检索结果-内蒙古大学图书馆

计算机工程与科学 2020年第12期42卷 2233-2241页

作者：王依柔张达敏樊英贵州大学大数据与信息工程学院贵州贵阳550025

针对缎蓝园丁鸟优化(SBO)算法求解精度不高和收敛速度慢等问题,提出一种改进的缎蓝园丁鸟优化(ISBO)算法。首先,引入非均匀变异算子,动态地调整每次迭代园丁鸟个体的搜索步长,使算法能快速高效地寻求全局最优值;其次,采用互利因子对算... 详细信息

针对缎蓝园丁鸟优化(SBO)算法求解精度不高和收敛速度慢等问题,提出一种改进的缎蓝园丁鸟优化(ISBO)算法。首先,引入非均匀变异算子,动态地调整每次迭代园丁鸟个体的搜索步长,使算法能快速高效地寻求全局最优值;其次,采用互利因子对算法的社会部分引入更多组合模式,使其不再单一围绕前一个园丁鸟附近搜索,以获取更好的最优解;最后,为了更好地平衡算法的局部与全局搜索能力,引入余弦变化的惯性权重因子来更新园丁鸟的位置公式。使用收敛速度分析、Wilcoxon检验和8个基准函数对5种算法搜索性能进行对比分析,来评估改进缎蓝园丁鸟优化算法的效率。结果表明,改进算法具有更好的全局搜索能力和求解鲁棒性,同时寻优精度和收敛速度也比原来算法有所增强。

关键词：非均匀变异互利因子惯性权重函数优化缎蓝园丁鸟优化算法

来源：评论

学校读者我要写书评

暂无评论

基于自适应t分布变异的缎蓝园丁鸟优化算法

引用

微电子学与计算机 2018年第8期35卷 117-121页

作者：韩斐斐刘升上海工程技术大学管理学院上海201620

缎蓝园丁鸟优化算法是一种新型的元启发式优化算法,针对其收敛速度慢、寻优精度低的不足,提出了一种基于自适应t分布变异的缎蓝园丁鸟优化(tSBO)算法.在tSBO算法中引入了自适应t分布变异算子,使用算法的迭代次数作为t分布的自由度参数... 详细信息

缎蓝园丁鸟优化算法是一种新型的元启发式优化算法,针对其收敛速度慢、寻优精度低的不足,提出了一种基于自适应t分布变异的缎蓝园丁鸟优化(tSBO)算法.在tSBO算法中引入了自适应t分布变异算子,使用算法的迭代次数作为t分布的自由度参数来增强种群的多样性,避免算法陷入局部最优.通过6个标准测试函数对改进算法与FPA,BA和基本SBO算法进行测试比较,仿真结果表明,改进算法是可行有效的,相比于基本SBO算法,其收敛精度和鲁棒性有了很大程度的提高.

关键词：缎蓝园丁鸟优化算法 t分布最优值寻优性能

来源：评论

学校读者我要写书评

暂无评论

基于缎蓝园丁鸟优化算法的多目标群智感知任务分配

基于缎蓝园丁鸟优化算法的多目标群智感知任务分配

引用

作者：唐健广西大学

学位级别：硕士

群智感知网络相较于传统物联网具有成本低、覆盖广的优点,因此受到学者们的关注并得到了广泛的应用。任务分配是群智感知网络需要解决的重点问题,属于NP难的组合优化问题,利用传统的优化算法来对其进行求解较为困难。群智感知任务分配... 详细信息

