• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    改進約束雞群算法在神經網絡的應用*

    2018-02-26 10:13:10張瑩杰張樹群
    計算機工程與科學 2018年12期
    關鍵詞:子群公雞母雞

    張瑩杰,張樹群

    (暨南大學信息科學技術學院,廣東廣州510632)

    1 引言

    近年來,Hinton教授等人[1]提出深度置信網絡DBN(Deep Belief Network),掀起了深度學習DL(Deep Learning)的熱潮。而最早的人工神經網絡(又稱神經網絡)又重新引起了許多學者的關注,其中BP(Back Propagation)神經網絡是應用最廣泛的神經網絡模型。BP神經網絡有著并行處理、魯棒性、自適應組織等特點,非常適合解決復雜的非線性問題,在模式識別、故障測試、圖像處理等領域有著廣泛的應用。

    近年來,隨著智能優(yōu)化算法的發(fā)展,更多的智能優(yōu)化算法被用于解決規(guī)模大、維數高的復雜工程問題,如粒子群優(yōu)化算法[2-5]、螢火蟲算法[6-8]、蟻群算法[9]?;谡`差反向傳播算法的BP神經網絡存在收斂速度慢、易陷于局部極小值的問題,和智能算法相結合優(yōu)化BP神經網絡已成為一個研究熱點。

    雞群算法CSO(Chicken Swarm Optimization)[10]是一種基于雞群搜索行為的群智能算法,它模擬雞群等級制度和雞群行為,將雞群分為若干子群,每個子群由一只公雞、若干母雞和小雞組成,不同種類的雞遵循不同的移動規(guī)律,每個子群中的個體都圍繞這個子群中的公雞尋找食物,而公雞隨機移動。CSO具有良好的全局收斂性和魯棒性,在工程中得到了廣泛的應用。Ahmed等人[11]基于雞群優(yōu)化算法提出一種自適應方法,更好地解決了復雜社會網絡中的社區(qū)發(fā)現問題。Hafez等人[12]提出了一種基于雞群優(yōu)化算法的特征選擇系統(tǒng),取得了更好的分類精度。然而,雞群算法兼具這些優(yōu)點的同時不免也會有自己的缺陷,例如在求解多極值優(yōu)化問題時易陷入局部最優(yōu)、收斂速度較慢等問題。針對在高維問題求解中,CSO算法容易陷入局部最優(yōu)的問題,提出了一種改進的CSO算法,在高維情況下,通過大量的測試函數進行相關參數分析和優(yōu)化能力驗證。

    本文針對雞群算法存在的收斂速度較慢及易陷入局部最優(yōu)[13-15]等問題,提出了一種改進約束雞群算法ICCSO(Improved Constrained Chicken Swarm Optimization),從約束函數和進化機制兩方面對基本雞群算法進行了改進,提高了算法的收斂速度和全局搜索能力,并以幾個標準測試函數和BP神經網絡為例進行了仿真實驗,結果表明,該算法在收斂速度、全局搜索能力上優(yōu)于基本雞群算法、改進雞群算法。

    2 改進雞群優(yōu)化算法

    2.1 基本雞群優(yōu)化算法

    在基本雞群優(yōu)化算法中,雞群被分為若干子群,每個子群由帶頭公雞、若干母雞和小雞組成。雞群中,適應度最好的若干個體作為帶頭公雞,適應度最差的一些個體作為小雞,剩余的個體作為母雞。母雞隨機選擇公雞,母雞與小雞的母子關系也是隨機建立的,且這種等級制度、支配關系和母子關系一旦建立就保持不變,直至數代以后才開始更新。每個子群中的個體都圍繞這個子群中的公雞尋找食物,而公雞隨機移動,迭代進行群體更新以獲取目標。

    在解決優(yōu)化問題時,雞群中的每個個體都對應優(yōu)化問題的一個解。假設雞群中所有個體數為N,公雞、母雞、小雞和媽媽母雞的個數分別為 NR、NH、NC和 NM。xti,j(i∈[1,N],j∈[1,D])表示個體i第t次迭代時在j維搜索空間的位置。

    雞群中雞的類型有3種,不同類型的雞的位置更新公式不同。公雞是雞群中適應度最好的一群個體,它們在更廣泛的空間尋找食物,公雞所對應的位置更新公式如下:其中,randn(0,σ2)是均值為0、標準差為σ2的一個高斯分布;ε是一個很小的常數。k(k∈[1,N],k≠i)為公雞中不為i的任一個體,是從所有非雞群子群的公雞中隨機選擇的。f為個體x對應的適應度值。

