期刊文献+
任意字段
题名或关键词
题名
关键词
摘要
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到212篇文章
< 1 2 … 11 >
每页显示 20 50 100
已选0条
引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
Multi-strategy improved sand cat swarm optimization based on somersault pursuit and adaptive Lévy flight 认领 引用
1
作者 Wu Jin Xiong Hao +1 位作者 Luo Wenxuan Hao Chengbin 《High Technology Letters》 EI CAS 2026年第1期30-38,共9页
To address the limitations of the sand cat swarm optimization(SCSO) algorithm which are slow convergence and low accuracy in complex problems,this study proposes an improved SCSO(ISCSO) algorithm that integrates multi... To address the limitations of the sand cat swarm optimization(SCSO) algorithm which are slow convergence and low accuracy in complex problems,this study proposes an improved SCSO(ISCSO) algorithm that integrates multiple enhancement strategies.Firstly,Kent chaotic mapping initializes the population for uniform distribution.Secondly,somersault foraging strategy is introduced during the search and attack phases,allowing the algorithm to escape local optima by intercepting evasive prey.Simultaneously,an adaptive Lévy flight strategy is incorporated into the attack phase to bolster global exploration.Finally,the vertical and horizontal crossover strategy is implemented to enhance population diversity.The performance of the proposed algorithm is evaluated using 16 benchmark test functions.The experimental results demonstrate that ISCSO significantly outperforms the original SCSO and shows notable advantages over other metaheuristic algorithms.Furthermore,application to a pressure vessel design problem verifies ISCSO's effectiveness in solving practical engineering optimization challenges. 展开更多
关键词 sand cat swarm optimization Kent chaotic mapping somersault pursuit adaptive Lévy flight vertical and horizontal crossover
暂未订购 下载PDF
Enhanced Sand Cat with Selective Opposition(ESCSO)Algorithm for Optimization and Engineering Problems 认领 引用
2
作者 Aisha Tanveer Noraini Ibrahim +2 位作者 Muhammad Zubair Rehman Abdullah Khan Nazri MohdNawi 《Computers, Materials & Continua》 SCIE EI 2026年第10期2104-2125,共22页
Metaheuristic optimization algorithms have gained wide adoption in engineering and scientific domains.However,many swarm-based methods struggle to balance exploration and exploitation,often converging prematurely on s... Metaheuristic optimization algorithms have gained wide adoption in engineering and scientific domains.However,many swarm-based methods struggle to balance exploration and exploitation,often converging prematurely on suboptimal solutions.The Sand Cat Swarm Optimization(SCSO)algorithm is one such method,with limited exploration ability constraining its performance on complex problem landscapes.This paper introduced the Enhanced Sand Cat with Selective Opposition(ESCSO)algorithm which combines opposition-based learning with a velocity mechanism to overcome this limitation.In ESCSO,under-performing candidates