期刊文献+
任意字段
题名或关键词
题名
关键词
摘要
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到510篇文章
< 1 2 … 26 >
每页显示 20 50 100
已选0条
引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
Distributed Byzantine-Resilient Learning of Multi-UAV Systems via Filter-Based Centerpoint Aggregation Rules 认领 引用 被引量：2
1
作者 Yukang Cui Linzhen Cheng +1 位作者 Michael Basin Zongze Wu 《IEEE/CAA Journal of Automatica Sinica》 SCIE EI CSCD 2025年第5期1056-1058,共3页
Dear Editor,Through distributed machine learning,multi-UAV systems can achieve global optimization goals without a centralized server,such as optimal target tracking,by leveraging local calculation and communication w... Dear Editor,Through distributed machine learning,multi-UAV systems can achieve global optimization goals without a centralized server,such as optimal target tracking,by leveraging local calculation and communication with neighbors.In this work,we implement the stochastic gradient descent algorithm(SGD)distributedly to optimize tracking errors based on local state and aggregation of the neighbors'estimation.However,Byzantine agents can mislead neighbors,causing deviations from optimal tracking.We prove that the swarm achieves resilient convergence if aggregated results lie within the normal neighbors'convex hull,which can be guaranteed by the introduced centerpoint-based aggregation rule.In the given simulated scenarios,distributed learning using average,geometric median(GM),and coordinate-wise median(CM)based aggregation rules fail to track the target.Compared to solely using the centerpoint aggregation method,our approach,which combines a pre-filter with the centroid aggregation rule,significantly enhances resilience against Byzantine attacks,achieving faster convergence and smaller tracking errors. 展开更多
关键词 global optimization goals multi UAV systems filter based centerpoint aggregation distributed learning optimal target trackingby stochastic gradient descent algorithm sgd distributedly optimize tracking distributed machine learningmulti uav
暂未订购 下载PDF
Hyperparameter Tuning for Deep Neural Networks Based Optimization Algorithm 认领 引用 被引量：3
2
作者 D.Vidyabharathi V.Mohanraj 《Intelligent Automation & Soft Computing》 SCIE 2023年第6期2559-2573,共15页
For training the present Neural Network(NN)models,the standard technique is to utilize decaying Learning Rates(LR).While the majority of these techniques commence with a large LR,they will decay multiple times over ti... For training the present Neural Network(NN)models,the standard technique is to utilize decaying Learning Rates(LR).While the majority of these techniques commence with a large LR,they will decay multiple times over time.Decaying has been proved to enhance generalization as well as optimization.Other parameters,such as the network’s size,the number of hidden