针对捕鱼优化算法(catch fish optimization algorithm,CFOA)容易陷入局部最优、迭代后期种群多样性单一等问题,提出一种多策略融合改进的捕鱼优化算法。首先,通过反向学习策略进行种群初始化,以提高初始种群的质量;其次,引入组长趋同...针对捕鱼优化算法(catch fish optimization algorithm,CFOA)容易陷入局部最优、迭代后期种群多样性单一等问题,提出一种多策略融合改进的捕鱼优化算法。首先,通过反向学习策略进行种群初始化,以提高初始种群的质量;其次,引入组长趋同自适应组队策略,强化算法优势经验的学习;最后,通过引入Lévy飞行螺旋搜索策略,改善集体捕获阶段算法跳出局部最优值的能力;改进算法与灰狼优化(grey wolf optimization,GWO)算法、麻雀优化算法(sparrow search algorithm,SSA)、鲸鱼优化算法(whale optimization algorithm,WOA)、正弦余弦优化算法(sine cosine algorithm,SCA)等7种算法在15个基准测试函数上进行了仿真对比分析。试验结果表明,改进算法在求解精度和收敛速度等方面有较好提升。此外,3个工程设计优化问题的仿真试验进一步验证了改进算法在处理工程优化问题上的优越性。展开更多
针对燃煤电厂参与调峰负荷波动较大,出口SO_(2)浓度控制效果不佳的问题,建立了一种基于捕鱼优化算法(catch fish optimization algorithm,CFOA)优化融合神经网络的出口SO_(2)浓度预测模型。首先使用互信息算法筛选由机理分析得到的特征...针对燃煤电厂参与调峰负荷波动较大,出口SO_(2)浓度控制效果不佳的问题,建立了一种基于捕鱼优化算法(catch fish optimization algorithm,CFOA)优化融合神经网络的出口SO_(2)浓度预测模型。首先使用互信息算法筛选由机理分析得到的特征变量,并通过逐次变分模态分解对筛选后的辅助变量进行分解重构,保留相关性较大的重构分量作为输入变量。随后采用双向时间卷积网络、双向门控循环单元与多头自注意力机制构建融合神经网络模型,通过CFOA对模型超参数寻优以进一步提高精度。最后使用某660 MW燃煤电厂历史运行数据进行对比实验,实验结果表明,该模型在出口SO_(2)浓度剧烈波动的工况下仍能实现较好的预测效果。同多种模型对比,该模型具有更小的误差和更高的预测精度,体现出其在复杂变化环境中的鲁棒性和可靠性。展开更多
文摘针对燃煤电厂参与调峰负荷波动较大,出口SO_(2)浓度控制效果不佳的问题,建立了一种基于捕鱼优化算法(catch fish optimization algorithm,CFOA)优化融合神经网络的出口SO_(2)浓度预测模型。首先使用互信息算法筛选由机理分析得到的特征变量,并通过逐次变分模态分解对筛选后的辅助变量进行分解重构,保留相关性较大的重构分量作为输入变量。随后采用双向时间卷积网络、双向门控循环单元与多头自注意力机制构建融合神经网络模型,通过CFOA对模型超参数寻优以进一步提高精度。最后使用某660 MW燃煤电厂历史运行数据进行对比实验,实验结果表明,该模型在出口SO_(2)浓度剧烈波动的工况下仍能实现较好的预测效果。同多种模型对比,该模型具有更小的误差和更高的预测精度,体现出其在复杂变化环境中的鲁棒性和可靠性。
