[发明专利]一种基于群体团聚效应的梯度自适应粒子群优化方法在审
| 申请号： | 201910768302.6 | 申请日： | 2019-08-20 |
| 公开（公告）号： | CN110555506A | 公开（公告）日： | 2019-12-10 |
| 发明（设计）人： | 马刚;邓卓然;周伟;张大任;程家林;常晓林 | 申请（专利权）人： | 武汉大学 |
| 主分类号： | G06N3/00 | 分类号： | G06N3/00 |
| 代理公司： | 42222 武汉科皓知识产权代理事务所(特殊普通合伙) | 代理人： | 罗飞 |
| 地址： | 430072 湖*** | 国省代码： | 湖北;42 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于群体团聚效应的梯度自适应粒子群优化方法，首先，设置初始化参数，初始化粒子群的速度和位置，然后初始化种群极值与个体极值，接着根据粒子在搜索空间中的相对位置，采用K‑Means聚类算法对粒子群进行聚类，获得聚类结果，接下来根据聚类结果，计算聚类极值以及相应的位置；然后根据粒子的目标函数适应度值的下降梯度自适应调整每个粒子的计算参数，再根据粒子的当前位置以及目标函数计算粒子在当前位置的适应度值；最后根据粒子的在当前位置的适应度值，更新个体极值、聚类极值和全局极值，并更新粒子的速度和位置。本发明的方法能够有效解决现有粒子群方法早熟收敛、陷入局部最优等问题，大大提高了算法的寻优能力。 | ||
| 搜索关键词： | 粒子 粒子群 适应度 聚类 聚类结果 初始化 目标函数计算 初始化参数 粒子群优化 自适应调整 计算参数 聚类算法 目标函数 搜索空间 下降梯度 有效解决 自适应 更新 算法 寻优 收敛 早熟 种群 团聚 群体 全局 | ||
【主权项】：
1.一种基于群体团聚效应的梯度自适应粒子群优化方法，其特征在于，包括：/n步骤S1：设置初始化参数，初始化粒子群的速度和位置，其中，初始化参数包括粒子群规模、目标函数的维度、初始聚类数目、聚类间隔、聚类次数以及目标函数，其中，目标函数用以计算粒子的适应度值；/n步骤S2：初始化种群极值与个体极值，其中，种群极值为全局极值，对应整个粒群当前搜索到的最优位置，个体极值对应种群个体当前搜索到的最优位置；/n步骤S3：根据粒子在搜索空间中的相对位置，采用K-Means聚类算法对粒子群进行聚类，获得聚类结果，聚类结果包括形成聚类的数目以及每一个聚类中粒子的个数、位置和速度；/n步骤S4：根据聚类结果，计算聚类极值以及相应的位置；/n步骤S5：根据粒子的目标函数适应度值的下降梯度自适应调整每个粒子的计算参数，其中，目标函数适应度值的下降梯度为两个迭代计算步的适应度值之差与梯度计算间隔的商，计算参数用以计算粒子的速度和位置，每个粒子的计算参数包括惯性权重、个体学习因子、群聚学习因子以及全局学习因子；/n步骤S6：根据粒子的当前位置以及目标函数计算粒子在当前位置的适应度值；/n步骤S7：根据粒子的在当前位置的适应度值，更新个体极值、聚类极值和全局极值，并根据步骤S5中调整后的计算参数更新粒子的速度和位置。/n
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于武汉大学，未经武汉大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910768302.6/，转载请声明来源钻瓜专利网。
- 同类专利
- 一种基于人工智能的推荐处理方法及装置-201910865609.8
- 陆嘉欣;边陆勇;杨朔;王达;韩梦洁;贾皓翔;朱雨璇;葛洪云;苏毅;韩英;张博文;李煌;王晋;杨珂 - 腾讯科技(深圳)有限公司
- 2019-09-12 - 2020-02-11 - G06N3/00