layers,drop-outs to avoid overfitting,batch size,and so on,are solely based on heuristics.This work has proposed Adaptive Teaching Learning Based(ATLB)Heuristic to identify the optimal hyperparameters for diverse networks.Here we consider three architec-tures Recurrent Neural Networks(RNN),Long Short Term Memory(LSTM),Bidirectional Long Short Term Memory(BiLSTM)of Deep Neural Networks for classification.The evaluation of the proposed ATLB is done through the various learning rate schedulers Cyclical Learning Rate(CLR),Hyperbolic Tangent Decay(HTD),and Toggle between Hyperbolic Tangent Decay and Triangular mode with Restarts(T-HTR)techniques.Experimental results have shown the performance improvement on the 20Newsgroup,Reuters Newswire and IMDB dataset. 展开更多
关键词 Deep learning deep neural network(DNN) learning rates(LR) recurrent neural network(RNN) cyclical learning rate(CLR) hyperbolic tangent decay(HTD) toggle between hyperbolic tangent decay and triangular mode with restarts(T-HTR) teaching learning based optimization(TLBO)
暂未订购 下载PDF
Parameter Optimization of Amalgamated Al2O3-40% TiO2 Atmospheric Plasma Spray Coating on SS304 Substrate Using TLBO Algorithm 认领 引用
3
作者 Thankam Sreekumar Rajesh Ravipudi Venkata Rao 《Journal of Surface Engineered Materials and Advanced Technology》 2016年第3期89-105,共17页
SS304 is a commercial grade stainless steel which is used for various engineering applications like shafts, guides, jigs, fixtures, etc. Ceramic coating of the wear areas of such parts is a regular practice which sign... SS304 is a commercial grade stainless steel which is used for various engineering applications like shafts, guides, jigs, fixtures, etc. Ceramic coating of the wear areas of such parts is a regular practice which significantly enhances the Mean Time Between Failure (MTBF). The final coating quality depends mainly on the coating thickness, surface roughness and hardness which ultimately decides the life. This paper presents an experimental study to effectively optimize the Atmospheric Plasma Spray (APS) process input parameters of Al2O3-40% TiO2 ceramic coatings to get the best quality of coating on commercial SS304 substrate. The experiments are conducted with a three-level L18 Orthogonal Array (OA) Design of Experiments (DoE). Critical input parameters considered are: spray nozzle distance, substrate rotating speed, current of the arc, carrier gas flow and coating powder flow rate. The surface roughness, coating thickness and hardness are considered as the output parameters. Mathematical models are generated using regression analysis for individual output parameters. The Analytic Hierarchy Process (AHP) method is applied to generate weights for the individual objective functions and a combined objective function is generated. An advanced optimization method, Teaching-Learning-Based Optimization algorithm (TLBO), is applied to the combined objective function to optimize the values of input parameters to get the best output parameters and confirmation tests are conducted based on that. The significant effects of spray parameters on surface roughness, coating thickness and coating hardness are studied in detail. 展开更多