referred to as Sigma-variant cats are identified using Spearman correlation and replaced with their opposite solutions to inject diversity into the search process.Stronger candidates termed Sigma cats,act as elite guides pulling the search toward better regions.A PSO-inspired velocity update governs both roles,keeping exploration and exploitation in balance rather than letting one dominate.Tested across 30 benchmark functions plus two real engineering problems,reflectarray antenna design and microgrid energy management,ESCSO achieves competitive convergence,solution quality,and robustness when compared to recent state-of-the-art methods. 展开更多
关键词 Opposition-based learning metaheuristics search algorithm sand cat optimization swarm intelligence microgrid energy management Reflectarray antenna
暂未订购 下载PDF
Enhanced Particle Swarm Optimization Algorithm Based on SVM Classifier for Feature Selection 认领 引用
3
作者 Xing Wang Huazhen Liu +2 位作者 Abdelazim G.Hussien Gang Hu Li Zhang 《Computer Modeling in Engineering & Sciences》 SCIE EI 2025年第3期2791-2839,共49页
Feature selection(FS)is essential in machine learning(ML)and data mapping by its ability to preprocess high-dimensional data.By selecting a subset of relevant features,feature selection cuts down on the dimension of t... Feature selection(FS)is essential in machine learning(ML)and data mapping by its ability to preprocess high-dimensional data.By selecting a subset of relevant features,feature selection cuts down on the dimension of the data.It excludes irrelevant or surplus features,thus boosting the performance and efficiency of the model.Particle Swarm Optimization(PSO)boasts a streamlined algorithmic framework and exhibits rapid convergence traits.Compared with other algorithms,it incurs reduced computational expenses when tackling high-dimensional datasets.However,PSO faces challenges like inadequate convergence precision.Therefore,regarding FS problems,this paper presents a binary version enhanced PSO based on the Support Vector Machines(SVM)classifier.First,the Sand Cat Swarm Optimization(SCSO)is added to enhance the global search capability of PSO and improve the accuracy of the solution.Secondly,the Latin hypercube sampling strategy initializes populations more uniformly and helps to increase population diversity.The last is the roundup search strategy introducing the grey wolf hierarchy idea to help improve convergence speed.To verify the capability of Self-adaptive Cooperative Particle Swarm Optimization(SCPSO),the CEC2020 test suite and CEC2022 test suite are selected for experiments and applied to three engineering problems.Compared with the standard PSO algorithm,SCPSO converges faster,and the convergence accuracy is significantly improved.Moreover,SCPSO’s comprehensive performance far exceeds that of other algorithms.Six datasets from the University of California,Irvine(UCI)database were selected to evaluate SCPSO’s effectiveness in solving feature selection problems.The results indicate that SCPSO has significant potential for addressing these problems. 展开更多