    母雞所對應的位置更新公式如下:

    其中,rand為[0,1]的隨機數;r1為第i只母雞自身所在子群中的公雞;r2為隨機選取的任意公雞或者母雞個體,且 r1≠r2。

    小雞所對應的位置更新公式如下:

    其中,m為第i只小雞對應的母雞;FL(FL∈[0,2])為跟隨系數,表示小雞跟隨其對應母雞尋找食物。

    2.2 改進雞群優(yōu)化算法

    基本雞群算法存在收斂速度較慢及易陷入局部最優(yōu)等問題,本文從約束函數和進化機制兩方面對基本雞群算法進行了改進。

    2.2.1 約束函數的改進

    在基本雞群算法中,如果個體超出搜索范圍,個體將從最接近的邊界重新開始搜索。數學描述如下:

    其中,Lbj、Ubj分別表示第j維的下邊界、上邊界。

    雞群算法用相應的上下界替代約束值,收斂速度較慢。本文提出用當前種群中最優(yōu)秀群體相應值的隨機移動替換約束值,以提高算法的收斂速度。描述如下:

    其中,w1為步長,randn(0,1)為標準正態(tài)分布,是從當前最優(yōu)的Nwell(Nwell=NR)個個體中隨機選擇的,為從當前較優(yōu)的 Ngood(Ngood=N -NC)個個體中隨機選擇的。

    2.2.2 進化機制的改進

    由基本雞群算法3種類型的雞的位置更新公式可知,每個子群中的個體都圍繞這個子群中的公雞尋找食物,而公雞隨機移動。如果公雞陷入局部最優(yōu),則整個子群也可能陷入局部最優(yōu);而且公雞間相互沒有信息交流,收斂速度較慢。針對這些缺點,我們增加了整個雞群最優(yōu)個體對公雞和母雞的牽引作用,以提高算法的收斂速度和全局搜索能力。

    改進后的公雞所對應的位置更新公式如下:

    其中

    其中,w2為自適應調整因子,wmin、wmax分別為調整因子的最小值和最大值;M為迭代的最大次數。

    改進后的母雞所對應的位置更新公式如下:

    改進后的算法步驟如下所示:

    步驟1初始化。確定初始參數 N、NR、NH、NC、NM、M等,在解空間內隨機生成雞群各個個體的初始位置x,計算其適應度,初始化個體當前最好位置Pbest和雞群全局最好位置Ibest。

    步驟2如果滿足更新雞群關系條件,對雞群的適應度值進行排序,建立雞群的等級制度、支配關系和母子關系。

    步驟3分別由公式(9)、公式(11)、公式(6)更新公雞、母雞和小雞的位置并計算其適應度值。

    步驟4更新雞群的個體當前最好位置和雞群全局最好位置。

    步驟5步驟2~步驟4為一次迭代過程,完成后判斷是否達到最大迭代次數,如果是,則終止循環(huán),否則繼續(xù)循環(huán)。

    2.3 基于改進約束雞群算法的BP神經網絡優(yōu)化

    BP神經網絡是按誤差反向傳播算法進行學習的多層前饋神經網絡,BP神經網絡結構一般為3層:輸入層、隱含層和輸出層(層內無連接、層間全連接)。BP神經網絡通過誤差函數梯度反方向下降調整權值和閾值,反復訓練學習權值和閾值使誤差函數達到最小。

    結合雞群算法優(yōu)化BP神經網絡[16-18]的基本原理是:神經網絡中的權值和閾值作為雞群個體,誤差函數作為雞群算法的適應函數,通過迭代更新找到整個雞群最優(yōu)個體,再將最優(yōu)個體返還回神經網絡進行誤差結果測試。具體步驟如下:

    步驟1根據實際要求初始化BP神經網絡結構:每層神經網絡的節(jié)點數、權值、閾值等;

    步驟2將權值和閾值視為雞群個體,初始化雞群算法參數;

    步驟3計算個體當前最好位置Pbest和雞群全局最好位置Ibest,建立雞群的等級制度、支配關系和母子關系;

    步驟4更新公雞、母雞和小雞的位置,計算其適應度值,并更新雞群的個體當前最好位置和雞群全局最好位置;

    步驟5進行雞群算法迭代更新:搜索雞群最優(yōu)個體;

    步驟6將最優(yōu)個體傳回BP神經網絡進行訓練并用測試數據進行驗證。

    3 實驗仿真和分析

    3.1 雞群算法仿真

    本文采用表1所列出的5個標準測試函數來分析和驗證ICCSO算法的實際性能效果,并將結果與ICSO[19]和CSO算法進行了對比。

    Table 1 Standard test functions for testing algorithm performance表1 用于測試算法性能的標準測試函數