关键词 Atmospheric Plasma Spray (APS) Coating SS304 Steel Teaching Learning Based Optimization (TLBO) Design of Experiments (DoE) Analytic Hierarchy Process (AHP) Al2O2-40% TiO3
暂未订购 下载PDF
Adaptive Barebones Salp Swarm Algorithm with Quasi-oppositional Learning for Medical Diagnosis Systems: A Comprehensive Analysis 认领 引用 被引量：2
4
作者 Jianfu Xia Hongliang Zhang +5 位作者 Rizeng Li Zhiyan Wang Zhennao Cai Zhiyang Gu Huiling Chen Zhifang Pan 《Journal of Bionic Engineering》 SCIE EI CSCD 2022年第1期240-256,共17页
The Salp Swarm Algorithm(SSA)may have trouble in dropping into stagnation as a kind of swarm intelligence method.This paper developed an adaptive barebones salp swarm algorithm with quasi-oppositional-based learning t... The Salp Swarm Algorithm(SSA)may have trouble in dropping into stagnation as a kind of swarm intelligence method.This paper developed an adaptive barebones salp swarm algorithm with quasi-oppositional-based learning to compensate for the above weakness called QBSSA.In the proposed QBSSA,an adaptive barebones strategy can help to reach both accurate convergence speed and high solution quality;quasi-oppositional-based learning can make the population away from traping into local optimal and expand the search space.To estimate the performance of the presented method,a series of tests are performed.Firstly,CEC 2017 benchmark test suit is used to test the ability to solve the high dimensional and multimodal problems;then,based on QBSSA,an improved Kernel Extreme Learning Machine(KELM)model,named QBSSA–KELM,is built to handle medical disease diagnosis problems.All the test results and discussions state clearly that the QBSSA is superior to and very competitive to all the compared algorithms on both convergence speed and solutions accuracy. 展开更多
关键词 Salp swarm algorithm Bare bones Quasi-oppositional based learning Function optimizations Kernel extreme learning machine
基于太赫兹技术与TLBO算法的汽车电镀涂层厚度检测 认领 引用
5
作者 侯作云 《电镀与精饰》 CAS 北大核心 2026年第5期95-104,共10页
针对汽车电镀涂层厚度检测中工业噪声干扰与实时性难以协同的难题,提出太赫兹动态核宽滤波与群体智能优化神经网络融合架构。通过噪声能量驱动的高斯核宽自适应调节机制动态适配工业噪声强度,结合主成分分析压缩时频特征矩阵以消除计算... 针对汽车电镀涂层厚度检测中工业噪声干扰与实时性难以协同的难题,提出太赫兹动态核宽滤波与群体智能优化神经网络融合架构。通过噪声能量驱动的高斯核宽自适应调节机制动态适配工业噪声强度,结合主成分分析压缩时频特征矩阵以消除计算冗余。采用双阶段教与学优化策略,教学阶段由精英个体引导动态教学强度,学习阶段通过适应度差异控制协作更新。此外,研究设计的教与学优化Elman网络,利用隐层状态反馈建模厚度时序依赖特性,显著提升检测鲁棒性。实验表明:该方法在5类基体上实现了0.65μm平均绝对误差与52.0 dB峰值信噪比,特征提取延迟11.5 ms,工业误检率均值为1.9%;单次检测能耗23.3 mJ,内存占用峰值9.8 MB,边缘部署能耗波动标准差为1.5 mJ。该架构将镀层混叠工况检测性能提升了13%,为多材质复杂曲面镀层提供高精度厚度检测方案。 展开更多