- 本发明提供一种基于人工智能的推荐处理方法，装置、电子设备及存储介质，方法包括：响应于在第一客户端接收到生成推荐列表操作，向服务器发送生成推荐列表请求，以使服务器发送推荐列表中位于第一排序位置的推荐选项至第一客户端和至少一个第二客户端；响应于第一客户端中接收到对应推荐选项的选择结果，发送选择结果至服务器，以使服务器根据选择结果更新投票状态，并发送投票状态至第一客户端和第二客户端；响应于第一客户端中接收到基于投票状态以及推荐选项的决策结果，发送决策结果至服务器，以使服务器将决策结果发送至第一客户端和第二客户端，这样，能够对较优的推荐内容进行实时投票，获得实时决策结果。
- 信息处理装置、人工智能识别方法和程序-201880041740.6
- 喜多一记 - 卡西欧计算机株式会社
- 2018-06-19 - 2020-02-11 - G06N3/00
- 根据本发明的一个实施例的信息处理装置1包括AI识别单元52和输出控制单元55。AI识别单元52在多个人工智能中识别人工智能。输出控制单元55将关于通信目标人工智能的识别结果通知给用户。
- 一种基于人工鱼群算法的多目标武器——目标分配方法-201810851662.8
- 叶方;邵诗佳;孙骞;汤春瑞;白萍;郭小晨;张慧;宋也 - 深圳市白麓嵩天科技有限责任公司
- 2018-07-26 - 2020-02-07 - G06N3/00
- 一种基于人工鱼群算法的多目标武器—目标分配方法，旨在解决现有技术中针对WTA问题的求解存在偏离真实Pareto前沿较大的缺陷。方法步骤为：首先随机生成初始种群，计算初始种群的非支配解集，根据拥挤距离排序，得到初始种群的全局最优解；然后根据人工鱼群算法的聚群行为，使鱼群中的其他个体鱼向最优解靠近，得到新的种群与上一非支配解集合并计算新的非支配解集；最后将聚群后的种群进行交叉变异增加种群多样性，再次与上一非支配解集合并，经过多次迭代，从而得到最终的Pareto前沿。本发明主要用于火力作战决策领域，相比现有技术更接近真实Pareto前沿，对参数的依赖性小，在多目标武器—目标分配中具有很大的应用价值。
- 用户行为与心理学的社会网络影响力最大化方法-201910975774.9
- 杨静;张薇 - 哈尔滨工程大学
- 2019-10-15 - 2020-02-07 - G06N3/00
- 本发明公开了用户行为与心理学的社会网络影响力最大化方法，属于数据挖掘领域与社会网络科学领域。该方法在社交网络中，首先采用基于IC方法的启发式算法，通过用户活动时间识别非活跃用户群，将其从采样空间中删除，完成粒子群的初始化。这样的初始化方法可以缩短初始状态与种子用户集合之间的差距，加速算法收敛，提高准确度。其次，根据二度理论以及得寸进尺效应构建目标优化函数，估算用户的影响力，减小候选用户之间的影响力重叠影响，提高准确率。最后，结合目标函数以及IC方法构建局部寻优算法，对粒子群速度，位置，加速收敛，得到种子用户集合，实现影响力最大化。
- 一种基于饥饿游戏搜索算法构建预测模型的方法-201910944048.0
- 陈慧灵;杨宇涛;丁泽威;刘国民;罗云纲;赵学华;汪鹏君 - 温州大学
- 2019-09-30 - 2020-02-04 - G06N3/00
- 本发明提供一种基于饥饿游戏搜索算法构建预测模型的方法，包括获取样本数据并对所获取到的样本数据进行归一化处理；利用基于饥饿游戏搜索算法优化支持向量机的惩罚因子C和核宽γ；基于所获得的惩罚因子C和核宽γ，利用所归一化处理后的数据来构建预测模型，并基于所构建的预测模型对待分类样本进行分类和预测。实施本发明，通过基于饥饿游戏搜索算法来优化SVM的惩罚因子和核宽，借助算法易收敛，收敛精度高，以及逃脱局部最优解的能力强的特点，找到更优的全局近似最优解以获得分类精度更高的SVM模型。
- 一种基于微分进化的超球搜索算法-201911023202.7
- 赵海波;齐玉文;李恩龙;王艳秋 - 中车长春轨道客车股份有限公司
- 2019-10-25 - 2020-02-04 - G06N3/00
- 一种基于微分进化的超球搜索算法，定义初始种群数N
- 批量强化学习-201880038408.4
- D.哈夫纳 - 谷歌有限责任公司
