高斯-柯西变异算子优化的LSSVM模型研究

摘要：

论文针对标准量子粒子群算法易陷入局部极值的问题,提出一种改进的量子粒子优化最小二乘支持向量机的方法.利用高斯变异数的局部开发能力以及柯西变异数的全局搜索能力,在量子粒子群优化算法中,引入高斯-柯西变异算子,帮助算法跳出局部极值.并利用该优化模型进行光伏发电量预测实验,对优化的最小二乘支持向量机模型的预测结果与其他模型预测结果进行比较,结果表明:基于高斯-柯西变异算子的量子粒子群优化的最小二乘支持向量机对光伏发电量的预测具备较好的收敛速度和跳出局部收敛困境的能力.

关键词：最小二乘支持向量机、量子粒子群优化、参数优化、高斯-柯西变异算子

所属期刊栏目：48

分类号：TP39(计算技术、计算机技术)

资助基金：江苏省普通高校研究生创新计划;南通大学产学研项目"第二代光伏组件智能运维机器人研制"

在线出版日期：2020-05-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：19-24