关键词 太赫兹 教与学优化算法(TLBO) Elman神经网络 无损检测
暂未订购 下载PDF
An Experimental Investigation into the Amalgamated Al2O3-40% TiO2 Atmospheric Plasma Spray Coating Process on EN24 Substrate and Parameter Optimization Using TLBO 认领 引用
6
作者 Thankam Sreekumar Rajesh Ravipudi Venkata Rao 《Journal of Materials Science and Chemical Engineering》 2016年第6期51-65,共15页
Surface coating is a critical procedure in the case of maintenance engineering. Ceramic coating of the wear areas is of the best practice which substantially enhances the Mean Time between Failure (MTBF). EN24 is a co... Surface coating is a critical procedure in the case of maintenance engineering. Ceramic coating of the wear areas is of the best practice which substantially enhances the Mean Time between Failure (MTBF). EN24 is a commercial grade alloy which is used for various industrial applications like sleeves, nuts, bolts, shafts, etc. EN24 is having comparatively low corrosion resistance, and ceramic coating of the wear and corroding areas of such parts is a best followed practice which highly improves the frequent failures. The coating quality mainly depends on the coating thickness, surface roughness and coating hardness which finally decides the operability. This paper describes an experimental investigation to effectively optimize the Atmospheric Plasma Spray process input parameters of Al2O3-40% TiO2 coatings to get the best quality of coating on EN24 alloy steel substrate. The experiments are conducted with an Orthogonal Array (OA) design of experiments (DoE). In the current experiment, critical input parameters are considered and some of the vital output parameters are monitored accordingly and separate mathematical models are generated using regression analysis. The Analytic Hierarchy Process (AHP) method is used to generate weights for the individual objective functions and based on that, a combined objective function is made. An advanced optimization method, Teaching-Learning-Based Optimization algorithm (TLBO), is practically utilized to the combined objective function to optimize the values of input parameters to get the best output parameters. Confirmation tests are also conducted and their output results are compared with predicted values obtained through mathematical models. The dominating effects of Al2O3-40% TiO2 spray parameters on output parameters: surface roughness, coating thickness and coating hardness are discussed in detail. It is concluded that the input parameters variation directly affects the characteristics of output parameters and any number of input as well as output parameters can be easily optimized using the current approach. 展开更多
关键词 Atmospheric Plasma Spray (APS) EN24 Design of Experiments (DOE) Teaching Learning Based Optimization (TLBO) Analytic Hierarchy Process (AHP) Al2O3-40% TiO2