- 2018-08-24 - 2020-02-04 - G06N3/00
- 用于批量强化学习的方法、系统和装置，包括编码在计算机存储介质上的计算机程序。例如，批量强化学习技术可用于在模拟中确定机器人的控制策略，然后该控制策略可用于在真实世界中控制机器人。一方面，一种方法包括获得多个当前观察值，每个当前观察值表征相应环境副本的当前状态；根据网络参数的当前值，使用动作选择神经网络并行处理当前观察值，以生成动作批；获得包括环境副本中的每一个的相应过渡元组的过渡元组批，每一个环境副本的相应过渡元组包括：(i)后续观察值和(ii)奖励；以及在该批过渡元组上训练动作选择神经网络。
- 一种关于进化算法的实验教学方法和系统-201910966399.1
- 胡小兵 - 中国民航大学
- 2019-10-12 - 2020-01-31 - G06N3/00
- 一种关于进化算法的实验教学方法和系统。其目的是实现让所有学生同做一个实验，并且让学生深度参与到进化算法运行过程的中间步骤决策当中。本发明的方法和系统利用手机APP让上实验课的所有学生扮演进化算法中的智体群，每个学生是智体群中的一个智体。而老师在手机APP上负责问题设置、进化算法参数设置、以及算法运行进度控制。学生扮演的智体可以按进化算法的工作机理在APP上进行各自的决策行为。当所有智体完成各自的决策行为后，老师控制算法运行进入下一代智体群；学生又在新一代智体群中扮演智体进行决策行为。如此反复，直到进化算法的停止运行条件满足。实验最终输出结果是所有学生共同深度参与同一个进化算法运行过程的中间步骤决策的结果。
- 一种混合蝙蝠算法的优化方法以及多层感知器的优化方法-201910886161.8
- 何发智;罗锦坤;李浩然;雍嘉诗 - 武汉大学
- 2019-09-19 - 2020-01-24 - G06N3/00
- 本发明公开了一种混合蝙蝠算法的优化方法以及多层感知器的优化方法，首先，在种群重构方面，通过改进原有反向学习策略，提出一种带扰动多策略反向学习，以重构一个有效的多样性搜索空间；其次，在全局勘探搜索方面，通过引入鲸鱼优化算法并对其进行改进，提出一种自适应约束步长鲸鱼优化算法，以弥补原有蝙蝠算法在全局勘探能力方面的不足；第三，在局部开采搜索方面，通过引入柯西变异和设计动态纠正策略，提出一种基于柯西变异和动态纠正的蝙蝠算法，以便提高原有蝙蝠算法的局部搜索能力；第四，优化得到的新算法在三个策略的协同作用下，有效提高了优化结果的精度和稳定性。最后，将新算法应用到多层感知器训练问题，并取得较高的分类精度。
- 使用图像嵌入优化机器人代理的策略控制器-201880038469.0
- Y.切博塔;P.塞尔马尼特;H.林奇 - 谷歌有限责任公司
- 2018-09-20 - 2020-01-24 - G06N3/00
- 提供了用于优化策略控制器以控制与环境交互以执行机器人任务的机器人代理的系统、方法和装置。方法之一包括使用神经网络优化策略控制器，该神经网络生成环境图像的数字嵌入和执行机器人任务的变体的另一代理的演示图像的演示序列。
- 支持向量机参数优化方法及系统-201910936895.2
- 张涛;刘宏志 - 北京工商大学
- 2019-09-29 - 2020-01-17 - G06N3/00
- 本发明提供一种支持向量机参数优化方法及系统，该方法包括步骤：读取样本数据划分训练集和测试集；对样本数据进行归一化处理，对训练集中蜻蜓的参数进行初始设置；将蜻蜓个体的位置信息依次赋值给支持向量机中的惩罚参数和核参数；构建SVM回归模型，计算每组参数对应的均方误差，作为种群中每个所述蜻蜓个体的适应度值，以获取最优个体和最差个体，将最优个体视为食物，将最差个体视为外敌；判断当前是否满足终止条件；若是，则结束，输出最优的一组参数并创建优化SVM模型；若否，则更新邻域半径，返回执行惩罚参数和核参数的赋值。本发明通过进行更新邻域半径的设计，以提高蜻蜓个体位置的差异性和分布性，提高了算法全局搜索能力和局部寻优精度。
- 一种非线性系统状态估计方法-201910885904.X
