基于萤火虫算法修正的步长估计方法
基于改进萤火虫算法优化ELM的电力电容器故障诊断
文章编号:1007-757X(2019)05-0107-04基于改进萤火虫算法优化ELM的电力电容器故障诊断张博皓，吕冰(青岛科技大学自动化与电子工程学院，青岛266100)摘要：针对ELM分类预测的结果易受其初始输入权值和阀值的影响，提出了一种改进萤火虫算法优化ELM的电力电容器故障诊断模型#选择电力电容器故障诊断的准确率为适应度，通过IFA优化ELM的初始输入权值和阈值，实现电力电容器故障自适应诊断#研究结果表明，与其他算法比较可知,IFA_ELM可以有效提高电力电容器故障诊断的准确率和降低误判率，为电力电容器故障诊断提供新的方法和途径#关键词：萤火虫算法；极限学习机；电力电容器；遗传算法；粒子群算法中图分类号：TP391文献标志码：AFault Diagnosis of Power Capacitor Based on ELMOptimized By Improved Firefly AlgorithmZHANG Bohao,LU Bing(School of Automation and Electronic Engineering,Qingdao University of Science and Technology,Qingdao266100) Abstract:The result of ELM classification prediction is easily influenced by the initial input weight and threshold value,a fault diagnosis model of power capacitor is proposed to improve the optimization of ELM algorithm.The accuracy of power capacitor fault diagnosis is selected as adaptability,and the initial input weight and threshold value of ELM are optimized by IFA to realize the self-adaptive diagnosis of power capacitor fault.The results show that the IFA_ELM can effectively improve the accuracy and reduce the misjudgment rate of power capacitor fault diagnosis,and it provides a new method and approach for power capacitorfaultdiagnosis.Key words:Firefly algorithm；Extreme learning machine；Power capacitors；Genetic algorithm；Particle swarm algorithm0引言随着电网向智能化、高压和超高压、大容量等方向发展,电力设备故障带来的损失日益增大，其中绝大数电力设备故障是由电力电容器故障所引起［1］,因此，如何高精度的诊断识别电力电容器故障具有重要的理论意义和实际价值&最近几年，很多学者将智能算法应用于电力电容器故障诊断,如人工神经网络⑵、粒子群算法、遗传算法⑷、人工免疫算法⑸等。
基于改进萤火虫算法的DG定容选址算法研究