暂未订购 下载PDF
基于TLBO算法的储能容量优化配置方法 认领 引用 被引量：1
7
作者 孙慧颖 李月乔 刘自发 《太阳能学报》 EI CAS CSCD 北大核心 2025年第9期333-341,共9页
提出一种基于教与学优化算法(TLBO)的储能容量优化配置方法。在考虑多因素对光伏出力影响的前提下,构建双层储能容量优化配置模型。上层以储能全寿命周期成本最小为目标函数,利用TLBO算法求解;下层以运行收益最大为目标函数,采用Gurobi... 提出一种基于教与学优化算法(TLBO)的储能容量优化配置方法。在考虑多因素对光伏出力影响的前提下,构建双层储能容量优化配置模型。上层以储能全寿命周期成本最小为目标函数,利用TLBO算法求解;下层以运行收益最大为目标函数,采用Gurobi求解器求解最优日运行策略。最后以大庆某实际光伏电站为例进行仿真,结果表明该方法的有效性。 展开更多
关键词 光伏发电 储能 优化 教与学算法(TLBO)
暂未订购 下载PDF
基于TLBO-LIBSVM的联合收割机振动筛螺栓故障诊断 认领 引用 被引量：2
8
作者 李鹏程 顾新阳 +2 位作者 梁亚权 章浩 唐忠 《农机化研究》 北大核心 2025年第5期28-33,42,共6页
联合收割机振动筛工作时的瞬时冲击与交变载荷易导致振动筛螺栓结构发生失效。为解决联合收割机振动筛螺栓故障诊断问题,提出了一种基于多元特征融合TLBO-LIBSVM的振动筛螺栓失效故障诊断方法,通过提取特征矩阵,分别将时域特征、频域特... 联合收割机振动筛工作时的瞬时冲击与交变载荷易导致振动筛螺栓结构发生失效。为解决联合收割机振动筛螺栓故障诊断问题,提出了一种基于多元特征融合TLBO-LIBSVM的振动筛螺栓失效故障诊断方法,通过提取特征矩阵,分别将时域特征、频域特征、WOA-VMD能量熵特征组合归一化得到多元融合高维特征矩阵,导入经验参数LIBSVM模型,得到的成功率分别为64.44%、74.44%、81.11%、90%。结果表明:随着特征矩阵维数不断增加,失效特征信息不断完善,识别成功率不断提升,也验证了联合收割机振动筛螺栓频域特征敏感性高于时域特征。通过运用TLBO算法对LIBSVM模型超参数进行优化,得到最佳参数组合下的识别成功率为98.89%,完成了联合收割机振动筛螺栓失效故障的高精度识别,可为联合收割机振动筛螺栓故障的精确诊断提供参考。 展开更多
关键词 振动筛螺栓 变分模态分解 鲸鱼优化算法 支持向量机模型 教与学优化算法 故障诊断
暂未订购 下载PDF
A self-learning TLBO based dynamic economic/environmental dispatch considering multiple plug-in electric vehicle loads 认领 引用 被引量：11
9
作者 Zhile YANG Kang LI +2 位作者 Qun NIU Yusheng XUE Aoife FOLEY 《Journal of Modern Power Systems and Clean Energy》 SCIE EI 2014年第4期298-307,共10页
Economic and environmental load dispatch aims to determine the amount of electricity generated from power plants to meet load demand while minimizing fossil fuel costs and air pollution emissions subject to operationa... Economic and environmental load dispatch aims to determine the amount of electricity generated from power plants to meet load demand while minimizing fossil fuel costs and air pollution emissions subject to operational and licensing requirements.These two scheduling problems are commonly formulated with non-smooth cost functions respectively considering various effects and constraints,such as the valve point effect,power balance and ramprate limits.The expected increase in plug-in electric vehicles is likely to see a significant impact on the power system due to high charging power consumption and significant uncertainty in charging times.In this paper,multiple electric vehicle charging profiles are comparatively integrated into a 24-hour load demand in an economic and environment dispatch model.Self-learning teaching-learning based optimization(TLBO)is employed to solve the non-convex non-linear dispatch problems.Numerical results onwell-known benchmark functions,as well as test systems with different scales of generation units show the significance of the new scheduling method. 展开更多
关键词 Economic dispatch Environmental dispatch Plug-in electric vehicle Self-learning Teaching learning based optimization Peak charging Off-peak charging Stochastic charging