- 韩雪;王栋 - 中国科学院长春光学精密机械与物理研究所
- 2019-09-19 - 2020-01-14 - G06N3/00
- 一种非线性系统状态估计方法，涉及信号处理技术领域，解决现有粒子滤波方法在非线性系统状态估计过程中出现的粒子多样性匮乏问题。本发明采用萤火虫算法优化粒子分布，并且在将萤火虫算法与粒子滤波算法结合的过程中，对萤火虫算法进行了改进。本发明有效地增加了粒子多样性，提高了有效粒子的数量，降低了误差，提高了估计精度，广泛适用于非线性系统的状态估计问题。本发明采用萤火虫算法代替粒子滤波方法中的重采样过程，保持了粒子的多样性，避免了粒子多样性匮乏问题的出现。在将萤火虫算法与粒子滤波算法结合的过程中，从四方面对标准萤火虫算法进行了优化，有效提高了粒子的质量，使粒子的分布更加接近于待估计的状态量，提高了估计精度。
- 一种基于动态种群鲸鱼优化算法的社区检测方法-201910898508.0
- 陈红梅;封云飞;李天瑞;胡节;王澍 - 西南交通大学
- 2019-09-23 - 2020-01-10 - G06N3/00
- 本发明公开了一种基于动态种群鲸鱼优化算法的社区检测方法，依据网络的拓扑结构初始化鲸鱼群体；更新各鲸鱼的位置。改进了鲸鱼的三种位置更新方式，定义了新的变异操作(单基因变异和联合基因变异)和边界节点调整策略；提供了自适应算法迭代结束条件、动态种群策略以及社区融合策略增加种群多样性以提高社区检测结果的质量和算法效率并消除异常小社区，使鲸鱼算法能够较好的应用于社区检测(社区标签为符号空间搜索问题)。本发明能够准确高效地检测得到网络中具有较高质量的非重叠社区结构。
- 一种基于kriging代理模型加点策略的多目标粒子群优化算法-201910800992.9
- 陈静;刘震;仲帅;王登峰;陈书明;曹晓琳;唐傲天 - 吉林大学
- 2019-08-28 - 2019-12-24 - G06N3/00
- 本发明公开一种基于kriging代理模型加点策略的多目标粒子群优化算法，包括步骤1：获得初始样本点处的目标函数和约束函数；步骤2：基于Kriging模型构建多目标粒子群适应度函数，获取目标函数和约束函数的预测值的误差函数和复杂程度函数；步骤3：初始化粒子的位置和速度；步骤4：对所有粒子的位置和速度进行更新；进行支配关系比较获取非劣质解储备解集；步骤5：在维护后的所述非劣质解储备解集中，获取每个非劣质解的置信度评估函数：升序排序后提取前30％构成近似Pareto前沿解集；步骤6：获取近似Pareto前沿解集中每个粒子的EIM
- 用于新颖特征发现的自主学习平台-201880030744.4
- T·哈利斯;C·奥康奈尔;李玥;T·科罗列夫斯卡亚 - 维萨国际服务协会
- 2018-05-03 - 2019-12-24 - G06N3/00
- 实施例涉及一种执行自主学习以更新用于人工智能模型的输入特征的方法，所述方法包括接收信息空间的更新数据，所述信息空间包括具有定义的拓扑的节点的图，所述更新数据包括对所述人工智能模型的请求的历史数据以及与所述请求相关联的输出结果，其中不同类别的输入数据对应于所述图的不同输入节点。所述方法还可以包括通过执行路径优化来更新所述图的所述节点之间的边缘连接，所述路径优化各自使用一组代理在各周期探索所述信息空间以降低成本函数，每个连接包括强度值，其中在每个路径优化期间，其余代理之间在每个周期共享路径信息，以用于确定所述图中所述一组代理中的每个代理的下一个位置值。
- 一种基于多策略的改进回溯搜索优化算法-201910749642.4
- 魏锋涛;史云鹏 - 西安理工大学
- 2019-08-14 - 2019-12-20 - G06N3/00
