计算机工程

作者：谢久超, 苌道方

单位：1. 上海海事大学物流科学与工程研究院, 上海 2013062. 上海海事大学物流工程学院, 上海 201306

关键词：焊接余量预测,Stacking集成学习,代理模型,螯虾优化算法,折射反向学习机制,黄金正弦算法

为了提升钢板焊接的精度, 提高船体质量和建造效率, 提出一种自适应黄金正弦螯虾优化算法(AGSCOA)-Stacking特征加权代理模型的方法, 用于解决船用钢板焊接余量预测问题。首先, 基于Stacking集成学习策略, 根据所提出的PC指标, 从多种机器学习模型中筛选出兼具高预测精度和差异性的基学习器。其次, 提出一种特征加权方法, 针对所筛选基学习器的预测性能进行自适应特征加权, 从而提高模型的泛化能力。最后, 对传统螯虾优化算法进行多方面改进, 引入正交折射反向学习机制来改进种群初始化, 确保初始种群质量; 提出自适应Lévy飞行策略来优化探索阶段, 避免陷入局部最优; 引入黄金正弦算法改进开发阶段, 平衡全局搜索与局部开发能力。利用改进后的AGSCOA对代理模型进行多参数优化, 从而提升模型预测精度。实验结果表明, AGSCOA在优化性能和收敛速度上表现出色, 所提出的代理模型相比线性加权集成学习代理模型、AGSCOA-SVR、AGSCOA-ET和AGSCOA-RF具有更高的预测精度, 均方根误差(RMSE)分别降低了14.29%、35.78%、17.48%和22.31%。

来源：2026年第1期

《计算机工程》期刊编辑部

查看计算机工程杂志2026年第1期