2021年11期创新前沿科技创新与应用Technology Innovation and Application基于改进萤火虫算法的DG 定容选址算法研究邓正臣（上海电力大学电子与信息工程学院，上海201306）1概述随着我国电力事业的快速发展，社会用电量总量急剧攀升，在传统的电网架构下，电力部门主要建造如核电站、大型水电站、燃煤火电站等大型集中电源，并由此扩建为超大规模电力系统。
但其弊端也日益凸显，高度集中的电源难以满足电网运行的灵活性需求，重要供电节点的故障也会严重影响电网整体的供电可靠性，远距离输电也面临着严重的电能损耗和安全性等问题[1]。
为了克服以上问题对电网运行的负面影响，分布式电源（Distributed generation ，DG ）的概念于20世纪80年代被提出。
DG 对配电网的规划和运行有着极其重要的影响，配电网中适当的接入DG 可以起到提高电能质量、降低有功功率损耗、改善电压分布等作用，提高电网运行时整体的经济性和灵活性。
配电网作为电网的末端，其运行的稳定性和效率直接影响到电网整体的效能发挥。
因此，分布式电源的选址与定容问题已成为电网规划的重要讨论内容，具有很大的研究价值。
由于电网络的非线性，各个支路流过的功率、有功功率网损、节点电压等都需要通过潮流计算得到，所以DG 的选址定容问题本质上是大规模非线性方程组的求解。
为了解决这一问题，通常依靠潮流计算算法求解适应度值，使用仿生学算法求解模型。
文献[2]介绍了不同种形式的萤火虫算法，并比较了萤火虫算法的优劣，标准的萤火虫算法更适合求解连续域问题，对离散域问题效果较差；文献[3]采用了遗传算法（GA ）优化DG 的位置与容量，并且充分考虑了配电网潮流的限制等约束；文献[4]提出了一种基于网损灵敏度的DG 优化配置方法，采用IEEE-33标准节点测试系统验证了所提方法的有效性；文献[5]考虑了DG 功率的不确定性，利用改进的粒子群算法（Improved particle swarm opti -mization ，IPSO ）优化配电网的网损、改善节点电压质量，并对改进的IEEE-33节点算例进行仿真，证明IPSO 算法的有效性。
基于Tent混沌映射的改进的萤火虫算法
基于Tent混沌映射的改进的萤火虫算法
刘园园;贺兴时
【期刊名称】《纺织高校基础科学学报》
【年(卷),期】2018(31)4
【摘要】为了有效改善萤火虫算法对初始解依赖性,迭代后期收敛速度较慢以及搜索精度不高等问题,提出一种基于Tent混沌映射的萤火虫优化算法.该算法将混沌优化思想应用到萤火虫算法中,利用混沌映射初始化种群,在迭代后期对种群中较优解进行混沌优化,同时在整个迭代过程中自适应调整萤火虫算法的步长因子.基准测试函数的测试结果显示,改进的萤火虫算法在收敛速度和搜索精度方面都得到提高,并且与其他基于混沌理论思想的优化算法相比,同样具有一定的优势.
【总页数】8页(P511-518)
【作者】刘园园;贺兴时
【作者单位】西安工程大学理学院,陕西西安710048;西安工程大学理学院,陕西西安710048
【正文语种】中文
【中图分类】TP18
【相关文献】
1.基于改进Tent映射的自适应变尺度混沌粒子群算法 [J], 李国晓;韦世丹
2.一种新的改进型Tent混沌映射及其性能分析 [J], 刘建新;李朝伟;张楷生
3.基于改进的二维交叉熵及Tent映射PSO的阈值分割 [J], 吴一全;吴诗婳;占必超;
张晓杰;张生伟
4.一种基于Tent映射的混合灰狼优化的改进算法 [J], 滕志军;吕金玲;郭力文;许媛媛
