基于蚁群算法的支持向量机参数优化

针对支持向量机的参数对分类性能的影响,探讨了基于蚁群算法的支持向量机参数优化方法,建立了支持向量机参数优化模型,给出了基于网格划分策略的连续蚁群算法,并将其用于优化模型求解,通过对支持向量机的惩罚因子和径向基核函数进行优化,使支持向量机的分类性能最优.通过仿真和应用实例,验证了方法的有效性,得到了95%以上的分类正确率.     

蚁群算法求解稳态传热反问题

针对热传导反问题的不适定性和非线性,为了改进热传导反问题的求解方法,考虑了材料非均质的影响,建立了稳态热传导有限元正演模型。根据测量温度信息,将热物性参数和边界条件的单一和组合识别问题归结为一个优化问题,进而利用基于网格划分策略的蚁群算法进行求解。探讨了参数取值范围和数据噪音对识别结果的影响,数值验证取得了令人满意的结果。     

基于改进蚁群算法的移动机器人全局轨迹规划研究

分析了机器人的轨迹规划问题、蚁群算法原理;建立了轨迹规划的网格环境模型;对环境模型中机器人的轨迹规划进行了研究和分析,提出了一种基于改进蚁群算法的自适应蚁群算法;并对自适应蚁群算法的参数进行了修正;通过仿真结果证明了改进后的蚁群算法的可行性、优越性.     

基于改进粒子滤波算法的Bouc-Wen模型参数在线识别方法

在线模型参数更新是提高结构混合试验中数值子结构模型精度的有效手段。为了提高强非线性模型参数在线识别精度,在标准粒子滤波算法的基础上提出了一种改进的辅助无迹粒子滤波算法。在重要性采样中,基于最新观测信息采用无迹卡尔曼滤波方法计算每一个粒子估计,以提高粒子非线性变换估计精度;在重采样过程中,引入辅助因子修正粒子权值,以丰富粒子多样性、削弱粒子退化现象。采用改进粒子滤波算法针对Bouc-Wen模型进行了在线参数识别,并与标准粒子滤波算法、扩展卡尔曼粒子滤波算法以及无迹粒子滤波算法的参数识别精度和计算效率进行对比分析。结果表明,与其它3种算法相比,辅助无迹粒子滤波算法在单步计算耗时增加的基础上,在线参数识别精度明显提高,参数识别值波动幅度显著降低。最后,通过橡胶隔震支座拟静力试验,验证了采用改进粒子滤波算法在线识别Bouc-Wen模型参数方法的有效性。     

约束UKF初始参数对Bouc-Wen模型参数识别的影响

为获得约束UKF初始参数对模型参数识别的影响规律,针对Bouc-Wen模型给出基于约束UKF在线参数识别方法,通过数值模拟分析初始状态估计均值与协方差、过程噪声协方差、观测噪声协方差等滤波器初始参数对模型参数识别精度与收敛速度的影响,提出相应的参数取值建议.结果表明：在无模型误差的情况下,约束UKF对初始参数的设置具有较好的鲁棒性;适当地增大初始状态估计协方差,减小过程噪声,采用真实系统观测噪声协方差以及减小初始参数值与真实值的偏差,可以有效提高参数识别收敛速度和精度.该研究为基于约束UKF的非线性结构模型在线参数识别方法提供了参考.     

基于跨邻域搜索的连续域蚁群优化算法

针对连续域蚁群算法寻优能力差、容易产生局部最优的问题,提出了一种基于跨邻域搜索的改进蚁群算法。首先,通过自适应种群划分方式计算可行解和不可行解群体;然后,针对不可行解群体利用自主选择学习算子选择对象进行学习,目的是不断扩大种群规模,避免算法陷入局部极值点,继而对可行解群体采取全局跨邻域搜索的方式,引导蚂蚁向全局最优解靠近,加快收敛速度;最后,基于全局最优解采用局部跨邻域的方式引导蚂蚁在小范围内进行细致搜索,提高收敛精度。通过与其他连续域蚁群优化算法针对CEC2017测试函数在低维和高维情况下的实验对比,证明本文算法具有较好的寻优能力和稳定性,能有效避免陷入局部最优。     

基于蚁群算法的既有铁路整正优化设计

为了提高既有线路整正维修效率以及满足铁路快速发展对线路高平顺性的要求,结合蚁群算法在空间组合优化的优良性能,研究了基于蚁群算法的既有线平面多曲线整体整正优化设计方法.首先利用空间曲线拟合算法,结合平面线形的曲率变化特征,采用概略分段与迭代精确分段相结合的方式,确定初始交点坐标及曲线参数信息.以既有线所有初始交点坐标为基准,进行交点坐标网格划分,运用蚁群算法全局寻优的方式得到最优的交点组合.逐步缩小网格进行蚁群寻优,最终得到满足各类约束的线形参数组合及最优拨道量值,实现线路平面整正的整体优化算法设计.并结合实测数据进行相关计算分析,计算结果显示蚁群优化算法较传统的优化设计方法在获取最优线路参数,实现整体拨道量最小方面可以获取满意效果.     