群智感知网络相较于传统物联网具有成本低、覆盖广的优点,因此受到学者们的关注并得到了广泛的应用。任务分配是群智感知网络需要解决的重点问题,属于NP难的组合优化问题,利用传统的优化算法来对其进行求解较为困难。群智感知任务分配往往需要同时优化多个目标的值。群体智能优化算法因为其求解成本小,寻优能力强的特性,适合用于求解NP难的组合优化问题。缎蓝园丁鸟优化算法是一种新型群体智能优化算法,在求解单目标的NP难的问题时有较好的收敛性和较高的求解精度。因此本文提出多目标缎蓝园丁鸟优化算法,然后建立两种多目标群智感知任务分配模型,并且用多目标缎蓝园丁鸟优化算法求解这两种模型。为了获得性能好的多目标优化算法,本文提出了一种基于非支配解排序以及拥挤度计算的多目标缎蓝园丁鸟优化算法。引入非支配解排序来降低解排序的时间复杂度,通过拥挤度计算保证了目标种群的多样性,加快了算法的收敛速度,同时保证了解集分布均匀。将提出的多目标缎蓝园丁鸟优化算法与多目标遗传算法(NSGA-II)、多目标协方差矩阵进化算法(MO-CMA-ES)、强度帕累托进化算法(SPEA2)、基于参考点的多目标遗传算法(NSGA-III)以及基于平衡适应度的多目标粒子群算法(NMPSO)等三个经典的多目标优化算法在标准测试函数CF1、CF3、CF4与IMOP2上进行对比实验,多种实验评估指标验证了本文提出的多目标缎蓝园丁鸟优化算法求解性能较优。在群智感知网络中考虑到任务平台经济效益与任务参与者成本两方面因素,以最大化群智感知系统平台任务覆盖质量,同时最小化任务激励成本与任务资源损耗为目的,建立以任务覆盖与激励-损耗为优化目标的多目标群智感知任务分配模型。不同于传统的任务分配模型,本文的模型先以任务评价函数来决定任务的优先级,初始化任务分配序列再对目标问题来进行求解。实验证明多目标缎蓝园丁鸟优化算法在求解该任务分配模型上,相较于NSGA-II算法、MO-CMA-ES算法、SPEA2算法以及NSGA-III算法能得到更好的满足目标问题的解决方案。考虑到平台不仅仅需要将任务尽可能覆盖到每一个参与者,也要求参与者在获得较低的利润的同时,尽可能积极的更好的完成任务,以达到群智感知系统平台提高经济效益转化率的目的。从而建立基于任务完成度和任务利润的多目标群智感知任务分配系统模型。在之前模型的基础上,引进任务完成度的概念,能有效改善群智感知系统平台中任务完成质量不高的缺陷。通过实验证明,多目标缎蓝园丁鸟优化算法求解该问题模型能取得更好的目标函数解集。

关键词：群智感知任务分配非支配排序拥挤度计算多目标优化缎蓝园丁鸟优化算法

来源：评论

学校读者我要写书评

暂无评论

基于自适应权重的缎蓝园丁鸟优化算法

引用

智能计算机与应用 2018年第6期8卷 94-100页

作者：鲁晓艺刘升韩斐斐于建芳上海工程技术大学管理学院上海201620

针对缎蓝园丁鸟优化算法(SBO)寻优精度低和收敛速度慢的问题,提出了基于自适应权重的缎蓝园丁鸟优化算法(WSBO)。首先通过自适应权重的方法改进了缎蓝园丁鸟优化算法的局部搜索能力,提高了收敛精度。另外通过改进原算法中高斯分布函数... 详细信息

针对缎蓝园丁鸟优化算法(SBO)寻优精度低和收敛速度慢的问题,提出了基于自适应权重的缎蓝园丁鸟优化算法(WSBO)。首先通过自适应权重的方法改进了缎蓝园丁鸟优化算法的局部搜索能力,提高了收敛精度。另外通过改进原算法中高斯分布函数形式对缎蓝园丁鸟的求偶亭位置进行变异,提高了算法的全局搜索能力,避免了陷入局部最优。通过8个标准测试函数对改进算法与原SBO算法、ABC算法和FA算法进行测试比较,实验结果表明,改进算法是可行有效的,相比于基本SBO算法,其收敛速度、精度和算法稳定性都有很大程度的提高。

关键词：缎蓝园丁鸟优化算法自适应权重高斯变异寻优性能

来源：评论

学校读者我要写书评

暂无评论

基于混合策略的缎蓝园丁鸟优化算法

引用

现代计算机 2021年第29期27卷 1-9页

作者：曹灿高鹰李宁郭晓语广州大学计算机科学与网络工程学院广州510000

标准的缎蓝园丁鸟优化算法存在收敛速度慢、寻优精度低和易陷入局部最优等缺点,为此,提出了一种基于混合策略的缎蓝园丁鸟优化算法。首先,在种群初始化时,通过引入Logistic混沌映射,使初始种群能够均匀分布;其次,求偶亭位置更新时,加入... 详细信息