5.基于改进萤火虫算法的矿井水害避灾路径规划 [J], 王鹏;朱希安;王占刚;刘德民因版权原因，仅展示原文概要，查看原文内容请购买。
基于连续空间的萤火虫算法改进
基于连续空间的萤火虫算法改进
刘晨旻;王亚刚
【期刊名称】《电子科技》
【年(卷),期】2022(35)2
【摘要】针对萤火虫算法在全局寻优过程中求解精度差,且容易陷入局部最优的问题,文中提出了一种优化的萤火虫算法。
采用离散-连续的方法将传统萤火虫算法的空间连续化,在传统萤火虫算法的基础上定义新的吸引度计算式以及相应的更新策略,实现待求的离散问题的空间连续化,改善萤火虫单体相应的移动方式。
实验仿真结果证明了该改进算法的有效性。
文中对改进的萤火虫算法及其适用范围作了总结,并指出了今后研究方向。
【总页数】6页(P40-45)
【作者】刘晨旻;王亚刚
【作者单位】上海理工大学光电信息与计算机工程学院
【正文语种】中文
【中图分类】TP301.6
【相关文献】
1.改进萤火虫优化的软子空间聚类算法
2.基于改进萤火虫优化算法和考虑空间变异特性的边坡最小安全系数确定研究
3.基于改进萤火虫算法的铁路运行调度算法研究∗
4.基于改进萤火虫算法的铁路运行调度算法研究
5.基于改进萤火虫算法的DG 定容选址算法研究
因版权原因，仅展示原文概要，查看原文内容请购买。
群智能优化算法_萤火虫算法
光 素 更 新 率 γ=0.6，初 始 荧 光 素 大 l0=5，感 知 范 围 r0=10，β=0.08，最 大 迭代次数 200。 粒子群算法种群规模为 50，惯性权重 ω=0.5，学习因子
c1=c2=2，最大迭代次数 200。 测试函数
(1) Schaffer F6
姨2
22
F1 (x)=0.5+ sin
差异。
本文分析了萤火虫算法的仿生原理，并从数学角度对两种版本的
算法实现优化过程进行定义。
1．GSO 算法
1.1 算法的数学描述与分析
在基本 GSO 中，把 n 个萤火虫个体随机 分 布 在 一 个 D 维 目 标 搜
索空间中，每个萤火虫都携带了萤光素 li。 萤火虫个体都发出一定量
的 萤 光 相 互 影 响 周 围 的 萤 火 虫 个 体 ，并 且 拥 有 各 自 的 决 策 域 rid( 0＜rid ≤rs)。 萤火虫个体的萤光素大小与自己所在位置的目标函数有关，荧 光素越大，越亮的萤火虫表示它所在的位置越好，即有较好的目标值,
li(t)=(1-ρ)li(t-1)+γJ(xi(t))
（1）
其中，J(xi(t))为每只萤火虫 i 在 t 迭代的位置 xi(t)对 应 的 目 标 函 数
值；li(t)为荧光素值转化为荧光素值；γ 为荧光素更新率。
定义 2 概率选择 选择移向邻域集 Ni(t)内个体 j 的概率 pij(t)：
pij(t)= lj(t)-li(t)
群智能算法是人们受自然界或生物界种群规律的启发， 根据其
原理，仿生模拟其规律而设计求解问题的算法。 近几十年来， 人们通
过模拟自然生态系统机制以求解复杂优化问题的仿生智能算法相继
基于改进萤火虫算法的多模函数优化
（ 广东工业大学计算 机学 院 广东 广州 ５ １ ０ ０ ０ ６ ）
摘
要
为 了提高萤火虫算法 Ｇ Ｓ Ｏ（ Ｇ ｌ ｏ ｗ ｗ ｏ ｒ ｍ Ｓ ｗ ａ ｍ ｒ Ｏ ｐ ｔ ｉ ｍｉ ｚ ａ ｔ ｉ ｏ ｎ ｌ ａ ｇ ｏ ｒ ｉ ｔ ｈ ｍ） 多模 函数优 化性 能， 针对 Ｇ Ｓ Ｏ峰值 发现率低 、 收敛速