    本實驗中,ICCSO算法的種群大小N為100,維數D為10,最大迭代次數M 為1 000。NR、NH、NC、NM分別為0.2N、0.6N、0.1N、0.1NH,FL 為[0.4,1]的隨機數,G=10,wmin=0.8,wmax=1.0。每個測試函數分別獨立運行50次,以消除隨機性,將計算出的最優(yōu)值、最差值、平均值、標準差值與CSO和ICSO的計算結果相比較,如表2所示和圖1所示。

    (1)F1函數:由表2可以看出,ICCSO算法的平均值和最優(yōu)值精度比ICSO算法和CSO算法的提高了40多個數量級,而ICSO算法的平均值和最優(yōu)值精度只是比CSO算法的多一個數量級。圖1a中ICCSO在迭代次數為24左右時就收斂,而ICSO和CSO算法曲線還未收斂,向最優(yōu)值收斂靠攏,ICCSO算法的收斂曲線比 ICSO、CSO算法的收斂曲線更平滑陡峭,說明ICCSO算法能夠更快速收斂,而CSO和ICSO算法出現了最優(yōu)解停滯現象。在迭代次數相同時,ICCSO算法比ICSO、CSO算法的適應度值更優(yōu)。

    (2)F2函數:F2函數在高維情況下存在眾多極值點,CSO算法和ICSO算法在運算過程中都沒有避免這個問題,陷入了局部最優(yōu)值;而ICCSO算法避免了陷入局部最優(yōu),并且取得了較高的收斂精度。從表2中看出,ICCSO算法的最優(yōu)值和平均值精度都要比ICSO、CSO算法的更優(yōu)。圖1b顯示ICCSO算法迭代15次左右時就收斂了,下降速度比ICSO算法、CSO算法更快,說明ICCSO算法能夠快速收斂,并且相比較其他兩個算法,每一次迭代ICCSO算法的適應度值更好。

    Table 2 Comparison of test results among the algorithms表2 算法的測試結果對比

    (3)F3函數:從表2可以看出,ICCSO算法的最優(yōu)值和平均值精度要比ICSO算法、CSO算法的精度高40~50個數量級。圖1c中ICCSO算法能在迭代15次以后達到收斂,比其他兩個算法更快速找到最優(yōu)值,并保持了較好的速度和精度。

    (4)F4函數:從表2中可以看出,ICCSO算法的最優(yōu)值精度和平均值精度都要比ICSO算法、CSO算法高出45個左右數量級。圖1d中ICCSO算法的收斂曲線要更平滑陡峭,收斂速度比其他算法更快一些。

    (5)F5函數:表2中ICCSO算法的最優(yōu)值、平均值精度要達到e-170左右,而ICSO、CSO算法的精度卻只有e-120左右。圖1e中ICCSO算法收斂速度要更快一些,能快速找到最優(yōu)值并進入收斂狀態(tài)。

    綜上所述,對于這5個標準測試函數,尤其是對于存在眾多極值點的問題,ICCSO算法都取得了比CSO算法和ICSO算法更令人滿意的結果。仿真結果表明,ICCSO算法在全局搜索能力和收斂速度、收斂精度方面都優(yōu)于CSO算法和ICSO算法。

    3.2 BP神經網絡測試結果和分析

    本仿真實驗是對某型齒輪箱故障[20,21]樣本進行識別,分別從正常運行、點蝕、磨損、斷齒、點蝕磨損混合、斷齒磨損混合6種齒輪狀態(tài)隨機抽取80個樣本作為訓練集,再從6種狀態(tài)中選取20個樣本作為測試集。用測試樣本的測試誤差作為衡量網絡的優(yōu)劣,再通過誤差計算個體的適應度值,個體的誤差越小,適應度越好,則該個體越優(yōu)[22]。將基本雞群算法的BP神經網絡、改進雞群算法的BP神經網絡以及改進約束雞群算法的BP神經網絡進行對比,其中BP神經網絡的網絡結構均為輸入層9個節(jié)點、隱含層19個節(jié)點、輸出層6個節(jié)點。3種算法的神經網絡測試結果如表3所示。