关键词 Feature selection SVM particle swarm optimization sand cat swarm optimization engineering problems
暂未订购 下载PDF
Sand Cat Swarm Optimization with Deep Transfer Learning for Skin Cancer Classification 认领 引用
4
作者 C.S.S.Anupama Saud Yonbawi +3 位作者 G.Jose Moses E.Laxmi Lydia Seifedine Kadry Jungeun Kim 《Computer Systems Science & Engineering》 SCIE EI 2023年第11期2079-2095,共17页
Skin cancer is one of the most dangerous cancer.Because of the high melanoma death rate,skin cancer is divided into non-melanoma and melanoma.The dermatologist finds it difficult to identify skin cancer from dermoscop... Skin cancer is one of the most dangerous cancer.Because of the high melanoma death rate,skin cancer is divided into non-melanoma and melanoma.The dermatologist finds it difficult to identify skin cancer from dermoscopy images of skin lesions.Sometimes,pathology and biopsy examinations are required for cancer diagnosis.Earlier studies have formulated computer-based systems for detecting skin cancer from skin lesion images.With recent advancements in hardware and software technologies,deep learning(DL)has developed as a potential technique for feature learning.Therefore,this study develops a new sand cat swarm optimization with a deep transfer learning method for skin cancer detection and classification(SCSODTL-SCC)technique.The major intention of the SCSODTL-SCC model lies in the recognition and classification of different types of skin cancer on dermoscopic images.Primarily,Dull razor approach-related hair removal and median filtering-based noise elimination are performed.Moreover,the U2Net segmentation approach is employed for detecting infected lesion regions in dermoscopic images.Furthermore,the NASNetLarge-based feature extractor with a hybrid deep belief network(DBN)model is used for classification.Finally,the classification performance can be improved by the SCSO algorithm for the hyperparameter tuning process,showing the novelty of the work.The simulation values of the SCSODTL-SCC model are scrutinized on the benchmark skin lesion dataset.The comparative results assured that the SCSODTL-SCC model had shown maximum skin cancer classification performance in different measures. 展开更多
关键词 Deep learning skin cancer dermoscopic images sand cat swarm optimization machine learning
暂未订购 下载PDF
Three stage dynamic partitioning method of active distribution network based on improved sand cat swarm 认领 引用
5
作者 ZHANG Maosong ZHANG Luyao +3 位作者 YANG Jie YANG Lingxiao WANG Xiuqin TAO Jun 《High Technology Letters》 EI CAS 2025年第3期211-225,共15页