标准的缎蓝园丁鸟优化算法存在收敛速度慢、寻优精度低和易陷入局部最优等缺点,为此,提出了一种基于混合策略的缎蓝园丁鸟优化算法。首先,在种群初始化时,通过引入Logistic混沌映射,使初始种群能够均匀分布;其次,求偶亭位置更新时,加入了指数惯性权重,平衡了算法的全局和局部搜索能力,从而提升了算法的全局收敛速度;最后又在求偶亭位置变异时,引入了Levy飞行变异,提升了种群的多样性,使算法跳出局部最优。

关键词：缎蓝园丁鸟优化算法 Logistic混沌映射指数惯性权重 Levy飞行变异

来源：评论

学校读者我要写书评

暂无评论

基于混沌初始化的缎蓝园丁鸟优化算法在图像分割中的应用研究

引用

阜阳师范大学学报（自然科学版） 2022年第4期39卷 56-61页

作者：李林国钱顺强李章飞李淑敬阜阳师范大学计算机与信息工程学院安徽阜阳236037

为了解决缎蓝园丁鸟优化算法(Satin Bowerbird Optimization Algorithm,SBO)寻优精度低和时间复杂度高等问题,本文提出一种基于Tent混沌映射的缎蓝园丁鸟优化算法(Chaotic Strategy to Satin Bowerbird Optimization Algorithm,CSSBO),并将其应用在图像分割。通过引入Tent混沌映射进行种群初始化,使得改进后的算法具有更高的寻优精度和收敛速度。为了体现算法的性能,本文将CSSBO算法与原始的SBO算法、改进的灰狼算法(Modified Grey Wolf Algorithm,MDGWO)和改进的人工蜂群算法(Modified Quick Artificial Bee Colony Algorithm,FMQABCA)进行了比较,结果表明CSSBO算法在图像分割上有着更为理想的效果。

关键词：缎蓝园丁鸟优化算法 Tent混沌映射图像分割

来源：评论

学校读者我要写书评

暂无评论

融合粒子群的缎蓝园丁鸟优化算法及应用

引用

现代计算机 2021年第34期27卷 12-20页

作者：李宁高鹰翁金塔曹灿郭晓语周灿基广州大学计算机科学与网络工程学院广州510000 中国科学院信息工程研究所北京100000

针对缎蓝园丁鸟优化算法(SBO)收敛精度低、收敛速度慢和全局寻优能力弱的问题,提出了融合粒子群的缎蓝园丁鸟优化算法(PSBO)。该算法在原缎蓝园丁鸟优化算法的基础上,通过引入速度因子和固定惯性权重来提高种群的多样性,进一步提高了原... 详细信息

针对缎蓝园丁鸟优化算法(SBO)收敛精度低、收敛速度慢和全局寻优能力弱的问题,提出了融合粒子群的缎蓝园丁鸟优化算法(PSBO)。该算法在原缎蓝园丁鸟优化算法的基础上,通过引入速度因子和固定惯性权重来提高种群的多样性,进一步提高了原算法的寻优性能。通过8个标准测试函数对PSBO算法、SBO算法、基于自适应t分布变异的缎蓝园丁鸟优化算法、自适应权重缎蓝园丁鸟优化算法和粒子群优化算法这五个算法进行测试比较,实验结果表明,PSBO算法在收敛速度、精度和算法稳定性上都有很大程度的提高。为了进一步说明PSBO算法的有效性,把PSBO算法应用于支持向量机(SVM)内部参数的优化上。SVM是一类按监督学习方式对数据进行二元分类的广义线性分类器,主要影响SVM性能的参数是核参数和惩罚因子。在训练集上,用K折交叉验证的方法算出准确率的均值作为目标函数,通过PSBO算法对核参数和惩罚因子进行寻优,并将参数寻优的结果代入测试集进行样本测试,结果表明PSBO算法在优化参数时拥有更快的收敛速度。