    從表3可以看出,ICCSO算法改進的BP神經網絡的測試誤差為4.133 3e-08,相比ICSO算法、CSO算法改進的BP神經網絡的測試誤差精度提高了2個數量級,也就是說,ICCSO算法能夠比ICSO算法、CSO算法改進的BP神經網絡更準確地識別齒輪箱的6種狀態(tài),表示ICCSO算法改進的BP神經網絡具有更好的故障識別精度以及較強的適應能力,也從側面反映出本文提出的ICCSO算法的收斂速度、全局搜索能力確實得到了改進,驗證了其應用于齒輪箱故障診斷的可行性與正確性。

    4 結束語

    基本雞群算法有收斂精度高和魯棒性好等優(yōu)點,但存在收斂速度較慢及易陷入局部最優(yōu)等問題,通過改進基本雞群算法,并結合BP神經網絡,對齒輪箱故障進行識別,結果表明改進約束雞群算法結合BP神經網絡比改進雞群算法、基本雞群算法有著更好的識別效果。

    猜你喜歡
    子群公雞母雞
    超聚焦子群是16階初等交換群的塊
    母雞
    兩只公雞
    快樂語文(2021年36期)2022-01-18 05:48:40
    母雞下蛋
    子群的核平凡或正規(guī)閉包極大的有限p群
    母雞
    說話的公雞
    小母雞回來了
    幼兒園(2016年6期)2016-04-26 10:57:10
    聰明的公雞
    恰有11個極大子群的有限冪零群
    成人18禁高潮啪啪吃奶动态图| 一夜夜www| 波多野结衣av一区二区av| 国产在线观看jvid| 国产精品久久久av美女十八| 他把我摸到了高潮在线观看| 久久久国产精品麻豆| 国产av精品麻豆| 99国产综合亚洲精品| 天天添夜夜摸| 免费人成视频x8x8入口观看| 成人手机av| 大码成人一级视频| 两个人看的免费小视频| 黄片播放在线免费| 色老头精品视频在线观看| 亚洲色图av天堂| 亚洲三区欧美一区| 亚洲成人精品中文字幕电影 | 国产精品一区二区精品视频观看| 亚洲av片天天在线观看| 色播在线永久视频| 一边摸一边抽搐一进一出视频| 9191精品国产免费久久| 精品福利观看| 国产精品98久久久久久宅男小说| 国产成人欧美| 久久婷婷成人综合色麻豆| 不卡一级毛片| 看免费av毛片| 亚洲一区二区三区不卡视频| 真人做人爱边吃奶动态| 国产高清videossex| 亚洲午夜理论影院| 色播在线永久视频| 亚洲精品一卡2卡三卡4卡5卡| 美女国产高潮福利片在线看| 大型黄色视频在线免费观看| 精品国产一区二区三区四区第35| 久久天堂一区二区三区四区| 国产精品av久久久久免费| а√天堂www在线а√下载| 在线观看午夜福利视频| 午夜免费激情av| 母亲3免费完整高清在线观看| 这个男人来自地球电影免费观看| 久久天躁狠狠躁夜夜2o2o| 日韩人妻精品一区2区三区| 午夜免费激情av| 亚洲黑人精品在线| 国产精品av久久久久免费| 午夜亚洲福利在线播放| 男人的好看免费观看在线视频 | 日本精品一区二区三区蜜桃| 国产一区在线观看成人免费| 最好的美女福利视频网| 97碰自拍视频| 三上悠亚av全集在线观看| 免费看a级黄色片| av欧美777| 亚洲第一青青草原| 啦啦啦 在线观看视频| 欧美日韩亚洲综合一区二区三区_| 啦啦啦免费观看视频1| 色综合站精品国产| 国产亚洲欧美98| 精品国产国语对白av| 亚洲全国av大片| 亚洲精品国产精品久久久不卡| 99riav亚洲国产免费| 午夜久久久在线观看| 久久精品亚洲熟妇少妇任你| avwww免费| cao死你这个sao货| svipshipincom国产片| 午夜福利影视在线免费观看| 亚洲国产精品999在线| 国产伦人伦偷精品视频| 美女扒开内裤让男人捅视频| 麻豆成人av在线观看| 日韩精品免费视频一区二区三区| 午夜亚洲福利在线播放| 老司机福利观看| 手机成人av网站| avwww免费| 