Cost Effective Operating Strategy for Unit Commitment and Economic Dispatch of Thermal Power Plants with Cubic Cost Functions Using TLBO Algorithm 认领 引用
10
作者 E. B. Elanchezhian S. Subramanian S. Ganesan 《Journal of Power and Energy Engineering》 2015年第6期20-30,共11页
This paper deals with a Unit Commitment (UC) problem of a power plant aimed to find the optimal scheduling of the generating units involving cubic cost functions. The problem has non convex generator characteristics, ... This paper deals with a Unit Commitment (UC) problem of a power plant aimed to find the optimal scheduling of the generating units involving cubic cost functions. The problem has non convex generator characteristics, which makes it very hard to handle the corresponding mathematical models. However, Teaching Learning Based Optimization (TLBO) has reached a high efficiency, in terms of solution accuracy and computing time for such non convex problems. Hence, TLBO is applied for scheduling of generators with higher order cost characteristics, and turns out to be computationally solvable. In particular, we represent a model that takes into account the accurate higher order generator cost functions along with ramp limits, and turns to be more general and efficient than those available in the literature. The behavior of the model is analyzed through proposed technique on modified IEEE-24 bus system. 展开更多
关键词 Cubic Cost Functions Ramp Rate Teaching Learning Based Optimization Unit Commitment
暂未订购 下载PDF
基于GSABO-ICEEMDAN-KELM的局部放电识别方法在气体绝缘开关设备故障诊断中的应用 认领 引用 被引量：2
11
作者 王思涵 马宏忠 +2 位作者 孙维 葛威 陈悦林 《南方电网技术》 CSCD 北大核心 2026年第2期66-77,共12页
气体绝缘开关(gas-insulated switchgear,GIS)设备在生产运行时存在多种绝缘缺陷,准确识别绝缘缺陷导致的局部放电信号对保障GIS设备及电力系统安全有重大意义。采用融合黄金正弦算法(golden sine algorithm,Golden-SA)改进减法优化(sub... 气体绝缘开关(gas-insulated switchgear,GIS)设备在生产运行时存在多种绝缘缺陷,准确识别绝缘缺陷导致的局部放电信号对保障GIS设备及电力系统安全有重大意义。采用融合黄金正弦算法(golden sine algorithm,Golden-SA)改进减法优化(subtraction-average-based optimizer,SABO)算法,得到了融合黄金正弦改进SABO优化算法(GSABO),对改进的完全自适应噪声集合经验模态分解(improved complete ensemble empirical mode decomposition with adaptive noise)与核极限学习机(kernel extreme learning machine)进行参数寻优,以实现对GIS局部放电故障的识别。首先,针对SABO可能陷入局部最优、收敛速度不够理想等问题,引入混沌映射与黄金正弦对其进行改进。然后,搭建实验平台采集4种典型局部放电信号,利用GSABO-ICEEMDAN对其进行分解,并利用相关系数法筛选有效的模态分量。最后计算筛选后模态分量的样本熵形成特征矩阵,将其输入GSABO-KELM进行故障分类识别。通过实验分析表明,相比于未改进的SABO算法,GSABO在跳出局部最优、收敛速度与精度上有明显的优势。结合其他传统算法进行对比,GSABO-ICEEMDAN-KELM的识别准确率可达99.1667%,验证了此算法的准确性与优越性,对于GIS局部放电故障诊断的工程应用具有参考意义。 展开更多
关键词 气体绝缘组合电器 局部放电 ICEEMDAN 改进减法优化算法 黄金正弦算法 核极限学习机 故障诊断
暂未订购 下载PDF
基于SABO-VMD与改进KELM的水电机组故障诊断 认领 引用 被引量：2
12
作者 张彬桥 高志伟 +1 位作者 陈庆松 章泽生 《人民长江》 北大核心 2026年第6期252-259,276,共8页
