Moth-flame optimization(MFO)is a novel metaheuristic algorithm inspired by the characteristics of a moth’s navigation method in nature called transverse orientation.Like other metaheuristic algorithms,it is easy to f...Moth-flame optimization(MFO)is a novel metaheuristic algorithm inspired by the characteristics of a moth’s navigation method in nature called transverse orientation.Like other metaheuristic algorithms,it is easy to fall into local optimum and leads to slow convergence speed.The chaotic map is one of the best methods to improve exploration and exploitation of the metaheuristic algorithms.In the present study,we propose a chaos-enhanced MFO(CMFO)by incorporating chaos maps into the MFO algorithm to enhance its performance.The chaotic map is utilized to initialize the moths’population,handle the boundary overstepping,and tune the distance parameter.The CMFO is benchmarked on three groups of benchmark functions to find out the most efficient one.The performance of the CMFO is also verified by using two real engineering problems.The statistical results clearly demonstrate that the appropriate chaotic map(singer map)embedded in the appropriate component of MFO can significantly improve the performance of MFO.展开更多
针对新能源渗透率提升带来的电压稳定风险,同时考虑柔性互联装置逐步在电力系统试点应用的背景,提出一种考虑电压稳定的含智能储能软开关(soft open point with energy storage system integration,E-SOP)配电系统分布式电源双层规划模...针对新能源渗透率提升带来的电压稳定风险,同时考虑柔性互联装置逐步在电力系统试点应用的背景,提出一种考虑电压稳定的含智能储能软开关(soft open point with energy storage system integration,E-SOP)配电系统分布式电源双层规划模型。首先,分析电压稳定指标及E-SOP的作用机理。其次,基于拉丁超立方采样和经K-medoids算法融合的改进同步回代缩减法得到典型概率日场景。然后,建立含E-SOP接入的双层规划模型,上层模型以年综合费用最小为目标,对风电、光伏等设备进行选址定容;下层模型以电压稳定性、网络损耗、平均电压偏移等为目标,实施含E-SOP的有功无功协同优化。最后,采用改进飞蛾扑火算法进行模型求解。经IEEE 33节点配电系统算例分析,其结果表明,该模型能有效提高配电系统的经济性和实时运行的电压稳定性,验证了求解算法的优越性。展开更多
及时准确识别母猪的发情行为可以有效增加受胎率和产仔量,对提高养殖企业的繁育水平和经济效益具有重要意义。该研究针对生猪养殖过程中母猪发情行为识别存在主观性强、智能化水平低、假警报和错误率高、识别不及时等问题,提出了一种基...及时准确识别母猪的发情行为可以有效增加受胎率和产仔量,对提高养殖企业的繁育水平和经济效益具有重要意义。该研究针对生猪养殖过程中母猪发情行为识别存在主观性强、智能化水平低、假警报和错误率高、识别不及时等问题,提出了一种基于飞蛾扑火算法(Moth-Flame Optimization,MFO)优化长短时记忆网络(Long Short Term Memory,LSTM)的母猪发情行为识别方法。利用安装在母猪颈部的姿态传感器获得母猪姿态数据,然后使用姿态数据训练MFO-LSTM姿态分类模型,将母猪姿态分为立姿、卧姿和爬跨3类。通过对姿态分类结果进行分析,确定以爬跨行为和活动量2个特征作为发情行为识别依据,使用MFO-LSTM分类算法判断母猪是否发情。以山西省太原市杏花岭区五丰养殖场的试验数据对该方法进行验证,结果表明,该方法在以30 min为发情行为识别时间时的识别效果最好,发情行为识别的错误率为13.43%,召回率为90.63%,特效性为81.63%,与已有的母猪发情行为识别方法相比错误率降低了80%以上。该方法在保证识别准确率的情况下有效降低了错误率,可满足母猪养殖生产过程中发情行为自动识别要求。展开更多
针对当前网络入侵检测中的数据量较大、数据维度较高的特点,将飞蛾扑火优化(MFO)算法应用于网络入侵检测的特征选择中。鉴于MFO算法收敛过快、易陷入局部最优的问题,提出一种融合粒子群优化(PSO)的二进制飞蛾扑火优化(BPMFO)算法。该算...针对当前网络入侵检测中的数据量较大、数据维度较高的特点,将飞蛾扑火优化(MFO)算法应用于网络入侵检测的特征选择中。鉴于MFO算法收敛过快、易陷入局部最优的问题,提出一种融合粒子群优化(PSO)的二进制飞蛾扑火优化(BPMFO)算法。该算法引入MFO螺旋飞行公式,具有较强的局部搜索能力;结合了粒子群优化(PSO)算法的速度更新方法,让种群个体随着全局最优解和历史最优解的方向移动,增强算法的全局收敛性,从而避免易陷入局部最优。仿真实验以KDD CUP 99数据集为实验基础,分别采用支持向量机(SVM)、K最近邻(KNN)算法和朴素贝叶斯(NBC)3种分类器,与二进制飞蛾扑火优化(BMFO)算法、二进制粒子群优化(BPSO)算法、二进制遗传算法(BGA)、二进制灰狼优化(BGWO)算法和二进制布谷鸟搜索(BCS)算法进行了实验对比。实验结果表明,BPMFO算法应用于网络入侵检测的特征选择时,在算法精度、运行效率、稳定性、收敛速度以及跳出局部最优的综合性能上具有明显优势。展开更多
基金supported by the Military Science Project of the National Social Science Foundation of China(15GJ003-141)
文摘Moth-flame optimization(MFO)is a novel metaheuristic algorithm inspired by the characteristics of a moth’s navigation method in nature called transverse orientation.Like other metaheuristic algorithms,it is easy to fall into local optimum and leads to slow convergence speed.The chaotic map is one of the best methods to improve exploration and exploitation of the metaheuristic algorithms.In the present study,we propose a chaos-enhanced MFO(CMFO)by incorporating chaos maps into the MFO algorithm to enhance its performance.The chaotic map is utilized to initialize the moths’population,handle the boundary overstepping,and tune the distance parameter.The CMFO is benchmarked on three groups of benchmark functions to find out the most efficient one.The performance of the CMFO is also verified by using two real engineering problems.The statistical results clearly demonstrate that the appropriate chaotic map(singer map)embedded in the appropriate component of MFO can significantly improve the performance of MFO.