磁流变阻尼器滞回模型参数的敏感性分析及其简化模型

为解决Bouc-Wen模型参数多、数学表达式复杂、参数识别困难的问题,根据Bouc-Wen模型中参数的物理意义及其对结果输出贡献的大小进行了参数敏感性分析,滤除敏感性差的参数,令敏感性强的参数参与拟合滞回曲线,从而获得了简化的Bouc-Wen模型.在参数敏感性分析中,提出并采用了修正的one-at-a-time(OAAT)法.修正OAAT法是在OAAT法的基础上,令待测参数之外的其他参数自由变化,充分考虑了参数之间的耦合关系,具有全局敏感性分析的意义,可使结果更为准确和全面.为了验证Bouc-Wen简化模型的有效性,采用遗传算法对Bouc-Wen模型和Bouc-Wen简化模型的参数进行了识别,并对磁流变阻尼器力学特性试验数据进行了数值模拟,结果表明:Bouc-Wen简化模型能够更精确、更高效地模拟滞回曲线,拟合精度平均提高了4％,计算效率平均提高了47％.     

组合蚁群算法及其化工应用

针对连续空间优化问题,提出基于新型蚁群算法和模式搜索策略的组合蚁群优化算法。该算法将解空间的每维变量都划分成若干子域,根据每维变量各个子域中信息量占每维变量总信息量的比例来决定蚂蚁在各个子域间的转移,并在各子域中引入遗传操作实现蚂蚁品质的提升。同时,当最优解经过若干代没有改进时,对所有蚂蚁通过模式搜索策略加快收敛进程。以非线性连续优化问题为例进行仿真,结果表明:该方法比遗传算法具有更好的性能。最后,将该算法应用于反应动力学模型参数估计,取得良好的效果。     

采用混合策略的三角网格模型区域划分算法

提出了一种将三角网格模型划分为多边区域的启发式算法.先基于法向量对模型进行初始区域划分,经过区域清理及采样后,再基于欧几里德距离进行二次区域划分,调整后的区域顶点度数(与该顶点相连的区域边界的数量)全部为3或4,并且大部分区域为四边区域.试验结果表明该算法得到的区域划分大小合理,能够自动适应模型几何特性并很好地匹配模型的凹、凸特征.     

基于网格划分策略的自适应ACO算法优化LQR控制器权值

线性二次最优控制(Linear Quadratic Regulator,LQR)是现代控制理论中应用广泛的状态空间设计法,如何选取适当的加权矩阵Q和R的问题一直没有得到很好解决。提出一种基于网格划分策略的自适应蚁群算法来设计LQR控制器,利用蚁群算法获取加权矩阵Q、R及反馈控制率K,并将控制器用于LQR问题的标准试验平台倒立摆系统。仿真结果表明基于网格划分策略的自适应蚁群算法优化设计的LQR控制器超调小,响应速度快,可以有效的对被控系统实施控制。     

改进蚁群算法优化SVM参数的网络入侵检测模型研究

基于支持向量机(support vector machine,SVM)的网络入侵检测模型泛化能力与其参数选取密切相关,因此SVM参数优化是一个难题。为进一步提高网络入侵检测率,提出一种改进蚁群优化SVM参数算法(modified ant colony optimization algorithm-support vector machine,MACO-SVM)的网络入侵检测模型。首先采用蚁群搜索路径节点代表支持向量机参数,将网络入侵检测率做为目标函数,然后通过蚁群算法的全局寻优能力和反馈机制寻找最优参数,并对蚂蚁进行高斯变异,克服蚁群陷入局部极值,最后将最优路径上的节点连接起来得到SVM的最优参数,建立最优网络入侵检测模型。采用KDD99数据集对模型进行仿真实验,仿真结果表明,MACO-SVM不仅提高了网络入侵的检测效率,而且获得了更高的检测率。     

改进蚁群算法优化SVM参数的网络入侵检测模型研究收

基于支持向量机（support vector machine, SVM)的网络入侵检测模型泛化能力与其参数选取密切相关,因此 SVM参数优化是一个难题。为进一步提高网络入侵检测率,提出一种改进蚁群优化SVM参数算法（modified ant colony optimization algorithm-support vector machine, MACO-SVM)的网络入侵检测模型。首先采用蚁群搜索路径节点代表支持向量机参数,将网络入侵检测率做为目标函数,然后通过蚁群算法的全局寻优能力和反馈机制寻找最优 参数,并对蚂蚁进行高斯变异,克服蚁群陷入局部极值,最后将最优路径上的节点连接起来得到SVM的最优参数, 建立最优网络入侵检测模型。采用KDD99数据集对模型进行仿真实验,仿真结果表明,MACO-SVM不仅提高了网络入侵的检测效率,而且获得了更高的检测率。     

