論文針對標準量子粒子群算法易陷入局部極值的問題,提出一種改進的量子粒子優(yōu)化最小二乘支持向量機的方法。利用高斯變異數(shù)的局部開發(fā)能力以及柯西變異數(shù)的全局搜索能力,在量子粒子群優(yōu)化算法中,引入高斯-柯西變異算子,幫助算法跳出局部極值。并利用該優(yōu)化模型進行光伏發(fā)電量預測實驗,對優(yōu)化的最小二乘支持向量機模型的預測結(jié)果與其他模型預測結(jié)果進行比較,結(jié)果表明:基于高斯-柯西變異算子的量子粒子群優(yōu)化的最小二乘支持向量機對光伏發(fā)電量的預測具備較好的收斂速度和跳出局部收斂困境的能力。 

【文章來源】：計算機與數(shù)字工程. 2020,48(01)

【文章頁數(shù)】：6 頁

【參考文獻】：
期刊論文
[1]結(jié)合改進PSO算法和LSSVM的化工異常工況超早期監(jiān)測預警研究[J]. 胡瑾秋,郭放,張來斌.  電子測量與儀器學報. 2018(02)
[2]基于混合人工蜂群和人工魚群優(yōu)化的LSSVM脈動風速預測[J]. 張永康,李春祥,鄭曉芬,徐化喜.  振動與沖擊. 2017(15)
[3]基于柯西-高斯動態(tài)消減變異的果蠅優(yōu)化算法研究[J]. 杜曉昕,張劍飛,郭媛,金梅.  計算機工程與科學. 2016(06)
[4]基于QPSO-LSSVM的風電場超短期功率預測[J]. 張濤,孫曉偉,史蘇怡,李振興.  中國電力. 2016(03)
[5]基于果蠅參數(shù)優(yōu)化的LSSVM短期負荷預測[J]. 王惠中,周佳,王岳鋒,劉軻.  電氣自動化. 2015(06)
[6]一種改進的人工魚群優(yōu)化算法[J]. 吳昌友.  智能系統(tǒng)學報. 2015(03)
[7]基于蟻群算法和LSSVM的鍋爐燃燒優(yōu)化預測控制[J]. 龍文,梁昔明,龍祖強,李朝輝.  電力自動化設(shè)備. 2011(11)
[8]遺傳優(yōu)化的LSSVM在故障診斷中的仿真研究[J]. 張大為,段哲民,李鵬,張曉輝.  計算機仿真. 2010(10)
[9]基于人工免疫算法的最小二乘支持向量機參數(shù)優(yōu)化算法[J]. 楊福剛.  計算機應(yīng)用研究. 2010(05)
[10]基于模擬退火與LSSVM的軸承故障診斷[J]. 隋文濤,路長厚,Wilson Wang,張丹.  振動.測試與診斷. 2010(02)

碩士論文
[1]量子粒子群算法及其應(yīng)用[D]. 張?zhí)m.西北大學 2010



本文編號：3380233