With the large-scale integration of renewable energy sources into the grid,distribution networks are increasingly challenged by issues related to renewable energy accommodation and the mainte-nance of power quality st... With the large-scale integration of renewable energy sources into the grid,distribution networks are increasingly challenged by issues related to renewable energy accommodation and the mainte-nance of power quality stability.To address the challenge that existing partitioning methods are inad-equate for the planning and operation needs of active distribution networks under frequently changing power flow conditions,a three-stage dynamic partitioning approach is proposed based on an im-proved sand cat swarm optimization(ISCSO)algorithm.Firstly,a comprehensive dynamic partitio-ning index is developed by integrating both structural and functional metrics,including modularity,voltage regulation capability,and regional renewable energy accommodation capacity.Secondly,to overcome the limitations of the conventional sand cat swarm optimization,namely its weak global ex-ploration ability and tendency to fall into local optima in the later optimization stages,chaotic map-ping is employed to initialize a uniformly distributed population.A nonlinear sensitivity mechanism is introduced to balance global exploration and local exploitation,alongside the design of a particle encoding and position updating scheme tailored for dynamic partitioning.Furthermore,a‘state re-tention-local adjustment-global reconstruction’partitioning structure is developed.To avoid unnec-essary partition changes under minor source-load fluctuations,the concept of overlapping nodes is introduced,enabling fine-tuned adjustments under such conditions.Finally,two experimental sce-narios are designed to validate the proposed method.Simulation results demonstrate strong electrical coupling performance and show that the method enhances voltage regulation and renewable energy integration capabilities across regions. 展开更多
关键词 renewable energy consumption dynamic partition modularity voltage regulation sand cat swarm algorithm overlapping nodes
暂未订购 下载PDF
Modified particle swarm optimization-based antenna tilt angle adjusting scheme for LTE coverage optimization 认领 引用 被引量：6
6
作者 潘如君 蒋慧琳 +3 位作者 裴氏莺 李沛 潘志文 刘楠 《Journal of Southeast University(English Edition)》 EI CAS 2015年第4期443-449,共7页
In order to solve the challenging coverage problem that the long term evolution（ LTE） networks are facing, a coverage optimization scheme by adjusting the antenna tilt angle（ ATA） of evolved Node B（ e NB） is pro... In order to solve the challenging coverage problem that the long term evolution（ LTE） networks are facing, a coverage optimization scheme by adjusting the antenna tilt angle（ ATA） of evolved Node B（ e NB） is proposed based on the modified particle swarm optimization（ MPSO） algorithm.The number of mobile stations（ MSs） served by e NBs, which is obtained based on the reference signal received power（RSRP） measured from the MS, is used as the metric for coverage optimization, and the coverage problem is optimized by maximizing the number of served MSs. In the MPSO algorithm, a swarm of particles known as the set of ATAs is available; the fitness function is defined as the total number of the served MSs; and the evolution velocity corresponds to the ATAs adjustment scale for each iteration cycle. Simulation results showthat compared with the fixed ATA, the number of served MSs by e NBs is significantly increased by 7. 