【封面文章】沈阳工业大学李媛等:一种改进麻雀搜索算法的收敛性分析及应用

文摘   科技   2024-08-09 13:36   辽宁  




点击蓝字 关注我们 







本文引用信息

郭庆辉,李媛,杨东升. 一种改进麻雀搜索算法的收敛性分析及应用[J]. 控制与决策, 2024, 39(8): 2502-2510.


2024年第8期封面文章推荐

一种改进麻雀搜索算法的收敛性分析及应用

郭庆辉,李媛,杨东升


本文创新点:

基于佳点集策略、黄金正弦策略、Levy飞行策略对麻雀搜索算法进行改进,平衡了算法的全局探索和局部开发能力;建立了改进算法的马尔科夫链模型,从理论角度对改进算法的收敛性进行证明;结合短期电价预测特点,搭建了基于改进麻雀搜索算法的电价预测模型,进一步检验了改进算法的有效性。

01

研究背景

短期电价预测对于电力市场的稳定运行和电力企业的经济效益具有重要意义。但由于电力市场的复杂性和不确定性,传统的预测方法往往难以取得理想的预测效果。麻雀搜索算法作为一种新兴的群智能优化算法,在参数优化领域展现出强大的潜力,但同时也存在收敛速度慢、易陷入局部最优解等问题。因此,本文基于麻雀搜索算法进行改进,并应用于短期电价预测中,旨在提高预测精度和稳定性。

02

研究路线

03

研究内容


3.1 改进麻雀搜索算法及收敛性分析

改进的麻雀搜索算法运行流程及收敛性分析框架如下所示。

图1 ISSA算法流程

图2 改进麻雀搜索算法及收敛性分析框架

3.2 改进麻雀搜索算法在短期电价预测中的应用

搭建ISSA-VMD-ESN模型以预测短期电价,其基本思路为“分解-预测-重构”。
1) 在“分解”阶段,变分模态分解(VMD)克服了小波变换方法的不稳定性以及经验模态分解方法混叠模态分量等问题,可以降低短期电价序列的波动性 和非平稳性。本文利用ISSA对VMD参数进行优化,将原始电价序列分解成多个子序列,使其具有更好的采样和噪声鲁棒性。
2) 在“预测”阶段,因回声状态网络(ESN)储备池具备短期记忆功能,相较于传统递归神经网络具有更好的收敛速度,不易陷入局部最优,本文用其对分解后的子序列进行预测,并用ISSA对ESN的储备池规模、泄露率和正则化系数进行优化,使其根据不同子序列自适应地调整模型参数,降低了参数经验设置的随机性。
3) 在“重构”阶段,当前大部分混合预测模型是将各子序列的预测结果叠加得到最终预测结果,由于噪声的影响使得最终预测结果并不十分理想。本文引入皮尔逊相关系数,选择合适子序列的预测结果,重构最终预测结果,以达到降噪的目的。
4) 性能评价:本文使用平均绝对误差、平均绝对百分比误差和均方根误差来评价模型预测精度,评价指标的值越小,表明模型预测效果越好。

完整的模型流程如图3所示。

图3 基于改进麻雀搜索算法的电价预测模型

04

结论

1)建立了改进麻雀搜索算法的马尔科夫链模型,从理论角度证明了改进算法全局收敛,验证了改进算法的可行性。

2)在对比其他初始化方式以及测试函数的寻优实验中,改进麻雀搜索算法相较于传统麻雀搜索算法和其他群智能优化算法具有更佳的种群多样性和全局寻优能力,综合性能显著提升。

3)将改进麻雀搜索算法应用到短期电价预测中,结果表明,经改进麻雀搜索算法优化后的模型明显提高了预测精度,进一步验证了改进算法的优越性。


主要作者介绍


郭庆辉硕士研究生,主要研究方向为群智能优化算法、电价预测等。


李媛博士,教授,硕士生导师,主要研究方向为群智能优化算法、数据分析等。


相关文章推荐






【精彩论文】求解复杂约束优化问题的多策略混合麻雀搜索算法

【精彩论文】多策略融合的改进麻雀搜索算法及其应用


郑重声明:根据国家版权局相关规定,纸媒、网站、微博、微信公众号转载、摘编本微信信息,需包含本微信名称、二维码等相关信息,并在文首注明《控制与决策》原创。个人请按本微信原文转发、分享。


-联系我们-

《控制与决策》

网站:http://kzyjc.alljournals.cn

电话:024-83687766

邮箱:kzyjc@mail.neu.edu.cn

《Journal of Control and Decision》

网站:

https://www.tandfonline.com/toc/tjcd20/current

邮箱:tengrong@ise.neu.edu.cn


点击“阅读原文”查看全文信息

控制与决策
该服务号旨在发布期刊、网刊动态和征文通知等内容
 最新文章