林凯
- 作品数：2 被引量：14H指数：2
- 供职机构：上海电机学院电气学院更多>>
- 发文基金：上海市教育委员会创新基金教育部留学回国人员科研启动基金更多>>
- 相关领域：自动化与计算机技术机械工程更多>>
- 粒式搜索者算法优化的SVM短期风电功率预测被引量：5
- 2018年
- 支持向量机在风电功率预测方面的应用越来越广泛。风电功率预测精度不仅受风能随机性、非线性的影响,而且取决于预测模型的主要参数。对搜索者算法的二维优化能力进行改进,设计了基于二维参数改进的粒式搜索者算法(PTSOA)。具体给出了PTSOA的实现步骤,并利用五种常用的经典测试函数验证改进后算法的优化性能。利用粒式搜索者算法对支持向量机的核函数参数和惩罚因子进行寻优,利用寻优得到的参数进行模型训练,并将模型用于功率预测。对支持向量机预测模型结果进行对比和预测误差分析。分析结果表明:粒式搜索者算法优化的支持向量机具有更精确的风力发电功率预测结果。
- 林凯陈国初
- 关键词：支持向量机风电功率预测
- 多交互式人工蜂群算法及其收敛性分析被引量：9
- 2017年
- 针对人工蜂群(ABC)算法不易跳出局部最优解的缺点,提出了多交互式人工蜂群(MIABC)算法。该算法在基本人工蜂群算法的基础上引入随机邻域搜索策略,结合跨维搜索策略,且改进蜜蜂越限处理方式,使得算法搜索方式多样化,从而使得算法搜索更具跳跃性,不易陷入局部最优解,同时,对其进行收敛性分析和性能测试。在五种经典基准测试函数和时间复杂度实验上的仿真结果表明,相对于标准人工蜂群算法和基本粒子群优化(PSO)算法,该算法在1E-2精度下收敛速度提高了约30%和65%,搜索精度更优,且在高维求解问题方面有明显优势。
- 林凯陈国初张鑫
- 关键词：人工蜂群算法收敛性分析