为了提高水电机组故障诊断的精度,提出一种由减法平均优化算法(SABO)优化变分模态分解(VMD)及改进蜣螂优化算法(IDBO)-核极限学习机(KELM)联合构建的水电机组故障诊断模型。首先,采用SABO算法来优化VMD的重要参数(惩罚因子α和分解个数... 为了提高水电机组故障诊断的精度,提出一种由减法平均优化算法(SABO)优化变分模态分解(VMD)及改进蜣螂优化算法(IDBO)-核极限学习机(KELM)联合构建的水电机组故障诊断模型。首先,采用SABO算法来优化VMD的重要参数(惩罚因子α和分解个数K);提取SABO-VMD分解排列熵与互信息熵的复合函数最小本征模态分量(IMF)作为最优分量,计算其相关时域特征参数并构建故障信号特征向量;然后引入Tent混沌映射和自适应t分布扰动多种策略对蜣螂优化算法进行改进,并利用IDBO算法对KELM模型进行参数优化,构建IDBO-KELM水电机组故障诊断模型;最后采用转子实验平台模拟机组轴系故障,对模型进行验证。验证结果表明:该方法在水电机组轴系故障诊断方面的准确率达到99.375%。研究成果可为高精度水电机组故障诊断提供思路和方案。 展开更多
关键词 水电机组故障诊断 减法平均优化算法 模态分解 改进蜣螂优化算法 核极限学习机
暂未订购 下载PDF
融合混合搜索算子和竞争学习的海洋捕食者算法及应用 认领 引用 被引量：1
13
作者 徐中辉 饶振远 +2 位作者 马艳丽 汤泽京 黄晓东 《北京航空航天大学学报》 EI CAS CSCD 北大核心 2026年第6期1810-1826,共17页
针对经典海洋捕食者算法(MPA)在迭代后期种群多样性丧失、求解精度不高且难以跳出局部最优解等问题,提出了一种融合混合搜索算子和竞争学习的海洋捕食者算法PSMPA。引入随机动态重心反向学习机制,增强算法后期的种群多样性,扩展搜索空间... 针对经典海洋捕食者算法(MPA)在迭代后期种群多样性丧失、求解精度不高且难以跳出局部最优解等问题,提出了一种融合混合搜索算子和竞争学习的海洋捕食者算法PSMPA。引入随机动态重心反向学习机制,增强算法后期的种群多样性,扩展搜索空间,提升算法逃离局部最优解并加速收敛的能力;融合动态随机搜索和模式搜索作为混合搜索算子,增强算法的局部搜索能力;将竞争学习行为模式引入捕食者当中,改善种群平均适应度值,有效促进算法的快速收敛,显著提高解的质量。选用12个CEC2017测试函数进行仿真实验,结果表明:PSMPA在寻优性能、收敛速度和稳定性方面均取得了较大程度的改善。在太阳能光伏模型参数优化设计问题上的应用进一步验证了PSMPA在实际工程优化问题中的应用价值和有效性。 展开更多
关键词 海洋捕食者算法 混合搜索算子 随机动态重心反向学习 竞争学习 工程优化问题
暂未订购 下载PDF
基于改进白鲸优化算法的无人机航迹规划 认领 引用 被引量：1
14
作者 郑巍 徐晨昕 +2 位作者 熊小平 潘浩 樊鑫 《电光与控制》 CSCD 北大核心 2026年第2期27-34,共8页
在航迹规划中,选择合适的算法对提高路径优化的效率和精确度至关重要。针对传统白鲸优化算法易陷入局部最优解的问题,提出了一种改进白鲸优化(EBWO)算法。首先,利用混沌反向学习策略来优化初始解的生成过程,以提高算法的初期收敛性和稳... 在航迹规划中,选择合适的算法对提高路径优化的效率和精确度至关重要。针对传统白鲸优化算法易陷入局部最优解的问题,提出了一种改进白鲸优化(EBWO)算法。首先,利用混沌反向学习策略来优化初始解的生成过程,以提高算法的初期收敛性和稳定性;其次,引入螺旋搜索策略增强全局搜索能力,使得算法在复杂环境中能够更有效地探索更广泛的解空间;最后,融入差分进化算法的变异种群个体,增强算法跳离局部最优解的能力。仿真实验结果表明,EBWO算法在航迹规划任务中相比其他算法生成了更高效的航迹方案,且其生成的航迹更加平稳。 展开更多
关键词 航迹规划 白鲸优化算法 混沌反向学习 螺旋搜索 差分进化算法
暂未订购 下载PDF
改进教学优化算法求解执行器配置与生产调度协同优化问题 认领 引用
15
作者 谭伟华 吴亮红 +1 位作者 李哲 袁小芳 《控制理论与应用》 EI CAS CSCD 北大核心 2026年第4期865-873,共9页
在实际柔性作业车间中,执行器配置与生产调度的高效协同有利于提高生产决策的全局性,从而提升车间的柔性加工能力.针对执行器配置与生产调度的多目标协同优化问题,以最小化综合生产成本和完工时间为优化目标,构建了混合整数规划模型,使... 在实际柔性作业车间中,执行器配置与生产调度的高效协同有利于提高生产决策的全局性,从而提升车间的柔性加工能力.针对执行器配置与生产调度的多目标协同优化问题,以最小化综合生产成本和完工时间为优化目标,构建了混合整数规划模型,使得小规模问题通过可以Gurobi精确求解.本文提出了一种两阶段离散教学优化算法,设计了学习强度自适应调整方法和改进关键工序移动策略,以提升算法的效率和多目标平衡搜索能力.通过仿真实验,分析验证了所提协同优化方法的优越性和所提算法的有效性. 展开更多
关键词 柔性作业车间调度 资源配置 多目标优化 教学优化算法
暂未订购 下载PDF
多策略改进核搜索算法及其应用 认领 引用 被引量：1
16
作者 董如意 袁文康 《吉林大学学报（工学版）》 EI CAS CSCD 北大核心 2026年第5期1385-1398,共14页
针对核搜索算法(KSO)易陷入局部最优的不足,提出了一种多策略改进的核搜索算法(MSKSO)。首先,引入融合Tent混沌映射与量子计算的种群初始化策略,增强了种群的多样性和随机性;然后,提出了一种动态精英反向学习策略,进一步扩展种群的全局... 针对核搜索算法(KSO)易陷入局部最优的不足,提出了一种多策略改进的核搜索算法(MSKSO)。首先,引入融合Tent混沌映射与量子计算的种群初始化策略,增强了种群的多样性和随机性;然后,提出了一种动态精英反向学习策略,进一步扩展种群的全局搜索范围;最后,采用灰狼优化算法的搜索机制,增强了种群的局部寻优能力。通过使用CEC2017测试函数集,验证了MSKSO具有更优的寻优性能和鲁棒性,并将MSKSO应用于实际的经济排放调度问题中,进一步验证了该算法的有效性和鲁棒性。 展开更多
关键词 计算机应用 群智能优化 核搜索算法 混沌映射 量子计算 动态精英反向学习 灰狼算法 经济排放调度
求解绿色批加工调度问题的多层教学优化算法 认领 引用
17
作者 郑友莲 崔樱堃 +1 位作者 雷德明 王静 《计算机应用》 CSCD 北大核心 2026年第6期1922-1930,共9页