ｄ ｉ ｓ ｔ ａ ｎ ｃ ｅ ａ ｓ ｔ ｈ ｅ ｒ ｅ ｆ ｅ ｒ ｅ ｎ ｃ ｅ ｔ ｏ ａ ｄ ｊ ｕ ｓ ｔ ａ ｇ ｅ ｎ ｔ ’ Ｓ ｍｏ ｖ ｉ ｎ ｇ ｓ ｔ ｅ ｐ ．Ｔ ｈｅ ｒ ｅ ｓ ｕ ｈ ｓ ｆ ｏ ｅ ｘ ｐ ｅ ｉ ｒ ｍ ｅ ｎ ｔ ｏ ｎ ｔ ｙ ｐ ｉ ｃ ａ ｌ ｍｕ ｈ ｉ ｍｏ ｄ ｌ ａ ｆ ｕ ｎ ｃ ｔ ｉ ｏ ｎ ｓ ｉ ｎ ｄ ｉ ｃ ａ ｔ ｅ ｔ ｈ ａ ｔ ｔ ｈ ｅ Ｉ Ｇ Ｓ Ｏ ｉ ｓ
ｓ ｕ ｐ ｅ ｉｏ ｒ ｒ ｔ ｏ ＧＳ Ｏ ｉ ｎ ｍｕ ｌ ｔ ｉ ｍｏ ｄ ｌ ａ ｆ ｕ ｎ ｃ ｔ ｉ ｏ ｎ ｏ ｐ ｔ ｉ ｍｉ ｓ ａ ｔ ｉ ｏ ｎ ｗ ｉ ｔ ｈ ｈ ｉ ｇ ｈ ｐ ｅ ａ ｋ ｓ ｄ ｉ ｓ ｃ ｏ ｖ ｅ ｙ ｒ ｒ ａ ｔ ｅ， ｆ ａ ｓ ｔ ｃ ｏ ｎ ｖ ｅ ｒ ｇ ｅ ｎ ｃ ｅ ｓ ｐ ｅ ｅ ｄ ａ ｎ ｄ ｈ ｉ ｇ ｈ ｃ ｏ ｍｐ ｕ ｔ ａ ｔ ｉ ｏ ｎ ｌ ａ ａ ｃ ｃ ｕ ｒ ａ ｃ ｙ ．
（ Ｓ ｃ ｈ ｏ ｏ ｌ ｏ ｆＣ ｏ ｍ ｐ ｕ ｔ ｅ ｒ ， Ｇ ｕ ａ ｎ ｇ ｄ ｏ ｎ ｇ Ｕ ｎ ｉ ｖ ｅ ￣ ｉ ｔ ｙ ｏ ｆＴ ｅ ｃ ｈ ｎ ｏ ｌ ｏ ｇ ｙ ， Ｇ ｕ ａ ｎ ｇ ｚ ｈ ｏ ｕ ５ １ ０ ０ ０ ６， Ｇ ｕ ａ ｎ ｇ ｄ ｏ ｎ ｇ ， Ｃ ｈ ｉ ｎ ａ ）
自适应步长萤火虫优化算法
０ 引 言
萤火虫优化 （ ｌ ｗ ｒ Ｓ ａ ｐｉ ｚｔ ｎ Ｇ Ｏ） Ｇｏ ｏ ｗ ｒ Ｏ ｔ ａｏ ， Ｓ 算法 是 ｗ ｍ ｍ ｍｉ ｉ
２０ ０ ５年 由 Ｋ Ｎ．Ｋ ｉ ｎｎｎ ． ｒ ｈａ ａｄ和 Ｄ ｂｓ ｈＧ ｏｅ提 出 的 一 种 新 ｓ ｅａｉ ｈｓ ｓ
有各 自的决策域 ｒ（ ０＜ｒ ｒ） 萤火虫 个体 的萤光素大小 ≤ 。 与 自己所在位置的 目标 函数有关 ， 荧光 素越 大 ， 越亮 的萤火虫
摘
要 ： 对基本萤火 虫算法优化 多峰 函数 时求 解精 度 不高和后期 收敛较 慢的 问题 ， 针 引入 萤光 因子 以 自适应调
整 萤火虫的步 长， 出一种 自适应步长 萤火虫优化算 法。通过 ８个标 准测试 函数 测试 ， 提 测试 结果表 明 ， 改进 后的 自适
应步 长萤火虫算法比基本 萤火虫算法具有较快的寻优速度和较 高的寻优精度 。 关键词 ： 多峰 函数 ； 萤火虫优 化算法 ； 自适应 ； 步长 ； 萤光 因子
中 图分 类 号 ：Ｐ ８ Ｔ １３ 文献标志码 ： Ａ
Ｓ ｌ－ ｄａ ｔｖ ｔ ｐ ｇ ｏ ｅｆａ ｐ ｉｅ ｓｅ ｌｗｗｏ ｍ ｗａ ｍ ｐｔｍ ｉａ ｉｎ ｌｏ ｉｈｍ ｒ ｓ ｒ ｏ ｉ ｚ ｔｏ ａｇ ｒｔ
ＯＵＹ ＡＮＧ Ｚ ｅ Ｚ ｈ ． Ｈ０ ｎ ． ｕ ｎ Ｕ Ｙｏ ｇ ｑ ａ
基于改进萤火虫群的区域灾害链挖掘方法
基于改进萤火虫群的区域灾害链挖掘方法胡明生;贾志娟;吉晓宇;洪流【摘要】通过建立灾害立体网络模型并定义相似空间向量来对区域灾害链规律进行挖掘，同时转化其中的向量发现问题为一种多峰路径优化问题从而利用萤火虫群算法进行求解，并添加变步长、组亮度控制等优化策略，以改善基本GSO算法在收敛速度及求解精度上的不足，最后通过与基本GSO算法的性能对比实验证明了该改进方法的优越性。
【期刊名称】《计算机应用与软件》【年(卷),期】2012(000)011【总页数】4页(P29-31,86)【关键词】立体灾害网络;灾害链;萤火虫算法;路径优化;多峰函数【作者】胡明生;贾志娟;吉晓宇;洪流【作者单位】华中科技大学系统工程研究所湖北武汉430074; 郑州师范学院软件研究所河南郑州450044;郑州师范学院软件研究所河南郑州450044;郑州师范学院软件研究所河南郑州450044;华中科技大学系统工程研究所湖北武汉430074【正文语种】中文【中图分类】TP3110 引言随着近年来国内外大灾、巨灾的频繁发生，使得对灾害链及灾害演化的研究［1－3］越来越受到重视。
