭代初期的无效搜索,针对性的设计了分段式的学习策略,用以均衡算法的全局搜索和局部搜索能力。将MTLBO算法应用于IIR数字滤波器同阶和降阶模型的设计,通过两个典型案例的仿真,与PSO算法、DE算法相比,验证了改进算法的优越性和有效性。

关键词：教与学优化算法反向学习技术教学因子

来源：评论

学校读者我要写书评

暂无评论

多策略改进的教与学优化算法及应用研究

多策略改进的教与学优化算法及应用研究

引用

作者：何海旋广西民族大学

学位级别：硕士

教与学优化算法是一种新型群智能优化算法,通过模拟现实生活中教师与学生之间的教学过程,来寻求问题最优解,具有结构简单、参数少且易于编程等优点。但随着研究深入,一些学者发现该算法存在寻优精度低、易陷入局部最优、收敛速度慢等不... 详细信息

教与学优化算法是一种新型群智能优化算法,通过模拟现实生活中教师与学生之间的教学过程,来寻求问题最优解,具有结构简单、参数少且易于编程等优点。但随着研究深入,一些学者发现该算法存在寻优精度低、易陷入局部最优、收敛速度慢等不足,本论文主要是针对教与学优化算法中存在的不足进行改进,并将改进后的算法应用于实际优化问题,目的是进一步发展教与学优化算法理论和拓展其应用范围。本文的工作内容主要分为以下三个面:(1)为了解决教学因子参数设置不合理,提高算法跳出局部最优能力,引入自适应教学因子和Morlet小波变异策略,提出一种基于Morlet小波变异的教与学优化算法。将改进算法用于18个基准测试函数和PID控制器优化问题,并与5个群智能优化算法进行对比分析,实验结果表明,该算法寻优性能、收敛性均优于其它5种对比算法。(2)为了提高算法求解稳定性和全局寻优能力,采用分组教学和自主学习策略,提出一种改进教与学优化算法。将改进算法用于优化无人机路径规划问题,并与其它3种群智能优化算法进行对比分析,实验结果表明,本改进方法能给出无人机最佳飞行路径。(3)为了平衡算法的局部搜索与全局寻优能力,提高算法的求解精度,提出一种混沌正余弦教与学优化算法。将改进算法用于优化多阈值图像分割问题,并与其它4种群智能优化算法对比分析,实验结果表明,该算法得到的图像阈值是最优的。

关键词：教与学优化算法 Morlet小波变异分组教学自主学习路径规划混沌正余弦图像分割

来源：评论

学校读者我要写书评

暂无评论

基于改进教与学优化算法的摄像机参数标定研究

基于改进教与学优化算法的摄像机参数标定研究

引用

作者：王佳荟哈尔滨工程大学

学位级别：硕士

随着科学技术的迅猛发展,计算机立体视觉正广泛应用于电子、医学、航空航天等领域当中。摄像机的双目视觉系统模仿人类的双眼,使计算机具有视觉认知功能从而利用图像获取信息。摄像机的标定技术是一切计算机视觉研究的前提,精准的标定... 详细信息

随着科学技术的迅猛发展,计算机立体视觉正广泛应用于电子、医学、航空航天等领域当中。摄像机的双目视觉系统模仿人类的双眼,使计算机具有视觉认知功能从而利用图像获取信息。摄像机的标定技术是一切计算机视觉研究的前提,精准的标定结果为空间物体的立体重建等研究打下良好基础,因此对立体视觉标定的研究具有很大的实际意义。由于群智能优化算法的良好寻优性在近年来已有研究人员将其应用到摄像机的标定过程,用来提高标定结果的准确性。但是该类优化算法本身存在一定问题,例如种群迭代过程中陷入局部最优等,因而标定的方法还有改进的可能和空间。为提高摄像机标定的准确率,本文利用教与学优化算法收敛精度高、鲁棒性强等优点将其应用到标定优化之中。但是该算法也存在所有群智能优化算法共有的缺陷:迭代时可能陷入局部极值。因此本文先提出一种基于混合学习策略的改进算法,并将其应用到标定优化模型中,从而在保证标定稳定的同时提高标定的准确度。本文研究的具体内容如下:首先,针对基本教与学优化算法可能出现陷入局部最优等问题,提出一种基于混合学习策略的教与学优化算法(Difference-disturbance Strategy Teaching-learning-based Optimization,DSTLBO)。算法融合差分进化算法并加入扰动策略,在提高算法的收敛性能的同时,减小学员在算法后期陷入局部最优的可能,保证算法种群多样性和全局最优性。其次,针对现有标定方法中准确性有很大提升空间、对摄像机的初始值依赖程度大的问题,本文将改进的DSTLBO算法应用于立体视觉摄像机标定,并采用一种改进的对称算子角点检测方法(SS),提出基于改进教与学优化的双目摄像机标定。实验结果表明,本文算法可以在不限制图像数量和拍摄角度的情况下,有效降低标定的误差,标定精度较高,从而为物体的三维重建打下良好基础。