午夜福利在线观看吧| av天堂久久9| 一边摸一边做爽爽视频免费| 99在线人妻在线中文字幕| 久久久国产成人免费| 精品国内亚洲2022精品成人| 亚洲专区中文字幕在线| 中文字幕另类日韩欧美亚洲嫩草| 婷婷丁香在线五月| 亚洲精品成人av观看孕妇| 久久天堂一区二区三区四区| 三级毛片av免费| 午夜日韩欧美国产| 亚洲国产看品久久| 久久精品亚洲av国产电影网| 中文字幕高清在线视频| 国产真人三级小视频在线观看| 国产成人精品无人区| 法律面前人人平等表现在哪些方面| av免费在线观看网站| 国产91精品成人一区二区三区| 一边摸一边抽搐一进一小说| 国产激情欧美一区二区| 搡老岳熟女国产| 大型av网站在线播放| 午夜成年电影在线免费观看| 精品少妇一区二区三区视频日本电影| 亚洲精品粉嫩美女一区| 精品久久蜜臀av无| 成人特级黄色片久久久久久久| 深夜精品福利| www国产在线视频色| 国产精品乱码一区二三区的特点 | 成人免费观看视频高清| 女人精品久久久久毛片| 亚洲精品一卡2卡三卡4卡5卡| 久久精品国产亚洲av香蕉五月| 久久久久久久精品吃奶| 久久热在线av| 一区二区三区激情视频| 亚洲av电影在线进入| 成年人黄色毛片网站| 久久久精品国产亚洲av高清涩受| 久久久久精品国产欧美久久久| 亚洲午夜精品一区,二区,三区| av欧美777| 18美女黄网站色大片免费观看| 国产aⅴ精品一区二区三区波| 亚洲人成网站在线播放欧美日韩| 欧美日本中文国产一区发布| 亚洲免费av在线视频| 欧美性长视频在线观看| 99热只有精品国产| 色婷婷av一区二区三区视频| 一二三四在线观看免费中文在| 黄片小视频在线播放| 久99久视频精品免费| 国产亚洲精品综合一区在线观看 | 国产激情久久老熟女| 亚洲专区国产一区二区| 女生性感内裤真人,穿戴方法视频| x7x7x7水蜜桃| 成年版毛片免费区| 久久香蕉国产精品| 亚洲avbb在线观看| 女人被躁到高潮嗷嗷叫费观| 精品免费久久久久久久清纯| 国产日韩一区二区三区精品不卡| 乱人伦中国视频| 天堂中文最新版在线下载| 日韩欧美在线二视频| 成人特级黄色片久久久久久久| 五月开心婷婷网| 国产97色在线日韩免费| 国产亚洲av高清不卡| av有码第一页| 欧洲精品卡2卡3卡4卡5卡区| 99久久人妻综合| а√天堂www在线а√下载| 久久午夜综合久久蜜桃| 三上悠亚av全集在线观看| 性色av乱码一区二区三区2| 多毛熟女@视频| 国产无遮挡羞羞视频在线观看| 视频区欧美日本亚洲| 成年女人毛片免费观看观看9| 岛国在线观看网站| 成人免费观看视频高清| 亚洲男人的天堂狠狠| 天堂俺去俺来也www色官网| av有码第一页| 久久久国产一区二区| 丰满饥渴人妻一区二区三| 五月开心婷婷网| 少妇的丰满在线观看| 少妇 在线观看| 啦啦啦 在线观看视频| 久久草成人影院| 一级a爱视频在线免费观看| 亚洲,欧美精品.| 视频区图区小说| 亚洲va日本ⅴa欧美va伊人久久| 国产又色又爽无遮挡免费看| 亚洲九九香蕉| 精品久久久久久,| 精品久久久久久久毛片微露脸| 久久青草综合色| 麻豆成人av在线观看| a级片在线免费高清观看视频| 少妇裸体淫交视频免费看高清 | 国产亚洲精品第一综合不卡| 国产成+人综合+亚洲专区| 免费在线观看影片大全网站| av在线天堂中文字幕 | 亚洲欧美日韩无卡精品| 99riav亚洲国产免费| 亚洲av成人一区二区三| 在线永久观看黄色视频| 中文字幕人妻熟女乱码| 女性被躁到高潮视频| 男女床上黄色一级片免费看| 99久久精品国产亚洲精品| 国产精品免费视频内射| 国产精品九九99| 久久人人爽av亚洲精品天堂| 村上凉子中文字幕在线| 大香蕉久久成人网| 久久国产精品影院| 最近最新中文字幕大全免费视频| 亚洲欧美日韩高清在线视频| 精品乱码久久久久久99久播| 