灾害链是灾害演化的基本形式，现有的灾害演化模型［4－6］大都是基于抽象灾害链所建立的平面网络模型，灾害节点间缺乏地理方位关系，在时间尺度上也多是研究短期的灾害内部演化。
然而重大灾害及其灾害链所体现出的大自然的隐秩性，即自组织性、协同性、整体统一性，往往因具体空间、时间情况的不同而产生各种复杂的动态变化，从而体现出迁移性和延迟性。
如震洪链、震旱链都是常见的抽象灾害链，虽然灾源相同，但是因为不同的受灾时空环境能够形成不同的灾害成链及迁移趋向，从而在不同区域会出现截然不同的成链结果。
所以对灾害链加入区域相关性考量，提取出不同区域各自的灾害成链特征，就显得十分有意义。
在灾害区域相关性研究上，文献［7，8］基于时间序列相似性匹配方法，实现了对地震的地区相关性分析，取得了较好效果，但是在其模型只能求得地区间的大体关联程度，而不能确定地区间的因果(链式)关系，即A地区与B地区间是呈现出A 地区地震引发B地区地震的规律，还是B地区地震引发A地区地震的规律，或者只是由于A、B地区都是地震频发区域而表现出了一种伪匹配关系。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
基于萤火虫算法修正的步长估计方法
步长估计是基于行人航迹推算室内定位中的关键因素，针对其累计误差会随着行人行走的距离和时间的增加随之变大，传统的粒子滤波在提高精度的同时会造成粒子贫化的问题，本文提出一种基于萤火虫算法修正的步长估计方法.该方法首先在传统的非线性步长估计模型中加入了加速度的平均值和行走时间，得到改进的步长估计模型.然后结合改进的萤火虫算法，通过粒子权重不断修正的方式得到动态步长.实验证明，该方法在一定程度上解决了粒子贫化问题，提高了步长估计的精度.
标签：室内定位;行人航迹推算;步长估计;萤火虫算法;动态修正
近年来，室内定位的研究受到国内外的广泛关注.智能手机的普及为室内定位带来了便捷，其中，行人航迹推算算法[1]因其受环境的影响较小，定位精度较高，因此得到广泛关注.它是在已知行人初始位置的前提下，通过智能设备中传感器测得的数据，得到行人的步频、步长和方向角，估计出行人的位置和运动轨迹.在行人航迹推算算法中，步长的估算起着关键性的作用，可以理解为步长精度的准确性直接影响着行人位置估计的准确性.
常见的步长估计方法包括线性估计模型和非线性估计模型[2]，其中，非线性估计模型具有较高的准确性和实时性，因此被广泛使用.传统的非线性步长估计模型[3]利用行人的步长与行走时的加速度之间的非线性关系，建立数学估计模型来计算步长.但是随着行人行走距离和时间的增加，累积误差会随之变大.目前大部分的惯性传感器定位系统会使用粒子滤波来提高定位精度，例如采用粒子滤波算法[4]结合不同的定位数据（如地图信息）来修正定位结果.但是，当需要大量的粒子来保证跟踪的准确性时，粒子滤波算法会造成粒子贫化[5]问题，因而影响定位精度.针对上述问题，本文提出一种基于萤火虫算法修正的步长估计方法.本文结合改进的萤火虫粒子滤波算法[6]，通过粒子權重不断修正的方式来得到动态步长，一定程度上解决了粒子贫化问题，提高了步长估计的精度.
1 基于萤火虫算法的动态修正步长方法
1.1 行人航迹推算之步长估计
由图1可看出，改进的萤火虫粒子滤波算法经过迭代寻优，比传统粒子滤波的状态预测精度较高，估计误差明显较小.