2%, the quality of the received signal is considerably improved by 20 d Bm, and, particularly, the system throughput is also effectively increased by 55 Mbit / s. 展开更多
关键词 long term evolution（LTE） networks antenna tilt angle coverage optimization modified particle swarm optimization algorithm
暂未订购 下载PDF
Optimization of Thermal Aware VLSI Non-Slicing Floorplanning Using Hybrid Particle Swarm Optimization Algorithm-Harmony Search Algorithm 认领 引用 被引量：1
7
作者 Sivaranjani Paramasivam Senthilkumar Athappan +1 位作者 Eswari Devi Natrajan Maheswaran Shanmugam 《Circuits and Systems》 2016年第5期562-573,共12页
Floorplanning is a prominent area in the Very Large-Scale Integrated (VLSI) circuit design automation, because it influences the performance, size, yield and reliability of the VLSI chips. It is the process of estimat... Floorplanning is a prominent area in the Very Large-Scale Integrated (VLSI) circuit design automation, because it influences the performance, size, yield and reliability of the VLSI chips. It is the process of estimating the positions and shapes of the modules. A high packing density, small feature size and high clock frequency make the Integrated Circuit (IC) to dissipate large amount of heat. So, in this paper, a methodology is presented to distribute the temperature of the module on the layout while simultaneously optimizing the total area and wirelength by using a hybrid Particle Swarm Optimization-Harmony Search (HPSOHS) algorithm. This hybrid algorithm employs diversification technique (PSO) to obtain global optima and intensification strategy (HS) to achieve the best solution at the local level and Modified Corner List algorithm (MCL) for floorplan representation. A thermal modelling tool called hotspot tool is integrated with the proposed algorithm to obtain the temperature at the block level. The proposed algorithm is illustrated using Microelectronics Centre of North Carolina (MCNC) benchmark circuits. The results obtained are compared with the solutions derived from other stochastic algorithms and the proposed algorithm provides better solution. 展开更多
关键词 VLSI Non-Slicing Floorplan Modified Corner List (MCL) Algorithm Hybrid Particle Swarm Optimization-Harmony Search Algorithm (HPSOHS)
暂未订购 下载PDF
融合注意力机制与深度学习的深基坑变形预测 认领 引用 被引量：1
8
作者 喻桂成 王铁力 +4 位作者 张斌 周明明 陈浩 蒋健楠 周煜 《科学技术与工程》 EI 北大核心 2026年第3期1231-1238,共8页
为改善现有机器学习模型实时预测深基坑变形的准确性,增强模型对于复杂时序依赖关系的动态学习能力,构建了一种基于注意力(attention)机制和沙丘猫优化算法(sand cat swarm optimization,SCSO)的门控循环网络预测模型。该模型在门控循... 为改善现有机器学习模型实时预测深基坑变形的准确性,增强模型对于复杂时序依赖关系的动态学习能力,构建了一种基于注意力(attention)机制和沙丘猫优化算法(sand cat swarm optimization,SCSO)的门控循环网络预测模型。该模型在门控循环单元(gated recurrent unit,GRU)中耦合注意力机制以充分挖掘变形监测数据在时间维度的深层关联,有效捕捉不同时间步中影响基坑实时变形的关键特征,同时采用SCSO算法对GRU-Attention模型进行参数寻优,进一步提高模型预测性能。工程实例分析表明,相比传统预测模型,所提模型具有更高的预测精度,泛化能力和适用性显著增强,为基坑变形实时预警与安全性态评估提供技术参考。 展开更多