- 本发明公开了一种基于多策略的改进回溯搜索优化算法，包括以下步骤：1.设置最大迭代次数及种群初始化，2.历史种群进行更新产生新的历史种群，并对新历史种群中的个体进行随机排序；3.融合变异策略，4.交叉操作形成交叉后的种群，5.基于模拟退火的小生境种群更新，生成的新的初始种群，6.比较交叉后的种群和生成的新的初始种群中个体的适应度值，保留适应度值小的个体并且记录当前最优解和最优个体，同时对生成的新的初始种群进行更新；7.判断当前迭代次数，若大于最大迭代次数则输出当前最优解，若小于等于最大迭代次数，返回2进行下一次迭代。本发明在保证种群的多样性的同时提高了算法的收敛速度。
- 一种分组进化的高维粒子群寻优方法-201910869500.1
- 徐慧;杨永国;王新;赵玉钧 - 中国矿业大学
- 2019-09-16 - 2019-12-20 - G06N3/00
- 本发明公开了一种分组进化的高维粒子群寻优方法，其步骤如下：将高维粒子的维数进行分组，以分组为单位依次进化，每组进化完即进行适应度值计算以确定该组是否完成本次进化。在一次迭代过程中，所有维分组进化完成，更新粒子位置。本发明在高维粒子群进化的过程中，通过分组，以子维分组作为进化单位，既解决了所有维同时进化寻优性能差的缺点，又解决了每一维依次进化寻优速度慢的缺点。
- 一种双目视觉探测系统结构优化方法-201910886407.1
- 张刘;宁爽;章家保;孙秋香;张帆;朱杨 - 吉林大学
- 2019-09-19 - 2019-12-20 - G06N3/00
- 本发明公开了一种双目视觉探测系统结构优化方法，包括以下步骤：建立双目探测系统性能分析模型；分析系统结构对测量精度的影响；指标参数影响分析；结构参数优化；仿真分析，建立双目系统精度分析结构模型，得到了双目结构的结构参数与系统指标参数的关系，而后分别对双目系统指标参数单变量数值分析，确定了各结构参数对指标参数的影响，最后在符合实际工业要求且保证有效视场与分辨率情况下通过设置优化目标函数，应用改进粒子群优化算法，得到了双目结构参量的最优解，通过这一方法，解决了原始的由人工经验设计的双目系统结构所造成的结构不确定性，使得双目系统结构的设计有据可依，提高了双目探测系统的测量精度。
- 基于堆叠自编码器的特征提取方法、装置及终端设备-201910865342.2
- 王明明;王莎;孙晓云;狄卫国;金安;杨小帆 - 石家庄铁道大学
- 2019-09-12 - 2019-12-17 - G06N3/00
- 本发明提供了一种基于堆叠自编码器的特征提取方法、装置及终端设备，该方法应用于特征提取技术领域，所述方法包括：设定堆叠自编码器的当前自编码器个数k＝1；基于改进的混合蛙跳算法确定k‑自编码器的结构参数；基于k‑自编码器的结构参数确定k‑自编码器的重构误差；若k‑自编码器的重构误差大于预设阈值，则在堆叠自编码器中增加一个自编码器，令k＝k+1，并返回执行基于改进的混合蛙跳算法确定k‑自编码器的结构参数的步骤；若k‑自编码器的重构误差不大于预设阈值，则确定堆叠自编码器训练完成，并基于训练完成的堆叠自编码器对数据进行特征提取。本发明提供的基于堆叠自编码器的特征提取方法、装置及终端设备能够提高特征提取的速度和精度。
- 总线胚胎电子细胞阵列中电子细胞数目选择方法-201710136635.8
- 蔡金燕;孟亚峰;王涛;韩春辉;李丹阳;孟繁卿 - 中国人民解放军军械工程学院
- 2017-03-09 - 2019-12-17 - G06N3/00
- 本发明适用于胚胎电子细胞阵列技术领域，提供了一种总线胚胎电子细胞阵列中电子细胞数目选择方法。该方法包括：分析总线胚胎电子细胞阵列的结构和工作特点，采用多态系统理论，建立总线胚胎电子细胞阵列的可靠性分析模型；以MOS管消耗数目为硬件资源消耗的衡量指标，建立总线胚胎电子细胞阵列的硬件资源消耗模型；针对电路的设计要求，利用所述可靠性分析模型和所述硬件资源消耗模型对阵列设计进行评估，确定总线胚胎电子细胞阵列中电子细胞的数目。上述方法能够合理地选择阵列功能模块内电子细胞的数目与空闲电子细胞数目，兼顾阵列的可靠性和硬件资源消耗。
- 使用先行搜索来训练动作选择神经网络-201880029168.1
- K.西蒙扬;D.西尔弗;J.施里特威泽 - 渊慧科技有限公司
- 2018-05-28 - 2019-12-17 - G06N3/00
