灰狼优化(grey wolf optimization,GWO)算法是一种基于群体智能的随机优化算法,已成功地应用于许多复杂的优化问题的求解.尽管GWO算法有很多改进形式,但缺少严谨的收敛性分析,导致改进后的算法不具备理论支撑.对此,运用鞅论分析其收敛性...灰狼优化(grey wolf optimization,GWO)算法是一种基于群体智能的随机优化算法,已成功地应用于许多复杂的优化问题的求解.尽管GWO算法有很多改进形式,但缺少严谨的收敛性分析,导致改进后的算法不具备理论支撑.对此,运用鞅论分析其收敛性.首先,根据GWO算法原理建立其基本的数学模型,通过定义灰狼状态空间及灰狼群状态空间,建立GWO算法的Markov链模型,并分析该算法的Markov性质;其次,介绍鞅理论,推导出一个上鞅作为最优适应度值的群进化序列;然后,运用上鞅收敛定理,并结合其Markov性质对GWO算法进行收敛性分析,证明GWO算法能以1的可能性达到全局收敛;最后,通过数值实验验证其收敛性能.实验结果表明,GWO算法具有全局收敛性强、计算耗时较低、寻优精度高等特点.展开更多
随着GPS台站的普及,结合GPS数据进行时间序列数据异常检测已成为热门研究领域。针对现有方法普遍存在的主观性强、普适性差等问题,运用鞅理论,提出了一种基于GPS数据的震前短临异常检测算法(Anomaly Detection Algorithm based on GPS d...随着GPS台站的普及,结合GPS数据进行时间序列数据异常检测已成为热门研究领域。针对现有方法普遍存在的主观性强、普适性差等问题,运用鞅理论,提出了一种基于GPS数据的震前短临异常检测算法(Anomaly Detection Algorithm based on GPS data, ADA)。实验结果表明,ADA算法所检测到的GPS数据中,异常出现时间与地震发生时间存在显著相关,与时间序列异常检测中传统的kσ准则和主流的异常检测模型ARIMA、单类别支持向量机OCSVM以及基于两阶段聚类的异常检测算法TSOD相比,ADA算法能够更直观、准确地反映震前GPS数据中出现的异常,不易出现误报的情况。展开更多
文摘灰狼优化(grey wolf optimization,GWO)算法是一种基于群体智能的随机优化算法,已成功地应用于许多复杂的优化问题的求解.尽管GWO算法有很多改进形式,但缺少严谨的收敛性分析,导致改进后的算法不具备理论支撑.对此,运用鞅论分析其收敛性.首先,根据GWO算法原理建立其基本的数学模型,通过定义灰狼状态空间及灰狼群状态空间,建立GWO算法的Markov链模型,并分析该算法的Markov性质;其次,介绍鞅理论,推导出一个上鞅作为最优适应度值的群进化序列;然后,运用上鞅收敛定理,并结合其Markov性质对GWO算法进行收敛性分析,证明GWO算法能以1的可能性达到全局收敛;最后,通过数值实验验证其收敛性能.实验结果表明,GWO算法具有全局收敛性强、计算耗时较低、寻优精度高等特点.
文摘随着GPS台站的普及,结合GPS数据进行时间序列数据异常检测已成为热门研究领域。针对现有方法普遍存在的主观性强、普适性差等问题,运用鞅理论,提出了一种基于GPS数据的震前短临异常检测算法(Anomaly Detection Algorithm based on GPS data, ADA)。实验结果表明,ADA算法所检测到的GPS数据中,异常出现时间与地震发生时间存在显著相关,与时间序列异常检测中传统的kσ准则和主流的异常检测模型ARIMA、单类别支持向量机OCSVM以及基于两阶段聚类的异常检测算法TSOD相比,ADA算法能够更直观、准确地反映震前GPS数据中出现的异常,不易出现误报的情况。
