李 俊

(贵州中南交通科技有限公司，贵州 贵阳 561000)

基于FOA优化贝叶斯网络的高速公路机电故障预测研究

李 俊

(贵州中南交通科技有限公司，贵州 贵阳 561000)

利用果蝇优化算法的快速搜索能力和全局最优能力，结合贝叶斯网络的结构特点，运用果蝇优化算法优化贝叶斯网络结构，提出一种基于果蝇优化算法优化贝叶斯网络的高速公路机电设备故障预测研究。

果蝇优化算法；贝叶斯网络；高速公路；机电故障；数据预处理

1 果蝇优化算法

果蝇优化算法(Fruit Flying Optimization Algorithm, FOA)是受果蝇觅食行为启发而提出一种新的群智能算法，该算法具有控制参数少、收敛速度快的优点，其算法流程如下：

(1)初始化果蝇群体位置X_begin、Y_begin，设定果蝇群体大小popsize和最大迭代次数Iteration；

(2)根据公式(1)和(2)计算果蝇个体寻优的随机方向和距离；

xi=X_begin+Value×rand

(1)

yi=Y_begin+Value×rand

(2)

其中，Value表示果蝇的搜索距离；xi和yi分别表示果蝇个体的下一时刻的位置。

(3)根据公式(3)估计果蝇个体和原点之间的距离di，之后通过公式(4)计算果蝇个体的味道浓度si；

(3)

si=1/di

(4)

(4)味道浓度si代入公式(5)味道浓度判定函数，计算出该果蝇个体当前位置的味道浓si；

smelli=Function(si)

(5)

(5)找到果蝇群体中最佳味道浓度值和最佳位置，Smellb表示最佳味道浓度，xb和yb表示最佳位置；

(6)保留并记录果蝇最佳位置和最佳味道浓度，最佳味道浓度Smellbest=Smellb，果蝇初始位置X_begin=xb,Y_begin=yb，同时果蝇群体向最佳位置方向搜索；

(7)进入迭代寻优，重复迭代步骤(2)-(5)，同时判断味道浓度是否好于前一迭代味道浓度；若成立，则执行步骤(6)。

2 贝叶斯网络

对于一组变量X={X1,X2,…,Xn}，对每个变量赋予一个特定值{x1,x2,…,xn}，parents(xi)表示xi的父节点集合，则其联合概率密度可由公式(6)表示：