文摘针对新能源渗透率提升带来的电压稳定风险,同时考虑柔性互联装置逐步在电力系统试点应用的背景,提出一种考虑电压稳定的含智能储能软开关(soft open point with energy storage system integration,E-SOP)配电系统分布式电源双层规划模型。首先,分析电压稳定指标及E-SOP的作用机理。其次,基于拉丁超立方采样和经K-medoids算法融合的改进同步回代缩减法得到典型概率日场景。然后,建立含E-SOP接入的双层规划模型,上层模型以年综合费用最小为目标,对风电、光伏等设备进行选址定容;下层模型以电压稳定性、网络损耗、平均电压偏移等为目标,实施含E-SOP的有功无功协同优化。最后,采用改进飞蛾扑火算法进行模型求解。经IEEE 33节点配电系统算例分析,其结果表明,该模型能有效提高配电系统的经济性和实时运行的电压稳定性,验证了求解算法的优越性。
文摘及时准确识别母猪的发情行为可以有效增加受胎率和产仔量,对提高养殖企业的繁育水平和经济效益具有重要意义。该研究针对生猪养殖过程中母猪发情行为识别存在主观性强、智能化水平低、假警报和错误率高、识别不及时等问题,提出了一种基于飞蛾扑火算法(Moth-Flame Optimization,MFO)优化长短时记忆网络(Long Short Term Memory,LSTM)的母猪发情行为识别方法。利用安装在母猪颈部的姿态传感器获得母猪姿态数据,然后使用姿态数据训练MFO-LSTM姿态分类模型,将母猪姿态分为立姿、卧姿和爬跨3类。通过对姿态分类结果进行分析,确定以爬跨行为和活动量2个特征作为发情行为识别依据,使用MFO-LSTM分类算法判断母猪是否发情。以山西省太原市杏花岭区五丰养殖场的试验数据对该方法进行验证,结果表明,该方法在以30 min为发情行为识别时间时的识别效果最好,发情行为识别的错误率为13.43%,召回率为90.63%,特效性为81.63%,与已有的母猪发情行为识别方法相比错误率降低了80%以上。该方法在保证识别准确率的情况下有效降低了错误率,可满足母猪养殖生产过程中发情行为自动识别要求。
文摘针对当前网络入侵检测中的数据量较大、数据维度较高的特点,将飞蛾扑火优化(MFO)算法应用于网络入侵检测的特征选择中。鉴于MFO算法收敛过快、易陷入局部最优的问题,提出一种融合粒子群优化(PSO)的二进制飞蛾扑火优化(BPMFO)算法。该算法引入MFO螺旋飞行公式,具有较强的局部搜索能力;结合了粒子群优化(PSO)算法的速度更新方法,让种群个体随着全局最优解和历史最优解的方向移动,增强算法的全局收敛性,从而避免易陷入局部最优。仿真实验以KDD CUP 99数据集为实验基础,分别采用支持向量机(SVM)、K最近邻(KNN)算法和朴素贝叶斯(NBC)3种分类器,与二进制飞蛾扑火优化(BMFO)算法、二进制粒子群优化(BPSO)算法、二进制遗传算法(BGA)、二进制灰狼优化(BGWO)算法和二进制布谷鸟搜索(BCS)算法进行了实验对比。实验结果表明,BPMFO算法应用于网络入侵检测的特征选择时,在算法精度、运行效率、稳定性、收敛速度以及跳出局部最优的综合性能上具有明显优势。