关键词：缎蓝园丁鸟优化算法速度因子固定惯性权重寻优性能支持向量机 K折交叉验证

来源：评论

学校读者我要写书评

暂无评论

基于CEEMD-SBO-LSSVR的超短期风电功率组合预测

引用

电网技术 2021年第3期45卷 855-862页

作者：周小麟童晓阳西南交通大学电气工程学院四川省成都市610031

为提高风电功率预测的精度,提出了一种基于互补集合经验模态分解(complementary ensemble empirical mode decomposition,CEEMD)、缎蓝园丁鸟优化算法(satinbower birdoptimizationalgorithm,SBO)及最小二乘支持向量回归(least squares support vector regression,LSSVR)模型的超短期风电功率组合预测方法。针对风电序列的随机波动性,采用CEEMD对风电功率序列进行分解,将分解得到的不同特征尺度的各分量作为LSSVR模型的训练输入量。引入SBO算法对LSSVR的正则化参数与核函数宽度进行优化,建立各分量的预测模型,将各分量的预测输出值叠加得到最终的风电功率预测值。所提CEEMD-SBO-LSSVR组合预测方法不仅有效降低了预测的复杂度,而且保证原始风电序列经模态分解处理后具有小的重构误差。仿真结果表明,与其他预测模型相比,所提方法具有较高的超短期风电功率预测精度。

关键词：超短期风电预测最小二乘支持向量回归互补集合经验模态分解缎蓝园丁鸟优化算法组合模型

来源：评论

学校读者我要写书评

暂无评论

基于CNN的高层住宅建筑群热负荷混合预测模型

引用

控制工程 2023年第4期30卷 662-672页

作者：赵安军席江涛荆竞高之坤米璐西安建筑科技大学建筑设备科学与工程学院陕西西安710055 西安建筑科技大学信息与控制工程学院陕西西安710055 中国建筑西北设计研究院有限公司陕西西安710018

针对传统热负荷预测面向单栋住宅,预测负荷无法满足小区级换热站及热网优化调控需求的问题,提出一种基于卷积神经网络(CNN)的高层住宅建筑群热负荷混合预测模型。首先,引入建筑体形参数,利用LASSO模型对热负荷影响因素进行筛选;然后,采... 详细信息

针对传统热负荷预测面向单栋住宅,预测负荷无法满足小区级换热站及热网优化调控需求的问题,提出一种基于卷积神经网络(CNN)的高层住宅建筑群热负荷混合预测模型。首先,引入建筑体形参数,利用LASSO模型对热负荷影响因素进行筛选;然后,采用缎蓝园丁鸟优化(SBO)算法优化CNN;最后,利用西安市10个住宅小区的相关运行数据对所提模型进行训练和测试。实验结果表明,输入参数引入建筑体形参数后,模型预测精度更高;经SBO算法优化后的CNN模型较传统CNN模型具有更好的拟合优度、预测精度和泛化能力,满足工程实际需求。

关键词：热负荷预测区域供暖缎蓝园丁鸟优化算法卷积神经网络变量选择

来源：评论

学校读者我要写书评

暂无评论

基于SBO-LSTM的大坝变形预测模型

引用

水利水电技术（中英文） 2024年第S01期55卷 78-86页

作者：何裕坤晁阳李同春杰德尔别克·马迪尼叶提河海大学水利水电学院江苏南京210024 水安全与水科学协同创新平台江苏南京210024 新疆农业大学水利与土木工程学院新疆乌鲁木齐830052

变形是大坝安全性态的综合反映,建立其与环境量的可靠关系模型对保障大坝长效服役具有重要意义。为提高大坝变形预测的精度和泛化能力,并解决长短期记忆神经网络(LSTM)参数选取随机性大、选取困难的问题,提出了一种利用缎蓝园丁鸟优化算... 详细信息

变形是大坝安全性态的综合反映,建立其与环境量的可靠关系模型对保障大坝长效服役具有重要意义。为提高大坝变形预测的精度和泛化能力,并解决长短期记忆神经网络(LSTM)参数选取随机性大、选取困难的问题,提出了一种利用缎蓝园丁鸟优化算法(SBO)来优化长短期记忆神经网络的混凝土坝变形预测模型(SBO-LSTM)。该方法首先通过高斯滤波和Symlet小波滤值两种方法对选定的监测数据进行统一的清洗、归一化、去噪等预处理;其次,借助SBO算法对长短期记忆神经网络模型的超参数进行寻优;最后对混凝土坝变形进行高精度预测并通过三种不同评价指标(MAE,RMSE,MAPE)对预测结果进行评价。以某混凝土坝为例并与传统优化算法对比分析,结果表明通过SBO算法优化后LSTM神经网络具有更高的预测精度和稳定性,综上,该预测模型为大坝变形监测数据分析与预测提供了一种新的可行方法。

关键词：大坝变形预测长短期记忆神经网络缎蓝园丁鸟优化算法强化寻优策略

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：