为了对所提出步长估算方法的性能进行测试与分析，本文选取了计算机学院六楼走廊为测试场景，走廊长约45m.采用Android系统的智能手机做为整个实验的设备，其型号为Honor 10，版本为Android 9，用以采集实验所需的相关数据.然后借助Matlab平台计算完成本文方法和传统方法的对比试验，并进行数据分析.
实验时，行人手持智能手机，以均刀的速度在走廊沿直线行走40m，采集到加速度计、陀螺仪和磁力计的数据，然后在Matlab中进行步长的估算.为了验证本文方法的有效性和可行性，利用同一组数据，用了两种对比方法分别做了10次实验.其中，PF步长估计代表基于粒子滤波算法的传统非线性步长估计方法，FA-PF步长估计代表本文基于萤火虫粒子修正的步长估计方法.经过实验，得到这两种算法的误差比较如图2所示：
如图2所示，相比于基于粒子滤波算法的传统非线性步长估计方法，本文提出的基于萤火虫算法修正的步长估计方法，整体误差明显减小.进一步分析可得，10组定位实验的误差均值由原来的 4.6m减少到 2.2m.实验结果表明，该方法在一定程度上提高了步长估计的精度.
3 结束语
基于PDR的室内定位方法中，步长估计是关键因素，但是随着行人行走距离和时间的增加，累积误差会随之变大，传统的粒子滤波算法在提高精度的同时会造成粒子贫化问题.针对上述问题，本文提出一种基于萤火虫算法修正的步长估计方法.首先，本文在传统的非线性步长估计模型中加入了加速度的平均值和行走时间，得到改进的步长估计模型.然后结合改进的萤火虫粒子滤波算法，通过粒子权重不断修正的方式来得到动态步长.经过实验证明，该方法在一定程度上解决了粒子贫化问题，提高了步长估计的精度.
参考文献
[1]寇彩云，张会清，王普.基于惯性传感器的行人室内定位算法[J]. 传感器与微系统，2019，38（01）：143-146.
[2]Kang W，Han Y. SmartPDR：Smartphone-Based Pedestrian DeadReckoning for Indoor Localization[J]. IEEE Sensors Journal，2015，15（5）：2906-2916.
[3]Kang W，Han Y. SmartPDR：Smartphone-Based Pedestrian DeadReckoning for Indoor Localization[J]. IEEE Sensors Journal，2015，15（5）：2906-2916.
[4]林庆，王新.基于改进的粒子滤波算法的目标跟踪[J].信息技术，2017（10）.
[5]Foo P H，Ng G bining the interacting multiple model method withparticle filters for manocuvring target tracking.IET Radar，Sonarand Navigation，2011，5（3）：234一255
[6]Horng M H. Vector quantization using the firefly algorithm for imagecompression. Expert Systems with A pplications，2012，39（1）：1078-1091[7]Lundquist C，Karlsson R，Ozkan E，Gustafsson F. Tire radii estimation using a marginalized particle filter. IEEE Trans-actions on Inteligent Transportation Systerms，2014，15（2）：663-672
[8]Zhou Tianrun，Ouyang Yini，Wang Rui，et al. Particle filter based on real-time compressive tracking [C]//Proc of International Conference onAudio.Piscataway，NJ：IEEE Press，2017：754-759.
[9]YANG X S. Firefly algorithm，stochastic test functions and designoptimization [J]. International Journal of Bio-Inspired Computation，2010，2（2）：78-84.
[10]Xian W M，Long B，LiM，Wang H J. Prognostics of lithium-ion batteriesbased on the verhulst model，particle swarm optimization and particle filter. IEEETransactions on In-strumentation and Measurement，2013，63（1）：2-17
[11]程美英，倪志偉，朱旭辉.萤火虫优化算法理论研究综述[J].计算机科学，2015，42（4）：19-24.
[12]Chen J，Ou G，Peng A，et al. An INS/Floor-Plan Indoor Localization System Using the Firefly Particle Filter[J]. ISPRS International Journal ofGeo-Information，2018，7（8）.。