- 用于训练动作选择神经网络的方法、系统以及装置，包括在计算机存储介质上编码的计算机程序。方法之一包括：接收表征环境的当前状态的观察；通过执行从当前状态开始直到环境到达满足一个或多个终结准则的可能未来状态为止的环境的可能未来状态的先行搜索来确定用于观察的目标网络输出，其中，由神经网络根据网络参数的当前值来引导先行搜索；使用通过执行先行搜索所生成的目标网络输出、响应于观察来选择将由代理执行的动作；以及将与观察相关联的目标网络输出存储在探索历史数据存贮器中，用于更新网络参数的当前值。
- 一种基于人工蜂群算法的优化方法-201910825742.0
- 柳培忠;刘大海;刘晓芳;骆炎民;汪鸿翔;杜永兆;范宇凌 - 华侨大学;泉州市中仿宏业信息科技有限公司;中科永大控股有限公司
- 2019-09-03 - 2019-12-13 - G06N3/00
- 本发明公开了一种基于人工蜂群算法的优化方法，涉及仿生智能计算与优化领域。本发明采用一种新的初始化策略，从而获得较高质量的初始种群并减少寻优迭代次数；然后提出了两个新的搜索方程，其中一个用于增强局部搜索能力，另一个用于避免后期寻优过程的早熟收敛；进一步地，本发明对基本人工蜂群算法的框架进行了调整。本发明在于提供一种基于人工蜂群算法的优化方法，增强初始种群的多样性和分布性，提高搜索随机性，避免陷入局部最优，改进算法性能，无论在解的精度还是收敛速度方面，效果都有所提高。
- 基于协同变异方法的多目标粒子群优化算法-201910838375.8
- 谢承旺;张飞龙;周慧;闭应洲;龙广林 - 南宁师范大学
- 2019-09-05 - 2019-12-13 - G06N3/00
- 本发明公开了一种基于协同变异方法的多目标粒子群优化算法，该算法在待解问题的决策空间随机产生一个规模为N的初始种群，在迭代过程中将种群随机地划分成两个等规模的子种群P
- 一种基于群体团聚效应的梯度自适应粒子群优化方法-201910768302.6
- 马刚;邓卓然;周伟;张大任;程家林;常晓林 - 武汉大学
- 2019-08-20 - 2019-12-10 - G06N3/00
- 本发明公开了一种基于群体团聚效应的梯度自适应粒子群优化方法，首先，设置初始化参数，初始化粒子群的速度和位置，然后初始化种群极值与个体极值，接着根据粒子在搜索空间中的相对位置，采用K‑Means聚类算法对粒子群进行聚类，获得聚类结果，接下来根据聚类结果，计算聚类极值以及相应的位置；然后根据粒子的目标函数适应度值的下降梯度自适应调整每个粒子的计算参数，再根据粒子的当前位置以及目标函数计算粒子在当前位置的适应度值；最后根据粒子的在当前位置的适应度值，更新个体极值、聚类极值和全局极值，并更新粒子的速度和位置。本发明的方法能够有效解决现有粒子群方法早熟收敛、陷入局部最优等问题，大大提高了算法的寻优能力。
- 一种基于Lorenz系统的风速区间预测方法及系统-201910805484.X
- 张亚刚;高爽;赵云鹏;王增平 - 华北电力大学(保定)
- 2019-08-29 - 2019-12-06 - G06N3/00
- 本发明公开一种基于Lorenz系统的风速区间预测方法及系统。该预测方法包括：获取原始风速序列；对所述风速序列进行变分模态分解(VMD)，获取去噪序列和噪声余项；建立长短时神经网络预测模型(LSTM)，对所述去噪序列进行初步预测，获取初步预测结果；通过定义风速爬坡事件(WSR)和风速爬坡率，对初步预测结果进行修正，获取修正的风速预测结果；通过Lorenz方程描述大气动力系统对风速的影响，并得到Lorenz扰动序列(LDS)；通过B样条插值法对LDS进行拟合，并对拟合结果固定置信区间，获取风速扰动区间的上限和下限；将修正的风速预测结果和风速扰动区间进行求和，获取风速的区间预测结果；本发明的风速区间预测方法或系统显著提高了预测模型的精度和可靠性，可获得高精度预测结果。
- 一种基于万有引力定律的萤火虫优化算法-201910686336.0
- 易灵芝;冯晓东;朱和潇;黄其森 - 湘潭大学