色尼玛亚洲综合影院| avwww免费| 色综合婷婷激情| 欧美日本中文国产一区发布| xxxhd国产人妻xxx| 在线天堂中文资源库| 精品日产1卡2卡| 国产xxxxx性猛交| 女人被狂操c到高潮| 美女大奶头视频| 婷婷丁香在线五月| 国产精品香港三级国产av潘金莲| 精品久久久久久电影网| 大型黄色视频在线免费观看| 精品福利永久在线观看| 欧美精品啪啪一区二区三区| 狠狠狠狠99中文字幕| 国产伦一二天堂av在线观看| 日韩视频一区二区在线观看| 久久精品亚洲熟妇少妇任你| 久久中文字幕一级| 精品久久久精品久久久| 中文字幕人妻丝袜一区二区| 色综合欧美亚洲国产小说| 波多野结衣av一区二区av| 国产成人av教育| 国产男靠女视频免费网站| 女警被强在线播放| 无遮挡黄片免费观看| 美女扒开内裤让男人捅视频| 久久国产精品男人的天堂亚洲| 亚洲欧美精品综合久久99| av欧美777| 国产在线精品亚洲第一网站| 亚洲男人天堂网一区| 免费一级毛片在线播放高清视频 | 国产麻豆69| 亚洲欧美日韩无卡精品| 久久久国产一区二区| 80岁老熟妇乱子伦牲交| 黄片播放在线免费| 久久香蕉国产精品| 好看av亚洲va欧美ⅴa在| 亚洲av熟女| 国产精品免费视频内射| 99在线视频只有这里精品首页| 91字幕亚洲| 自拍欧美九色日韩亚洲蝌蚪91| 日本 av在线| 亚洲在线自拍视频| 色综合站精品国产| 国产精品久久久久成人av| 夜夜爽天天搞| 色哟哟哟哟哟哟| 高清欧美精品videossex| 亚洲av五月六月丁香网| 日本黄色视频三级网站网址| 日本免费一区二区三区高清不卡 | 超碰97精品在线观看| 一级黄色大片毛片| 亚洲人成网站在线播放欧美日韩| 中文字幕高清在线视频| 中文字幕最新亚洲高清| 一级片'在线观看视频| 成人黄色视频免费在线看| cao死你这个sao货| 成年人免费黄色播放视频| 日本免费a在线| 成熟少妇高潮喷水视频| 侵犯人妻中文字幕一二三四区| 国产欧美日韩精品亚洲av| 免费女性裸体啪啪无遮挡网站| 麻豆av在线久日| 久久久精品国产亚洲av高清涩受| 夫妻午夜视频| 精品卡一卡二卡四卡免费| 国产精品99久久99久久久不卡| 日韩免费av在线播放| av在线播放免费不卡| 国产精品久久久久久人妻精品电影| 在线av久久热| 亚洲欧美精品综合一区二区三区| 天堂√8在线中文| 国产成人精品无人区| 亚洲人成电影免费在线| 欧美中文综合在线视频| 人妻丰满熟妇av一区二区三区| 超碰成人久久| 欧美亚洲日本最大视频资源| 亚洲欧美日韩无卡精品| 亚洲av成人av| 日韩人妻精品一区2区三区| aaaaa片日本免费| 久久午夜综合久久蜜桃| 欧美乱色亚洲激情| 亚洲一区二区三区色噜噜 | 国产欧美日韩精品亚洲av| 51午夜福利影视在线观看| 99精品久久久久人妻精品| 欧美中文综合在线视频| 91在线观看av| 精品国产亚洲在线| 巨乳人妻的诱惑在线观看| 99在线人妻在线中文字幕| 老鸭窝网址在线观看| 国产区一区二久久| 夜夜爽天天搞| 国产成人一区二区三区免费视频网站| 久久人妻熟女aⅴ| 99在线视频只有这里精品首页| www.精华液| 亚洲av片天天在线观看| 久久久久久免费高清国产稀缺| 亚洲国产看品久久| 亚洲人成77777在线视频| 欧美乱妇无乱码| 美女扒开内裤让男人捅视频| 热re99久久国产66热| 一二三四在线观看免费中文在| 国产三级在线视频| 亚洲熟妇中文字幕五十中出 | 中文字幕高清在线视频| 一二三四在线观看免费中文在| 午夜影院日韩av| 国产精品日韩av在线免费观看 | 午夜亚洲福利在线播放| 黄色片一级片一级黄色片| 天堂影院成人在线观看| 国产精品久久久久成人av| 国产欧美日韩一区二区三区在线| 欧美老熟妇乱子伦牲交| 亚洲七黄色美女视频| 国产国语露脸激情在线看| 人人澡人人妻人| 