【摘要】：首先對(duì)標(biāo)準(zhǔn)果蠅優(yōu)化算法FOA進(jìn)行改進(jìn),自適應(yīng)調(diào)整果蠅種群數(shù)量和搜索步長(zhǎng),同時(shí)優(yōu)化初始迭代位置,改善算法局部搜索能力和搜索效率。接著將改進(jìn)的FOA算法AFOA與回聲狀態(tài)網(wǎng)絡(luò)ESN相結(jié)合,構(gòu)建一個(gè)兩階段組合預(yù)測(cè)模型(AFOA-ESN),通過AFOA優(yōu)化ESN獲取其關(guān)鍵參數(shù),將優(yōu)化后的參數(shù)輸入ESN,形成最終的組合預(yù)測(cè)模型。最后利用該模型進(jìn)行旅游需求預(yù)測(cè)。實(shí)驗(yàn)結(jié)果表明,AFOA-ESN模型較自回歸移動(dòng)平均模型、支持向量機(jī)模型、BP神經(jīng)網(wǎng)絡(luò)、標(biāo)準(zhǔn)ESN網(wǎng)絡(luò)以及其他預(yù)測(cè)模型具有更高的預(yù)測(cè)精度。
【圖文】：

果蠅優(yōu)化算法(FOA)通過模擬果蠅覓食行為尋找目標(biāo)函數(shù)最優(yōu)解,屬于一種較為新穎的啟發(fā)式算法。FOA算法擁有很強(qiáng)的全局搜索能力和快速收斂性能,算法結(jié)構(gòu)簡(jiǎn)單、運(yùn)行效率高。FOA算法主要包括種群初始化、隨機(jī)飛行、確定味道濃度判定值、確定味道濃度、位置標(biāo)記5個(gè)步驟。FOA算法的邏輯結(jié)構(gòu)如圖1所示。(1) 種群初始化。

X best =X(bestindex)?????? ??? (20) Y best =Y(bestindex)?????? ??? (21) bestSmell_global=bestSmell?????? ??? (22)(6) 調(diào)整種群規(guī)模和搜索步長(zhǎng)。根據(jù)當(dāng)前迭代最優(yōu)解,對(duì)下一迭代的種群規(guī)模Sizepop(t+1)和搜索步長(zhǎng)StepLength(t+1)進(jìn)行調(diào)整。

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 郭金玲;樊東燕;;基于SVM的山西省旅游需求預(yù)測(cè)與分析[J];電腦開發(fā)與應(yīng)用;2011年09期

2 王先遠(yuǎn),黎志成,蔡淑琴;企業(yè)物資需求預(yù)測(cè)神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)[J];華中理工大學(xué)學(xué)報(bào);1993年04期

3 秦偉興;;決策支持系統(tǒng)在煤炭需求預(yù)測(cè)的應(yīng)用研究[J];智能計(jì)算機(jī)與應(yīng)用;2013年01期

4 寧丹;劉鴻雁;;基于模糊聚類的馬爾可夫方法在需求預(yù)測(cè)中的應(yīng)用[J];計(jì)算機(jī)應(yīng)用與軟件;2008年06期

5 王坤;員曉陽(yáng);王力;;基于改進(jìn)模糊支持向量回歸模型的機(jī)場(chǎng)能源需求預(yù)測(cè)[J];計(jì)算機(jī)應(yīng)用;2016年05期

6 翁輝;劉怡;劉鵬宇;盧炳偉;;基于案例推理的裝備保障訓(xùn)練資源需求預(yù)測(cè)方法研究[J];艦船電子工程;2014年06期

7 鄭作文;薛紅;張鵬;李偉男;;連鎖零售企業(yè)應(yīng)急需求預(yù)測(cè)——基于粗糙集和支持向量機(jī)[J];現(xiàn)代商貿(mào)工業(yè);2015年17期

8 范振東;;基于BP神經(jīng)網(wǎng)絡(luò)的河南開封市住房需求預(yù)測(cè)[J];科技廣場(chǎng);2010年03期

9 張文芬;楊家其;;基于小波神經(jīng)網(wǎng)絡(luò)的海上突發(fā)事件應(yīng)急資源動(dòng)態(tài)需求預(yù)測(cè)[J];運(yùn)籌與管理;2015年04期

10 叢叢;李俊輝;;基于BP神經(jīng)網(wǎng)絡(luò)的農(nóng)村公路貨運(yùn)需求預(yù)測(cè)[J];廣東交通職業(yè)技術(shù)學(xué)院學(xué)報(bào);2019年02期

相關(guān)博士學(xué)位論文 前2條

1 曹進(jìn);服務(wù)型制造需求預(yù)測(cè)及能力規(guī)劃研究[D];上海交通大學(xué);2017年

2 楊澤渠;智能電網(wǎng)中用戶數(shù)據(jù)安全及隱私保護(hù)研究[D];浙江大學(xué);2017年

相關(guān)碩士學(xué)位論文 前10條

1 李文杰;基于深度學(xué)習(xí)的網(wǎng)約車乘客需求預(yù)測(cè)[D];西南交通大學(xué);2019年

2 裘瑞清;半封閉區(qū)域內(nèi)泊位需求預(yù)測(cè)模型及應(yīng)用研究[D];杭州電子科技大學(xué);2019年

3 陳明揚(yáng);改進(jìn)果蠅算法優(yōu)化回聲狀態(tài)網(wǎng)絡(luò)的旅游需求預(yù)測(cè)研究[D];華中科技大學(xué);2019年

4 馬勇;基于共享單車軌跡數(shù)據(jù)的需求預(yù)測(cè)及智能調(diào)度方法研究[D];北方工業(yè)大學(xué);2019年

5 吳曉曦;工業(yè)氣體行業(yè)的客戶需求預(yù)測(cè)系統(tǒng)研究[D];上海交通大學(xué);2017年

6 鄭秉中;航空貨運(yùn)艙位需求預(yù)測(cè)研究[D];中國(guó)民航大學(xué);2010年

7 張沂華;基于灰色拓?fù)涞暮桨嘤喿枨箢A(yù)測(cè)方法研究[D];中國(guó)民航大學(xué);2011年

8 高豪杰;基于BP神經(jīng)網(wǎng)絡(luò)的閥門制造企業(yè)庫(kù)存需求預(yù)測(cè)應(yīng)用研究[D];北京交通大學(xué);2015年

9 曾奕;差分進(jìn)化算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的能源需求預(yù)測(cè)研究[D];華中科技大學(xué);2015年

10 郭小梅;基于案例推理的應(yīng)急物資需求預(yù)測(cè)研究[D];蘭州交通大學(xué);2017年

本文編號(hào)：2737343