- 2019-07-29 - 2019-12-03 - G06N3/00
- 本发明公开了一种基于万有引力定律的萤火虫优化算法。萤火虫算法(FA)是一种新型的群智能优化方法。针对萤火虫算法在求解全局最优解时，存在求解精度太低和容易陷入局部收敛的问题。该算法引用了万有引力定律，将万有引力作为萤火虫粒子之间的吸引力，生成一种新型的进化计算模式，并且在种群陷入局部最优区域时，采用高斯变异来提高萤火虫个体的多样性，并且优化算法以概率1收敛于全局最优。
- 一种基于改进烟花算法在CMP架构下的任务调度方法-201910738722.X
- 李静梅;牛双月 - 哈尔滨工程大学
- 2019-08-12 - 2019-12-03 - G06N3/00
- 本发明属于数学技术领域，具体涉及可以提高执行效率的一种基于改进烟花算法在CMP架构下的任务调度方法。本方法包括如下步骤：将CMP任务调度问题中的N个任务调度序列映射为N个烟花，初始化；计算每个烟花的适应度值、爆炸半径和爆炸火花数；进行爆炸和高斯变异；将超出可行域的烟花映射回可行域内；将烟花按照适应度值进行升序排序；将适应度值最小的烟花选择为下一代烟花。本发明将改进的烟花算法用于CMP任务调度问题中，使得执行完全部任务所用时间最短，有效的提高了CMP架构下任务的执行效率。
- 基于小波基函数和最优变异策略的差分进化算法及应用-201910614940.2
- 邓武;赵慧敏;徐俊洁 - 中国民航大学
- 2019-07-09 - 2019-11-29 - G06N3/00
- 本发明涉及差分进化算法技术领域，尤其涉及基于小波基函数和最优变异策略的差分进化算法及应用，在基于小波基函数和最优变异策略的差分进化算法中，采用小波基函数来控制参数F以及正态分布来控制CR，以保证解的多样性、加速算法收敛和提高算法性能；在选择变异策略时，基于五种变异策略优势互补，提出一种最优变异策略方法，用作差分进化算法的变异策略，用于提高算法局部搜索能力，保证算法的全局搜索特性，同时，该方法能够高效的完成测试函数和机场停机位分配问题的有效求解，实验结果还证明所提出的方法与比较方法相比具有竞争力。
- 基于并行时变因子PSO的太阳辐射预测资料同化算法-201910646894.4
- 童亚拉;杨晓艳;刘亚东;刘力源;董怡琦;余一冬;陈科 - 湖北工业大学
- 2019-07-17 - 2019-11-29 - G06N3/00
- 本发明公开了一种基于并行时变因子PSO的太阳辐射预测资料同化算法，包括步骤：一：初始化算法参数；二:初始化读写同步锁，根据分组数依次创建线程，并将算法参数，各分组粒子数和最大迭代次数分配给各个线程；三：分线程随机初始化组内粒子；四：计算资料同化代价函数；五：分组线程获取读写同步锁；六：更新全局最优解；七：分组线程释放读写同步锁；步骤八：调整时变压缩因子，按时变双重压缩因子算法更新粒子速度，更新粒子位置；九：判断该分组是否到达最大迭代次数，满足条件则结束该分组线程；十：等待各分组线程结束，输出结果。本发明解决现有同化方案精度不高，算法鲁棒性不强，同化耗费时间过长问题。
- 一种基于粒子群和鲸鱼群的求解双层线性规划混合算法-201910734315.1
- 度巍;汤文斌 - 南通大学
- 2019-08-09 - 2019-11-29 - G06N3/00
- 本发明涉及一种基于粒子群和鲸鱼群的求解双层线性规划混合算法，属于双层线性规划技术领域。该算法首先设置初始化各个参数，生成满足约束条件的初始可行解，然后再通过下层以单纯形法返回的最优解计算出当前种群的适应度，并更新记录最优适应度的鲸鱼个体以及每条鲸鱼当前最近且较优的鲸鱼个体，接着判断最近且较优的鲸鱼个体是否存在，如果存在，结合粒子群算法移动规则，移动鲸鱼群，否则判断是否到达迭代次数，若到达，则停止计算过程，并输出结果若未到达，继续按照以上规则进行鲸鱼群移动操作。本发明在寻找最优解时，兼顾全局搜索和局部搜索，加快了收敛速度，提升了算法的全局搜索能力和计算效率。
- 专利分类