变态另类成人亚洲欧美熟女 | 亚洲全国av大片| 中文字幕人妻丝袜一区二区| 久久亚洲真实| 精品午夜福利视频在线观看一区| 亚洲午夜理论影院| 一进一出抽搐gif免费好疼 | 精品国产国语对白av| 搡老岳熟女国产| 欧美在线一区亚洲| 男女高潮啪啪啪动态图| 精品福利观看| 男人舔女人下体高潮全视频| 日韩av在线大香蕉| 精品久久久久久成人av| 日本黄色视频三级网站网址| 国产精品二区激情视频| 国产精品久久视频播放| 美女扒开内裤让男人捅视频| 美女福利国产在线| 国产成人欧美| 日本精品一区二区三区蜜桃| 亚洲人成电影观看| 丰满迷人的少妇在线观看| 水蜜桃什么品种好| 村上凉子中文字幕在线| 亚洲性夜色夜夜综合| 人人妻人人澡人人看| 国产1区2区3区精品| 99久久久亚洲精品蜜臀av| 亚洲久久久国产精品| 在线观看午夜福利视频| 久久伊人香网站| av免费在线观看网站| 精品一品国产午夜福利视频| 久久精品国产亚洲av高清一级| 亚洲成国产人片在线观看| 国产熟女xx| av中文乱码字幕在线| 99国产综合亚洲精品| 精品一区二区三区四区五区乱码| 啦啦啦在线免费观看视频4| 天堂俺去俺来也www色官网| 91麻豆精品激情在线观看国产 | 一级毛片高清免费大全| 大型黄色视频在线免费观看| 啦啦啦 在线观看视频| 成年人黄色毛片网站| 欧美久久黑人一区二区| 国产一区二区三区视频了| 91精品三级在线观看| 在线观看日韩欧美| 可以在线观看毛片的网站| 18禁观看日本| 国产黄a三级三级三级人| 国产熟女午夜一区二区三区| 看免费av毛片| 日本免费一区二区三区高清不卡 | 宅男免费午夜| 丝袜人妻中文字幕| 亚洲情色 制服丝袜| 动漫黄色视频在线观看| 国产91精品成人一区二区三区| 在线观看免费日韩欧美大片| 久久国产精品人妻蜜桃| 精品一区二区三区视频在线观看免费 | 美女国产高潮福利片在线看| 啦啦啦免费观看视频1| 欧美在线一区亚洲| 在线播放国产精品三级| 日韩中文字幕欧美一区二区| 岛国视频午夜一区免费看| 男人操女人黄网站| 真人做人爱边吃奶动态| 日本五十路高清| 久久人妻福利社区极品人妻图片| 久久久久国产一级毛片高清牌| 手机成人av网站| 一进一出好大好爽视频| 国产成人影院久久av| 黄片播放在线免费| 纯流量卡能插随身wifi吗| 成在线人永久免费视频| 91麻豆av在线| 欧美精品亚洲一区二区| 亚洲,欧美精品.| 亚洲人成电影免费在线| 搡老熟女国产l中国老女人| 精品久久久久久,| 一级片免费观看大全| 久久久久久久久免费视频了| 国产欧美日韩一区二区三区在线| 久久中文字幕人妻熟女| 大型av网站在线播放| 久久热在线av| 国产深夜福利视频在线观看| 亚洲黑人精品在线| 日日爽夜夜爽网站| 国产精品香港三级国产av潘金莲| 女警被强在线播放| 在线观看www视频免费| а√天堂www在线а√下载| 亚洲午夜理论影院| 日本精品一区二区三区蜜桃| av网站在线播放免费| 神马国产精品三级电影在线观看 | 欧美日韩中文字幕国产精品一区二区三区 | 波多野结衣av一区二区av| a级毛片在线看网站| 热re99久久国产66热| av视频免费观看在线观看| 国产成人一区二区三区免费视频网站| 成年版毛片免费区| 成人亚洲精品一区在线观看| av网站在线播放免费| 少妇 在线观看| 十八禁网站免费在线| 国产精品美女特级片免费视频播放器 | 少妇粗大呻吟视频| 午夜亚洲福利在线播放| 伦理电影免费视频| 亚洲专区中文字幕在线| 欧美激情高清一区二区三区| 成人亚洲精品av一区二区 | 老鸭窝网址在线观看| 脱女人内裤的视频| 亚洲国产精品999在线| 久久精品成人免费网站| 国产精品一区二区免费欧美| 国产成人欧美| 在线看a的网站| 成年女人毛片免费观看观看9| 亚洲人成网站在线播放欧美日韩| 色综合站精品国产| 国产激情久久老熟女| 