关键词 门控循环单元 注意力机制 沙丘猫优化 变形预测
暂未订购 下载PDF
改进沙丘猫算法优化支持向量机的光伏故障监测方法 认领 引用 被引量：1
9
作者 肖文波 董煌锋 +2 位作者 叶强 吴华明 李勇波 《南昌航空大学学报（自然科学版）》 CAS 2026年第2期51-60,共10页
本文提出改进沙丘猫算法(ISCSO)优化支持向量机(SVM)的惩罚因子和核函数参数,并用于光伏故障监测。采用Logistic映射初始化初始种群,并结合莱维(Levy)飞行策略和非线性参数策略对算法进行改进。将ISCSO与沙丘猫算法(SCSO)、灰狼算法(GWO... 本文提出改进沙丘猫算法(ISCSO)优化支持向量机(SVM)的惩罚因子和核函数参数,并用于光伏故障监测。采用Logistic映射初始化初始种群,并结合莱维(Levy)飞行策略和非线性参数策略对算法进行改进。将ISCSO与沙丘猫算法(SCSO)、灰狼算法(GWO)、改进的灰狼算法(IGWO)进行对比,结果显示,相较于SCSO-SVM、IGWO-SVM、GWO-SVM以及SVM,ISCSO-SVM的平均识别精度分别提高了0.74%、0.54%、3.52%和14.28%。在收敛速度上,ISCSO对Schwefel’s Problem 1.2函数、Griewank函数分别在第3、5次迭代时收敛,收敛速度显著优于SCSO、IGWO、GWO。同时,ISCSO在泛化性验证中表现出最高准确率(99.45%),相较于SVM、GWO-SVM、SCSO-SVM与IGWO-SVM,平均准确率分别提高了2.28%、0.96%、0.64%和0.5%。本研究验证了ISCSO算法在有效性、稳定性和可行性方面的优势,为ISCSO算法优化支持向量机用于光伏故障监测提供了理论支撑。 展开更多
关键词 沙丘猫算法 支持向量机 Logistic映射 莱维飞行策略 非线性参数策略
暂未订购 下载PDF
基于小样本数据集的煤层顶板突水溃砂危险性预测 认领 引用 被引量：1
10
作者 张文泉 李子旭 +2 位作者 朱先祥 邱伟 张承杰 《煤田地质与勘探》 EI CAS CSCD 北大核心 2026年第3期126-138,共13页
【目的】我国华东、华北地区松散层厚度大、基岩薄,突水溃砂事故频发,实现顶板突水溃砂危险性精准预测对保障煤矿安全生产意义重大。但突水溃砂致灾机理极为复杂,涉及多因素耦合作用。现场实测面临高风险、高成本等问题,导致数据获取困... 【目的】我国华东、华北地区松散层厚度大、基岩薄,突水溃砂事故频发,实现顶板突水溃砂危险性精准预测对保障煤矿安全生产意义重大。但突水溃砂致灾机理极为复杂,涉及多因素耦合作用。现场实测面临高风险、高成本等问题,导致数据获取困难,样本量严重不足,制约了传统预测模型的精度与性能,探索适用于小样本场景的有效预测方法迫在眉睫。【方法】梳理分析近松散层工作面现场实测数据与历史案例,确定底部含水层厚度、基岩厚度等11个影响因素,构建原始样本数据集。运用斯皮尔曼相关性分析揭示各因素的内在联系及相关性;基于条件表格生成对抗网络(CTGAN)、探测粒子群优化算法(DPSO)、随机森林算法(RF)构建突水溃砂危险性预测模型(CTGAN−DPSO−RF),探讨CTGAN合成数据的质量,并与DPSO−SVM、DPSO−XGBoost模型进行对比,最后结合工程实例验证模型有效性。【结果和结论】11个突水溃砂影响因素中,垮落带高度与采高相关性最大,相关系数为0.93;松散层底部含水层水压与导水裂隙带发育高度相关性最小。CTGAN合成数据与原始数据高度相似,综合质量分数达85.03%;DPSO寻优后最优适应度为0.9265,优于PSO算法;CTGAN−DPSO−RF模型测试集AC、PW、RW、F1W均达到1,全面优于对比模型,工作面预测结果与实际开采情况一致,该模型通过合成高质量数据扩充样本集、优化超参数,有效解决小样本下传统模型精度低、性能差的问题,为厚松散层薄基岩条件下煤层顶板突水溃砂危险性预测提供了新方法。 展开更多
关键词 煤层顶板 厚松散层薄基岩 突水溃砂 小样本数据 条件表格生成对抗网络 探测粒子群优化算法 危险性预测
暂未订购 下载PDF
基于改进沙猫群优化算法的植保无人机路径规划研究 认领 引用
11
作者 韩涛 鲍美萍 +2 位作者 黄友锐 冯玺 范亚兰 《农业机械学报》 EI CAS CSCD 北大核心 2026年第7期362-372,共11页
为满足农业植保无人机的作业需求,保证其飞行效率和安全,提出一种用于无人机路径规划的改进沙猫群优化算法(Hybrid improved sand cat swarm optimization algorithm,HISCSO)。首先,设计一种非线性控制因子动态平衡算法的阶段转换;其次... 为满足农业植保无人机的作业需求,保证其飞行效率和安全,提出一种用于无人机路径规划的改进沙猫群优化算法(Hybrid improved sand cat swarm optimization algorithm,HISCSO)。首先,设计一种非线性控制因子动态平衡算法的阶段转换;其次,在开发阶段引入黄金正弦策略,增强算法的局部开发能力并加速收敛;最后,融合平滑探索策略的优势,保持种群的多样性,提升算法全局寻优能力。通过CEC2022测试集检验算法性能,测试结果表明,与原始算法等7种算法相比,HISCSO在75%的函数上展现出最优性能。考虑满足多目标约束的成本函数,并基于数字高程模型地图构建丘陵地区的无人机作业空间。在4种具有不同复杂度的飞行环境中,HISCSO生成的路径最平滑且长度最短,对比原始算法,稳定性分别提升10.21%、36.59%、29.27%和46.46%,验证了其在植保无人机路径规划领域的实用性和可靠性。 展开更多
关键词 植保无人机 沙猫群优化算法 路径规划
暂未订购 下载PDF
基于优化随机森林模型的地表沉降易发性评价 认领 引用
12
作者 胡波 卢薇锋 +3 位作者 李粤彬 李文 吴文清 杨力 《安全与环境学报》 CAS CSCD 北大核心 2026年第7期2729-2740,共12页