关键词：立体视觉摄像机标定教与学优化算法角点检测

来源：评论

学校读者我要写书评

暂无评论

求解救援中心选址问题的教与学优化算法研究

求解救援中心选址问题的教与学优化算法研究

引用

作者：郭婷婷河北地质大学

学位级别：硕士

近年来,我国各地发生突发性自然灾害或人为事故的频率不断增大,给人们带来了严重的生命威胁与经济损失。为了在发生突发事故时能够及时向受灾地区采取救援措施、尽最大能力减少车辆的行驶时间、最大程度地降低受灾人员因救援不及时所造... 详细信息

近年来,我国各地发生突发性自然灾害或人为事故的频率不断增大,给人们带来了严重的生命威胁与经济损失。为了在发生突发事故时能够及时向受灾地区采取救援措施、尽最大能力减少车辆的行驶时间、最大程度地降低受灾人员因救援不及时所造成的进一步伤亡,选择一个科学合理的位置建设救援中心尤为重要。然而,救援中心选址问题所涉及到的场景较为复杂,且该问题在科技研究领域属于NP-Hard问题,使用精确算法求解这类问题往往会因为问题的复杂性而得不到最终结果,而演化算法对求解NP-Hard问题具有有效性与高效性。因此,演化算法已经成为了求解救援中心选址问题的一种有效的方法,据此本文提出了求解救援中心选址问题的教与学优化算法研究的课题。教与学优化算法是一种模拟教师与学生之间教学活动的演化算法,与其他演化算法相比,该算法具有演化机制简单、参数少、编程实现难度低的优势,并成功应用于很多领域,但存在易早熟、求解精度较低的弱点。本文应用教与学优化算法求解救援中心选址问题,基于求解结果,对此算法改进并获得选址方案。本文主要研究工作如下:1、对救援中心选址问题进行研究分析,根据救援中心选址问题中对救援车辆行驶时间与建设成本的需求,建立双层规划模型,该模型在满足假设条件的基础上考虑了不同道路在不同时间段下的交通拥堵状况对于车辆行驶时间的影响。2、介绍教与学优化算法的演化机制与算法流程,设计编码方案,利用此算法求解救援中心选址问题,分析实验结果与算法性能。3、依据教与学优化算法对救援中心选址问题的求解效果,设计两种改进方案并提出相应算法,分别应用两种改进算法对救援中心选址问题再次求解,实验结果表明,两种改进算法的演化策略均使得算法的求解精度、收敛速度、勘探寻优能力等有所提升。本文创新点如下:1、提出引入加权中心思想的教与学优化算法,其中对“教”、“学”两个算子的演化策略作出调整。该算法改变由单一教师解决定种群移动方向的局面,使得信息得到充分利用;将中心思想与“学”算子融合,随机选择多人进行组队,并以一定概率选择小组中心,利用小组中心实现个人自学。2、提出融合邻域结构变异的教与学优化算法,将基于邻域结构的变异算子与教与学优化算法相融合,该变异算子通过交换、逆转或插入的方式使每个个体进行变异从而得到新个体。

关键词：救援中心选址双层规划教与学优化算法加权中心邻域结构变异

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：