99久久久亚洲精品蜜臀av| 18禁美女被吸乳视频| 精品一区二区三区av网在线观看| 男女午夜视频在线观看| www.www免费av| 欧美日韩国产mv在线观看视频| 午夜福利一区二区在线看| bbb黄色大片| 亚洲欧美精品综合一区二区三区| 国产三级黄色录像| 日本三级黄在线观看| 男人舔女人的私密视频| 亚洲一码二码三码区别大吗| 看免费av毛片| 日本 av在线| 国产精品秋霞免费鲁丝片| 曰老女人黄片| 欧美日本中文国产一区发布| 自拍欧美九色日韩亚洲蝌蚪91| 免费在线观看影片大全网站| 日日干狠狠操夜夜爽| 人人澡人人妻人| 国产真人三级小视频在线观看| 欧美人与性动交α欧美精品济南到| 99国产精品一区二区三区| 老汉色av国产亚洲站长工具| av网站在线播放免费| 国产精品1区2区在线观看.| 国产精品九九99| 国内久久婷婷六月综合欲色啪| 18禁观看日本| 视频在线观看一区二区三区| 好看av亚洲va欧美ⅴa在| 国产精品国产av在线观看| 日韩有码中文字幕| 久久精品亚洲熟妇少妇任你| 国产欧美日韩一区二区三| 夜夜夜夜夜久久久久| 妹子高潮喷水视频| 在线看a的网站| 亚洲中文日韩欧美视频| 91麻豆精品激情在线观看国产 | 一进一出抽搐gif免费好疼 | 99精品在免费线老司机午夜| 亚洲,欧美精品.| 91麻豆av在线| 一进一出抽搐gif免费好疼 | 在线国产一区二区在线| 久久精品aⅴ一区二区三区四区| 国产成人一区二区三区免费视频网站| 精品少妇一区二区三区视频日本电影| 99精国产麻豆久久婷婷| 精品一区二区三区av网在线观看| 国产蜜桃级精品一区二区三区| 免费不卡黄色视频| 国产成人欧美| 国产色视频综合| 97人妻天天添夜夜摸| 琪琪午夜伦伦电影理论片6080| av天堂久久9| 精品国产一区二区三区四区第35| 女警被强在线播放| 国产亚洲精品久久久久久毛片| 国产有黄有色有爽视频| 窝窝影院91人妻| 1024香蕉在线观看| 亚洲avbb在线观看| 亚洲成人免费av在线播放| 久久香蕉激情| 在线观看免费视频日本深夜| а√天堂www在线а√下载| 色播在线永久视频| 99在线人妻在线中文字幕| 久久午夜综合久久蜜桃| 日韩精品免费视频一区二区三区| 女人精品久久久久毛片| ponron亚洲| 99在线视频只有这里精品首页| 在线观看免费视频日本深夜| 免费女性裸体啪啪无遮挡网站| 中文字幕高清在线视频| 久久久水蜜桃国产精品网| 国产日韩一区二区三区精品不卡| 日韩精品免费视频一区二区三区| 女人精品久久久久毛片| 伊人久久大香线蕉亚洲五| 真人一进一出gif抽搐免费| 国产亚洲精品久久久久久毛片| 啪啪无遮挡十八禁网站| 亚洲va日本ⅴa欧美va伊人久久| 国产精品自产拍在线观看55亚洲| 黄色怎么调成土黄色| 亚洲精品一二三| 高清在线国产一区| 日本 av在线| 欧美黑人精品巨大| 最新在线观看一区二区三区| 人人妻,人人澡人人爽秒播| 国产欧美日韩一区二区精品| 成人特级黄色片久久久久久久| 麻豆av在线久日| 国产精品一区二区精品视频观看| 日日干狠狠操夜夜爽| 又黄又粗又硬又大视频| 性色av乱码一区二区三区2| 韩国av一区二区三区四区| 淫秽高清视频在线观看| 一级毛片精品| 天堂√8在线中文| 久久久久久久久免费视频了| 亚洲成人国产一区在线观看| 国产片内射在线| 他把我摸到了高潮在线观看| 成人18禁在线播放| 少妇被粗大的猛进出69影院| 成人亚洲精品av一区二区 | 后天国语完整版免费观看| 丰满饥渴人妻一区二区三| 1024视频免费在线观看| 黄色成人免费大全| 视频在线观看一区二区三区| 一级黄色大片毛片| 日韩高清综合在线| 亚洲成人免费电影在线观看| 久久久久九九精品影院| 久久香蕉精品热| 91国产中文字幕| 身体一侧抽搐| 欧美人与性动交α欧美精品济南到| 12—13女人毛片做爰片一|