针对城市地表沉降易发性评价预测模型准确性低、精确性差等问题,提出了一种基于证据权(Weights-of-Evidence,WOE)模型和沙猫群算法(Sand Cat Swarm Optimization,SCSO)优化随机森林(Random Forest,RF)的地表沉降易发性模型(WOE-SCSO-RF... 针对城市地表沉降易发性评价预测模型准确性低、精确性差等问题,提出了一种基于证据权(Weights-of-Evidence,WOE)模型和沙猫群算法(Sand Cat Swarm Optimization,SCSO)优化随机森林(Random Forest,RF)的地表沉降易发性模型(WOE-SCSO-RF)。首先,通过小基线集合成孔径雷达干涉(Small Baseline Subset Interferometric Synthetic Aperture Radar,SBAS-InSAR)测量获取广州地表沉降点,经水准测量验证其结果可靠(均方根误差=1.11 mm/a)。其次,利用皮尔逊相关系数(Pearson Correlation Coefficients,PCCs)筛选出14个影响因子作为特征变量。最后,采用WOE模型量化影响因子的层级权重指标值,指导模型训练,通过SCSO算法优化RF模型超参数,完成易发性预测。对比试验显示,所提出的WOE-SCSO-RF模型准确率提升9~14百分点,曲线下面积(Area Under the Curve,AUC)提高3~9百分点,各项评估指标均优于对比模型。通过沙普利加性解释(SHapley Additive exPlanations,SHAP)特征重要性分析,发现地质岩性类型、夜间灯光强度和人口密度是广州地表沉降的主要影响因子。研究表明,WOE-SCSO-RF模型为地表沉降易发性预测提供了一种新方法。 展开更多
关键词 公共安全 地表沉降 易发性评价 SBAS-InSAR 随机森林 沙猫群优化算法
暂未订购 下载PDF
考虑重难点订单的炼钢-连铸批量计划研究 认领 引用
13
作者 周亚罗 相恒菊 +2 位作者 孙鑫 刘文广 张瑞成 《计算机集成制造系统》 EI CSCD 北大核心 2026年第2期599-608,共10页
针对钢铁企业重难点订单优先生产的问题,建立了基于容量约束和优先级的多旅行商问题(MTSP)下的炼钢-连铸批量计划模型,采用改进的沙丘猫群算法对模型进行了求解。改进算法中设计了离散编码和解码策略,并采用邻域搜索策略、部分匹配交叉... 针对钢铁企业重难点订单优先生产的问题,建立了基于容量约束和优先级的多旅行商问题(MTSP)下的炼钢-连铸批量计划模型,采用改进的沙丘猫群算法对模型进行了求解。改进算法中设计了离散编码和解码策略,并采用邻域搜索策略、部分匹配交叉、2-opt变异算子及精英保留策略,利用TSPLIB库的5个算例验证了算法具有更高的收敛速度和求解质量。最后,进行了模型对比实验,并利用企业实际生产数据进行了仿真,结果表明所提模型和算法不仅实现了重难点订单优先生产,还减少了批量计划中钢级、宽度等的跳跃值,降低了余材量,有助于提高企业生产效率,减少资源浪费。 展开更多
关键词 炼钢-连铸 批量计划 重难点订单 多旅行商问题 改进沙丘猫群算法
暂未订购 下载PDF
面向超/特高压宽频测量数据的动态监控及分析预警技术 认领 引用
14
作者 王勇杰 王汇 +3 位作者 刘杜 韩志文 胡毅 李挺 《现代电子技术》 北大核心 2026年第14期77-82,94,共6页
超/特高压宽频测量数据的动态监控、分析与预警技术,直接关系电力系统的安全稳定运行。针对宽频测量装置数据延迟大于集中器预设阈值、故障预警准确率较低的问题,提出一种融合机器学习算法和改进沙猫群优化算法的宽频测量数据动态监控... 超/特高压宽频测量数据的动态监控、分析与预警技术,直接关系电力系统的安全稳定运行。针对宽频测量装置数据延迟大于集中器预设阈值、故障预警准确率较低的问题,提出一种融合机器学习算法和改进沙猫群优化算法的宽频测量数据动态监控及分析预警方法。该方法利用机器学习算法对宽频测量数据中的特征模式进行有效识别、提取,通过数据学习与训练实现对数据的实时监测和初步分析。同时,通过引入动态自适应调整机制对传统沙猫群优化算法进行改进,优化算法对实时数据动态变化的监控能力,保障预警系统的实时性和有效性。实验结果表明,所提技术方案的最高故障预警准确率为99.8%,能够满足实际电力系统智能化故障预警和潜在故障消除的应用需求。 展开更多
关键词 超特高压宽频测量技术 动态监控 数据分析 机器学习 改进沙猫群优化算法 预警准确率 故障预警
暂未订购 下载PDF
基于SCSO-LightGBM的MEMS陀螺仪温漂补偿方法 认领 引用
15
作者 吴志林 廖娇娇 +1 位作者 曾鑫 余卓林 《中国惯性技术学报》 EI CSCD 北大核心 2026年第8期787-796,共10页
针对MEMS陀螺仪存在的温度漂移问题,提出了一种基于沙猫群优化算法(SCSO)优化轻量梯度提升机(LightGBM)的温漂补偿方法。首先,基于不同温度特征的排列组合进行特征工程并对寻优结果进行比较,确定模型的输入特征;然后,采用SCSO算法对Ligh... 针对MEMS陀螺仪存在的温度漂移问题,提出了一种基于沙猫群优化算法(SCSO)优化轻量梯度提升机(LightGBM)的温漂补偿方法。首先,基于不同温度特征的排列组合进行特征工程并对寻优结果进行比较,确定模型的输入特征;然后,采用SCSO算法对LightGBM的关键超参数进行全局寻优,建立温度漂移补偿模型。其中,为了抑制噪声并提高建模精度,在训练前运用改进自适应噪声完备集合经验模态分解(ICEEMDAN)结合样本熵(SE)与改进小波阈值(IWT)对原始信号进行预处理。实验结果表明,所提模型降温工况下补偿后的零偏不稳定性比未补偿前降低了50.78%,升温工况下补偿后的零偏不稳定性比未补偿前降低了62.88%,温漂补偿效果优于LightGBM、多层感知机(MLP)和SCSO-MLP。 展开更多
关键词 MEMS陀螺仪 温度补偿 轻量梯度提升机 沙猫群优化算法 特征工程
暂未订购 下载PDF
面向机械臂时间最优轨迹规划的多策略沙猫群优化算法 认领 引用
16
作者 鲁宇明 周羽逵 +1 位作者 郭鑫 孙江桦 《科学技术与工程》 EI 北大核心 2026年第21期8927-8940,共14页
针对机械臂在工业生产中因完成复杂周期性动作耗时过长而制约生产效率的问题,提出一种多策略改进沙猫群优化算法(multi-strategy improved sand cat swarm optimization,MISCSO),用于实现机械臂的时间最优轨迹规划。算法设计了4种改进策... 针对机械臂在工业生产中因完成复杂周期性动作耗时过长而制约生产效率的问题,提出一种多策略改进沙猫群优化算法(multi-strategy improved sand cat swarm optimization,MISCSO),用于实现机械臂的时间最优轨迹规划。算法设计了4种改进策略:Tent混沌映射-折射反向学习初始化种群策略、动态非线性灵敏度策略、自适应螺旋搜索策略以及沙猫伏击-突袭捕食策略,算法的求解精度与收敛性能得到显著提升。以六轴机械臂为实验对象,采用D-H参数法建立运动学模型,基于3-5-3多项式插值函数求解、构建机械臂关节运动轨迹,MISCSO将机械臂运动时间从12 s显著优化至8.6631 s,降幅达27.8%,对比沙猫群算法综合性能提升达到9%。将MISCSO与4种较新的改进算法进行了对比实验,结果显示,在机械臂轨迹优化中,MISCSO的求解性能均优于所有对比算法,在多次运行中的求解标准差最小,展现出最优的稳定性和鲁棒性。MATLAB仿真证实,由此产生的关节运动曲线平滑、连续且无突变。 展开更多