针对纺织工厂染色车间里考虑重染工序的绿色并行批处理机(BPM)调度问题,提出一种多层教学优化(MTLBO)算法,以最小化最大完成时间、总能耗和总加权提前/拖期成本。首先,运用启发式规则生成初始种群提升初始解质量;其次,采用多层结构将种... 针对纺织工厂染色车间里考虑重染工序的绿色并行批处理机(BPM)调度问题,提出一种多层教学优化(MTLBO)算法,以最小化最大完成时间、总能耗和总加权提前/拖期成本。首先,运用启发式规则生成初始种群提升初始解质量;其次,采用多层结构将种群划分为教师组、精英班和普通班这3层,并设计高效的层间通信机制,促进信息共享与知识传承;最后,为了增强种群探索能力,防止算法陷入局部最优,引入一种基于概率模型的多样性增强算子替换停滞解。基于工业数据生成测试实例评估MTLBO的性能,并将它与自适应混合蛙跳算法(ASFLA)、多目标人工蜂群(MOABC)算法、模糊遗传算法(FGA)和非支配排序遗传算法Ⅱ(NSGA-Ⅱ)等算法进行比较。实验结果表明,MTLBO的非劣解集的支配关系平均提高81.92%,覆盖度指标平均提高97.58%,且在收敛性指标平均减低99.66%,以上验证了MTLBO在优化调度指标上的更强寻优能力和更高稳定性,为实际生产决策提供了兼具鲁棒性与优化效能的调度方案。 展开更多
关键词 绿色调度问题 批处理机 重染工序 教学优化算法 概率模型
暂未订购 下载PDF
融合随机反向学习与变异教与学策略的改进天鹰优化算法 认领 引用
18
作者 宋一佳 张小庆 +3 位作者 孙民民 张莉 李娜 曾竣哲 《计算机工程与科学》 CSCD 北大核心 2026年第5期936-950,共15页
针对标准天鹰优化算法存在的收敛速度慢和易陷入局部最优的不足,提出融合随机反向学习与变异教与学策略的改进天鹰优化TAO算法。首先,在初期引入扩大搜索策略丰富初始空间搜索多样性,并通过差分变异提升寻优质量;其次,采用随机反向学习... 针对标准天鹰优化算法存在的收敛速度慢和易陷入局部最优的不足,提出融合随机反向学习与变异教与学策略的改进天鹰优化TAO算法。首先,在初期引入扩大搜索策略丰富初始空间搜索多样性,并通过差分变异提升寻优质量;其次,采用随机反向学习策略增加精英个体数量,提升算法搜索质量。进一步,通过t-分布变异扰动个体位置更新,提升搜索空间多样性;同时融合教与学策略,利用教学相长策略加快算法收敛速度。通过选取CEC2005基准测试函数集中具有不同特征(单峰、多峰和固定维度多峰)的23个函数进行仿真实验。结果表明,相比AO算法和几种启发式智能优化算法,TAO算法在寻优精度、收敛性和稳定性方面表现更优。Wilcoxon秩和检验结果也证实TAO算法的搜索性能与选取的对比算法相比具有显著性差异,且优于对比算法。最后,引入3个工程设计优化案例进一步验证了TAO算法解决实际问题的可行性。 展开更多
关键词 天鹰优化算法 随机反向学习 t-分布 差分变异 教与学策略
暂未订购 下载PDF
基于IFA-BP神经网络模型的变电站碳排放预测 认领 引用
19
作者 王巍 李智威 +5 位作者 张赵阳 张洪 周蠡 王振 黄放 王灿 《广西师范大学学报（自然科学版）》 CAS 北大核心 2026年第2期103-114,共12页
针对现有变电站碳排放量预测模型存在考虑指标较少、数据更新慢等问题,本文提出一种基于改进萤火虫算法(improved firefly algorithm,IFA)优化反向传播(back propagation,BP)神经网络的变电站碳排放预测模型。首先,针对萤火虫算法(firef... 针对现有变电站碳排放量预测模型存在考虑指标较少、数据更新慢等问题,本文提出一种基于改进萤火虫算法(improved firefly algorithm,IFA)优化反向传播(back propagation,BP)神经网络的变电站碳排放预测模型。首先,针对萤火虫算法(firefly algorithm,FA)收敛速度过慢以及易陷入局部最优等问题,引入教与学因子,修改萤火虫位置更新过程,以提高群体适应度。其次,引入IFA算法对BP神经网络模型进行超参数寻优,并构建IFA-BP神经网络预测模型。然后,基于CRITIC法筛选预测模型输入层的关键碳排放指标。最后,利用训练集数据训练预测模型,基于训练好的模型对变电站的碳排放量进行预测。仿真结果表明,相较于3种对比方案,本文IFA-BP神经网络预测模型分别在均方根误差(root mean square error,RMSE)上降低59.61%、15.77%和26.65%,在决定系数(coefficient of determination,R2)上提高5.66%、1.46%和1.15%,充分验证了本文所提变电站碳排放预测模型的可行性与优越性。 展开更多
关键词 碳排放 变电站 改进萤火虫算法 BP神经网络 教与学因子
暂未订购 下载PDF
基于准反射学习和多项式变异的秃鹰搜索算法 认领 引用
20
作者 张大明 丁俊杰 +1 位作者 赵彦清 徐嘉庆 《广西科学》 CAS 北大核心 2026年第1期201-212,共12页
针对秃鹰搜索算法(Bald Eagle Search algorithm,BES)存在收敛速度慢、收敛精度低和易陷入局部最优等问题,提出一种基于准反射学习和多项式变异的秃鹰搜索算法(Bald Eagle Search algorithm based on Quasi-reflection-based learning m... 针对秃鹰搜索算法(Bald Eagle Search algorithm,BES)存在收敛速度慢、收敛精度低和易陷入局部最优等问题,提出一种基于准反射学习和多项式变异的秃鹰搜索算法(Bald Eagle Search algorithm based on Quasi-reflection-based learning mechanism and Polynomial mutation,QPBES)。QPBES在种群初始化阶段引入准反射学习机制(Quasi-Reflection-Based Learning mechanism,QRBL)以增加初始种群多样性,在种群位置更新阶段再次引入准反射学习机制以提高算法收敛速度。QPBES引入改进的自适应惯性权重方法以提高算法局部搜索能力,并在最佳秃鹰位置引入多项式变异算子以提高算法跳出局部最优的能力。在23个基准测试函数上QPBES与其他优化算法的对比实验结果表明,QPBES具有更快的收敛速度和更高的寻优精度,并且在求解多峰函数问题上表现优异。 展开更多
关键词 智能优化算法 秃鹰搜索算法 准反射学习 多项式变异 自适应惯性权重
暂未订购 下载PDF
已选0条
引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 2 … 26 下一页 到第 页
在线咨询 使用帮助 返回顶部 意见反馈