基于SVM的车辆识别技术

 车辆识别技术本身存在着识别难度大、识别结果精度低等问题,本文提出一种基于统计模式识别理论的车辆识别方法,利用非线性支持向量机(SVM)对目标车辆进行识别.首先,该算法通过车载CCD摄像头采集自车前后方车辆的图像信息,对所采集到的图像进行小波去噪以及图像二值化处理,剔除噪声干扰.通过坐标变换使图像中车辆跟实车建立一一对应关系,进而对目标车辆进行准确定位;其次,对处理后的图像进行8×8网格划分,将各网格内满足要求的像素点数跟网格内总像素点数的比值作为每个网格输出值(0,1)的唯一判定条件,将每一行网格输出值的总和作为特征向量的元素.以遗传算法为搜索模式,采用交叉验证技术确定SVM的最佳参数组合,最后将自车前后方10—20m内车辆作为训练样本对模型进行训练和测试;并用ROC曲线(受试者工作特征曲线)对模型进行评价.     

基于连续域蚁群改进算法的T-S模型辨识

针对一些带复杂参数辨识性能指标的模糊建模无法采用经典辨识方法解决的情况,提出了采用改进连续域蚁群算法进行T-S模型辨识的方法.该方法利用蚁群算法无需具体数学模型的特点,解决了模糊模型辨识中辨识指标表达式过于复杂甚至非解析所带来的难题,从而实现了T-S模型前提部和结论部参数的一次性辨识.仿真研究表明,利用文中辨识方法得到的模糊模型能够很好的逼近真实系统,并且对初始条件和输入信号不敏感,具有鲁棒性.     

基于最优化控制模型的文本主题域划分

提出一种基于最优化控制模型的文本主题域划分方法, 采用主题域内距离、 主题域间距离、 主题域内夹角和主题域间夹角等相关要素, 构建了最优化模型的目标函数, 进而通过对模型求解得到文本主题域的最优划分模式. 该方法为全局最优化方法, 与具体的应用领域无关, 具有较高的普适性. 实验结果表明, 在算法适用性、 F1评价和Window Diff评价上, 该算法均优于其他相关算法.     

基于蚁群迭代算法的近似测地线计算

为了提高两点之间近似测地线的计算精确度,提出一种蚁群迭代算法。在此算法中,对于任意一个地形,首先建立其垂直映射平面图,在平面图上进行初步网格划分,并用蚁群算法求出一条最短路径;再对网格不断进行加密划分,每一次加密处理网格之后都用蚁群算法计算精确度更高的最短路径,以此优化加密前求出的路径。该算法可有效避免待求两点之间图形解析式的困扰,并且采用自适应的方式寻找适当的网格规模,提高近似测地线的精确度。实验结果表明该算法在近似测地线的计算中是有效的。     

蚁群算法在方程求根中的应用

列举了传统方程求根方法的不足，介绍了当前若干人工仿生优化算法在方程求根领域的应用。模拟蚂蚁的群体智能，即选择最短路径觅食，提出了一种基于网格划分的连续域改进蚁群算法，用来求解超越方程和复系数高次代数方程的根。通过仿真计算，算法可以找到两类方程的所有根，对于两类方程的差异性而言，算法较稳定。算法给出的复系数高次代数方程的根的误差分布不太均匀，个别根精度太高或者太低。     

基于Bouc-Wen模型橡胶隔震支座的非线性特性识别

基于简化的Bouc-Wen迟滞模型来描述隔震支座非线性力学模型,为基础隔震结构在地震作用下的隔震支座提供合理的力学性能状态评估,提出判断隔震支座进入非线性阶段时域演化特征的小波系数能量比指标;并采用小波多分辨分析理论进行隔震支座的非线性特性及参数识别.数值算例表明,小波系数能量比可以很好地判断基础隔震结构在不同地震激励水平下的非线性状态,利用小波多分辨识别算法可以准确识别隔震结构隔震层的非线性特性及模型参数.     

星状集输管网拓扑结构的整体优化

针对星状集输管网结构特点,建立以管网建设总投资为目标函数,以系统中节点连接关系、站点位置、管线参数为优化变量的星状油气集输管网拓扑结构优化模型。将蚁群算法与遗传算法相结合对模型进行整体优化求解。在蚁群算法中,将节点连接关系的确定转化为路径选择问题,将启发因子表示为管段建设成本的函数,用路径方案对应的管网建设总成本计算信息素的积累量。在遗传算法中,以格雷码形式将站址信息储存于染色体上,用蚁群算法求得每种站址分布方案下最优井组和管径,并用其计算各染色体的适应度,从而同步求得最佳站址、最佳井组划分和管线参数。结果表明,所设计算法优化质量高于分级优化,且鲁棒性强,不受计算初始值影响。