基于IABC优化LSSVR的变形预测研究

针对最小二乘支持向量回归机(LSSVR)中惩罚参数c和核函数参数σ难以确定,以及标准人工蜂群算法(ABC)易陷入局部最优、收敛速度慢等问题,提出一种改进的人工蜂群算法(IABC)来优化LSSVR的参数并进行变形预测研究。首先,IABC算法利用反向学习策略生成正反2个种群来增加初始群体的多样性,一次迭代后对双种群的当前最优食物源进行信息交换以实现优中选优,并设计食物源自适应权重函数及适应度自适应选择函数平衡ABC的勘探和开发能力;其次,以LSSVR的预测精度为目标函数,并将其转化为IABC的适应度函数,以此构建出基于IABC优化LSSVR的预测模型;最后,以基坑监测数据为例,将IABC优化的LSSVR模型、ABC优化的LSSVR模型以及基于PSO的组合模型进行预测对比分析。结果表明,IABC增加了种群的多样性,提高了收敛精度,基于IABC优化的LSSVR模型预测的变形趋势更符合实际,预测精度高于对比模型。     

基于遗传蚁群算法的云资源调度问题研究

讨论利用蚁群算法解决云计算资源的调度问题。蚁群算法利用正反馈机制加快了收敛速度,但同时具有易早熟,易陷入局部最优解等不足。针对此问题,提出用遗传算法优化蚁群优化算法,同时引入最大最小蚁群系统改进基本蚁群算法,从而形成新的遗传蚁群算法。实验结果表明,新算法应用于云计算资源调度中,能有效地缩短调度所用的平均时间,提高调度效率。     

土地利用配置的混沌蚁群优化算法研究

土地利用优化配置是促进土地可持续发展的重要举措,然而现有研究缺乏有效求解土地利用优化配置模型的新型混合式智能优化算法。本文结合蚁群算法和混沌模型,形成混沌蚁群优化（Chaos Ant Colony Optimization,CACO）算法,并以广州市增城区为研究区,对土地利用现状进行优化配置;然后在数量结构、目标函数值、空间布局等方面将优化结果与土地现状及标准蚁群算法优化结果进行对比分析。结果表明：① CACO算法能在满足多种约束条件下,有效解决多目标土地利用优化配置问题;② 与标准蚁群算法相比,CACO算法能增加土地利用的经济效益7.18亿元、生态效益0.33亿元、社会效益1.13%,同时降低地类转换成本1.15%;③ CACO算法能使土地利用现状空间分布多样性和均匀性的下降控制在1.30%以内,同时缩减地块数量8.86%,并使平均斑块大小增加9.77%,从而提升土地集约利用水平,更合理地配置各现状地类的空间分布,为研究区土地利用的科学规划与决策提供支持。     

多目标优化NSGA系列算法与地理决策：原理、现状与展望

地理学正在经历“剧变”时代,愈发强调决策支持。地理决策过程中往往涉及众多因素,需要通盘考量不同因素、权衡利弊,并提出最优方案,是典型的多目标优化过程。数学领域的多目标优化算法因而在地理决策中具有广阔的应用潜力和重要意义,其最新进展是地理学中新方法、新工具的重要来源。本文综述了多目标优化领域最前沿、最流行的算法代表“非支配排序遗传系列算法”（Nondominated Sorting Genetic Algorithms,NSGAs）,对其三代不同算法的原理、适用性进行对比,并综述了这些算法在地理决策领域的应用现状、改进方法、问题与局限。研究发现：在三代算法中,NSGA-Ⅱ因其在计算复杂性和使用场景方面的优势在地理决策中最为流行;NSGA-Ⅲ对建模要求较高,尚未得到广泛关注。在地理决策的各领域中,水资源管理领域是NSGA算法应用最多、最成熟的领域,该领域的问题建模和在NSGA算法中融入局部搜索的经验值得其它领域借鉴和推广;土地利用规划领域提出了较多的NSGA改进算法,为更好地融合NSGA算法进行地理决策树立了典范。未来研究中,可通过凝练行业共性问题、构建通用优化模型降低NSGA算法的应用门...     

求解多目标非线性优选问题的算法

研究变形监测网布网方案的优化 ,探讨目标权重未知情况下的非线性多目标优化问题 ,给出了一个求解权重未知的多目标非线性优选问题的算法。该算法采用一种新的最小加权偏差优选方法 ,可优选最佳布网方案     

利用新型群体智能优化算法研究微震震源定位

引入并介绍6种新型群体智能优化算法(灰狼算法、鲸鱼优化算法、蝗虫优化算法、麻雀搜索算法、蚁狮算法、蜻蜓算法)的仿生原理、核心计算公式及优化特性,在经典到时差模型基础上设计一种新型微震震源反演数学模型,利用仿真的矿山微震震源正反演数据对比分析6种方法的性能差异。结合实际矿山人工爆破数据,通过6个统计指标从精度、收敛速度、稳定性等多个角度测试这6种新型群体智能优化算法在微震震源定位中的有效性和可靠程度。     

基于土地适宜性评价的国土开发优化研究——以广西贺州市为例

优化国土开发格局是我国生态文明建设的主要任务,也是当前"多规合一"工作的主要目标和任务。文章通过构建可开发土地资源建设适宜性综合评价指标体系,对贺州市的土地资源进行评价,并提出优化贺州市国土开发格局的建议。     

利用混沌粒子群算法确定河流水质模型参数

将混沌寻优思想引入到粒子群优化算法中,提出了混沌粒子群算法,这种方法利用混沌运动的随机性、遍历性和规律性等特性对当前粒子群体中的粒子进行混沌寻优.通过这种处理使得粒子群体的进化速度加快,从而改善了粒子群优化算法摆脱局部极值点的能力,提高了算法的收敛速度和精度.并将混沌粒子群算法应用于求解分析瞬时投放示踪剂情况下的一维河流水团示踪试验数据以及确定河流水质参数的函数优化问题,结果表明,混沌粒子群算法的收敛性能明显优于粒子群优化算法.     

基于免疫进化算法的排放口最优规划

免疫进化算法是在现有进化算法的基础上发展起来的一种新的优化算法,其具有许多独特的性能.把该算法应用于排放口最优规划,结果表明:免疫进化算法不仅取得了良好的应用效果,而且成功地解决了此类问题中存在的非线性目标函数、约束条件过于复杂、"维数灾"等问题.     

基于多目标蚁狮优化算法的微震震源定位数学模型组合北大核心CSCD

通过多目标智能优化算法研究微震震源定位存在的模型组合合理性未阐明、易陷入局部最优解、定位结果波动性较大等问题。为解决这些问题,首先在到时差模型与到时差商模型基础上设计4个不同的微震震源定位数学模型,两两组合构建6个多目标优化定位模型;再设计3组基于不同台网形状(三维多面体、二维长方形、一维直线型)的微震震源正演仿真实验和1组工程数据验证实验,并引入多目标蚁狮优化(multi-objective ant lion optimization,MOALO)算法求解这些模型;最后采用多个统计指标评判各个模型组合定位效果的优劣。结果表明,数学模型组合(TDA-P1,TDQA)结合MOALO算法的多目标优化定位策略能够得到较高的微震震源定位精度,且模型稳健性较好,优于其他模型组合和传统多目标定位方法,在微震监测领域具有一定的应用价值。