关键词 多策略改进沙猫群优化算法 Tent混沌映射-折射反向学习初始化策略 动态非线性灵敏度策略 自适应螺旋搜索策略 沙猫伏击-突袭捕食策略 时间最优轨迹优化
暂未订购 下载PDF
改进沙猫优化算法融合序列二次分解的短期电力负荷预测 认领 引用
17
作者 于天河 臧君 +1 位作者 奚凯恒 刘镛 《科学技术与工程》 EI 北大核心 2026年第16期6890-6901,共12页
智能电网的迅速发展带动了电力系统的智能化、高效化发展,在对电力负荷进行预测的过程中,存在负荷数据不合理分解,预测精度不高等问题,提出一种基于优化二次分解的BiLSTNet组合预测模型。首先,使用改进的完全自适应噪声集合经验模态分解... 智能电网的迅速发展带动了电力系统的智能化、高效化发展,在对电力负荷进行预测的过程中,存在负荷数据不合理分解,预测精度不高等问题,提出一种基于优化二次分解的BiLSTNet组合预测模型。首先,使用改进的完全自适应噪声集合经验模态分解(improved complete ensemble empirical mode decomposition with adaptive noise,ICEEMDAN)对负荷数据进行一次分解重构降低数据整体的噪声影响。其次,使用变分模态分解(variational mode decomposition,VMD)对数据进行二次分解并重构。为优化VMD的分解参数,使用改进沙猫种群算法(enhanced sand cat swarm optimization,ESCSO)对VMD参数进行寻优,引入Kent混沌映射初始化算法种群,采用纵横搜索策略和自适应t分布扰动策略,提高全局搜索和跳出局部最优能力。最后,将重构后的数据输入BiLSTNet混合模型进行预测。实验结果表明:所提方法在澳大利亚电力负荷数据集上表现出较好的分解结果和预测精度,优于其他传统混合模型,具有较高的实用价值。 展开更多
关键词 智能电网 沙猫种群优化算法 二次分解 时间序列分析
暂未订购 下载PDF
面向光伏消纳率提升的建筑直流互联集群划分研究 认领 引用
18
作者 王绪利 武澳丽 +2 位作者 凌孺 张辉 邓其军 《山东电力技术》 2026年第3期107-120,共14页
光伏建筑一体化背景下,不同类型建筑之间的净负荷曲线差异显著,存在通过直流互联实现功率互济以提升光伏消纳率的巨大潜力。为此,提出一种面向光伏消纳率提升的建筑直流互联的集群划分方法,将某一区域范围内由交流配电网供电的多个建筑... 光伏建筑一体化背景下,不同类型建筑之间的净负荷曲线差异显著,存在通过直流互联实现功率互济以提升光伏消纳率的巨大潜力。为此,提出一种面向光伏消纳率提升的建筑直流互联的集群划分方法,将某一区域范围内由交流配电网供电的多个建筑划分为不同集群,群间独立而群内功率互济以提升光伏消纳率。不同的集群划分与群内互联方案对应的净收益存在差异,存在优化的必要。考虑建筑直流互联得到的光伏消纳率提升收益及互联建设成本,建立以净收益为指标的集群划分优化模型,并采用双层优化算法发掘能获得最大净收益的集群划分方案。其中外层采用粒子群框架生成集群划分方案及进化方向,内层采用改进拓扑排序算法计算群内互联最小成本。以随机生成的30个建筑为例,对所提最优集群划分方法的有效性与合理性进行验证,算例表明所提方法能够显著增加建筑光伏消纳水平,在合理调度储能后能实现集群内部光伏发电100%就地消纳,同时建筑最大负荷尖峰至少降低5.5%,具有显著的经济和社会效益。 展开更多
关键词 光伏建筑一体化 集群划分 建筑直流互联 新能源消纳率 粒子群算法 改进拓扑排序算法
暂未订购 下载PDF
公路边坡成灾演化分析及变形预测研究 认领 引用
19
作者 李常茂 薛晓辉 +1 位作者 叶超 程晓刚 《甘肃科学学报》 2026年第3期30-36,44,共7页
为有效掌握边坡成灾演化特征,并实现其高精度变形预测,以边坡地质条件为基础,先开展边坡成灾影响因素及演化过程分析,并结合变形监测结果,通过沙猫群算法和支持向量机开展其变形预测研究。结果表明:边坡成灾的基础因素为地形地貌因素和... 为有效掌握边坡成灾演化特征,并实现其高精度变形预测,以边坡地质条件为基础,先开展边坡成灾影响因素及演化过程分析,并结合变形监测结果,通过沙猫群算法和支持向量机开展其变形预测研究。结果表明:边坡成灾的基础因素为地形地貌因素和层岩性因素,诱发因素为降雨因素和坡脚边坡开挖扰动因素,各类因素共同作用造成了边坡成灾;在边坡成灾演化过程中,主要包括斜坡内力平衡打破阶段、边坡体内裂隙体系扩展阶段、边坡体局部失稳阶段、边坡体变形扩展阶段和边坡体整体失稳阶段,总体表现为斜坡内力平衡失稳后,内部微观裂隙从产生到扩展,最终形成宏观变形直至成灾失稳。最后,经变形预测,各监测点预测结果的相对误差均值介于1.98%~2.09%,预测精度较优,验证了预测思路的合理性,且边坡变形总体呈不利加速增加趋势,尤其是边坡前缘变形更为明显,建议尽快开展边坡灾害防治。研究可为边坡灾害防治提供理论支持,具有重要的现实意义。 展开更多
关键词 边坡 成灾演化 支持向量机 沙猫群算法 变形预测
暂未订购 下载PDF
基于改进沙猫群优化算法的无人机航空物流路径规划 认领 引用
20
作者 袁学青 《九江学院学报（自然科学版）》 CAS 2026年第2期47-53,共7页
在复杂的山区环境中,无人机可飞行区域狭窄,且障碍物分布密集,给路径规划带来了较大挑战。为提高无人机配送效率,提出一种改进的沙猫群优化算法用于无人机路径规划。该算法首先采用透镜成像反向学习方法提高了种群多样性,从而避免搜索... 在复杂的山区环境中,无人机可飞行区域狭窄,且障碍物分布密集,给路径规划带来了较大挑战。为提高无人机配送效率,提出一种改进的沙猫群优化算法用于无人机路径规划。该算法首先采用透镜成像反向学习方法提高了种群多样性,从而避免搜索早熟。其次,针对算法攻击阶段易陷入局部最优问题,提出一种基于Lévy飞行策略的攻击更新模型,以提高算法跳出局部最优陷阱的能力。最后,还设计了一种增强型搜索方法能够引导个体更快地向潜在优良区域搜索,提升了算法寻优能力。仿真实验结果表明,在复杂三维环境中,所提算法与其他算法相比能够稳定且高效地为无人机规划最优飞行路径,确保配送路径的高效性和安全性。 展开更多
关键词 复杂环境 无人机 沙猫群优化算法 路径规划
暂未订购 下载PDF
已选0条
引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 2 … 11 下一页 到第 页
在线咨询 使用帮助 返回顶部 意见反馈