• <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 ?

    融合粒子群的緞藍(lán)園丁鳥優(yōu)化算法及應(yīng)用

    2022-01-26 05:10:02李寧高鷹翁金塔曹燦郭曉語周燦基
    現(xiàn)代計算機 2021年34期
    關(guān)鍵詞:優(yōu)化

    李寧,高鷹,翁金塔,曹燦,郭曉語,周燦基

    (1.廣州大學(xué)計算機科學(xué)與網(wǎng)絡(luò)工程學(xué)院,廣州 510000;2.中國科學(xué)院信息工程研究所,北京 100000)

    0 引言

    群體智能算法[1]是受到自然界生物啟發(fā),通過生物的生活方式和生活特性模擬設(shè)計的一種算法,可以解決經(jīng)濟、社會和自然科學(xué)等領(lǐng)域中各種復(fù)雜的優(yōu)化問題。常見的有粒子群優(yōu)化(par?ticle swarm optimization,PSO)算法[2-3],通過模擬鳥群的捕食行為來尋找最優(yōu)解;人工魚群算法(artificial fish swarm algorithm,AFSA)[4-5]是通過模仿魚類在水中的活動方式,總結(jié)出魚群的隨機、覓食、聚群、追尾等四種典型的行為來實現(xiàn)尋優(yōu);近年來也有許多新的群智能算法被提出,如象群優(yōu)化(elephant herding optimization,EHO)算法[6-7]源于自然界中大象的畜牧行為,可以用于解決全局無約束優(yōu)化問題。群智能算法具有簡單性、可擴展性和運行時間短等特點,在解決各種尋優(yōu)問題時,具有良好的操作性和強大的表現(xiàn)力。

    緞藍(lán)園丁鳥優(yōu)化(satinbower bird optimization,SBO)算法[8]是Moosavi和Vahid Khatibi Bardsiri于2017年模擬自然界成年雄性緞藍(lán)園丁鳥的求偶行為而提出的一種新型群智能算法,并與自適應(yīng)神經(jīng)模糊推理系統(tǒng)(adaptive network-based fuzzy in?ference system,ANFIS)組合,有效地提高了軟件開發(fā)工作評估的準(zhǔn)確性。目前國內(nèi)對于該算法的改進(jìn)主要有基于自適應(yīng)t分布變異的緞藍(lán)園丁鳥優(yōu)化(satin bower bird optimization based on adaptive t-distribution mutation,tSBO)算法[9]和自適應(yīng)權(quán)重緞藍(lán)園丁鳥優(yōu)化(satin bower bird optimization based on adaptive weight,WSBO)算法[10]。t SBO引入了自適應(yīng)t分布變異算子,使用算法的迭代次數(shù)作為t分布的自由度參數(shù)來增強種群的多樣性,避免原算法陷入局部最優(yōu);WSBO通過自適應(yīng)權(quán)重的方法和改進(jìn)原算法中高斯布函數(shù)來提高原算法的搜索能力。這兩種改進(jìn)都在一定程度上提高了SBO算法的性能,但是這些改進(jìn)算法在求解精度和收斂速度上仍有很大的缺陷。

    為了進(jìn)一步提高SBO算法的收斂精度,搜索能力和收斂速度,本文提出了一種基于PSO算法改進(jìn)的SBO(particle satin bower bird optimization,PSBO)算法。PSBO算法中引入了速度因子來增加算法的搜索速度和搜索能力;采用固定的慣性權(quán)重因子來提高算法的收斂性以及避免算法陷入局部最優(yōu)。通過求解8個典型復(fù)雜函數(shù)的最優(yōu)解來驗證PSBO算法的尋優(yōu)能力,并將其應(yīng)用到支持向量機(support vector machines,SVM)內(nèi)部參數(shù)優(yōu)化的問題中,驗證其有效性,拓寬了應(yīng)用范圍。

    1 緞藍(lán)園丁鳥優(yōu)化算法

    在自然界中,成熟的緞藍(lán)園丁雄鳥在其各自的領(lǐng)地上建造求偶亭,并配以各種裝飾來吸引雌鳥,然而并不是所有的成年雄鳥都能成功的構(gòu)建和維護求偶亭,存在求偶亭被破壞的情況[11]。根據(jù)緞藍(lán)園丁鳥求偶的原理,在自然界中,成熟的緞藍(lán)園丁雄鳥在其各自的領(lǐng)地上建造求偶亭,并配以各種裝飾來吸引雌鳥,然而并不是所有的成年雄鳥都能成功的構(gòu)建和維護求偶亭,存在求偶亭被破壞的情況[12]。根據(jù)緞藍(lán)園丁鳥求偶的原理,可以將SBO算法分為以下五個步驟:

    (1)初始化種群。在可行域內(nèi)隨機生成一個包含N個求偶亭的初始種群,每個求偶亭的位置定義為D維,當(dāng)前迭代次數(shù)為t,最大迭代次數(shù)為Max It。

    (2)計算每個求偶亭的吸引力。每個求偶亭的吸引力P i由公式(1)或得,fiti通過公式(2)計算:

    式中:fiti表示i個求偶亭的適應(yīng)度值,f(xi)是第i個求偶亭的目標(biāo)函數(shù),每次迭代保證目標(biāo)函數(shù)的函數(shù)值不斷減小。

    (3)更新種群位置。雄性園丁鳥根據(jù)歷史經(jīng)驗并利用信息共享機制,不斷調(diào)整求偶亭的位置,其位置更新公式如式(3)所示:

    式中:為第t代第i個個體的第k維分量;x j通過輪盤賭選擇機制確定;xelite,k為整個種群當(dāng)前的最優(yōu)位置的第k維分量;λk是步長因子,通過式(4)計算:

    式中:α為最大步長,P j是目標(biāo)求偶亭被選中的概率,概率值在0到1之間,步長與目標(biāo)位置的概率成反比,目標(biāo)位置的被選中概率越大時,步長越小。

    (4)個體變異。根據(jù)緞藍(lán)園丁雄鳥的求偶習(xí)慣,強壯的雄鳥會從較弱的雄鳥那里偷取材料,甚至破壞其求偶亭。因此算法以一定的概率隨機變異,在這個過程中,xi k服從正態(tài)分布,如公式(5)所示:

    在(6)式中,δ為標(biāo)準(zhǔn)差,通過公式(7)計算:

    式中:z是縮放比例因子,varmax和varmin分別是變量xi的上限和下限。

    (5)組合種群。在每次循環(huán)的最后,對舊種群和從變異獲得的群體進(jìn)行組合,形成組合種群,并對組合種群中的所有個體的代價函數(shù)值從小到大進(jìn)行排序,保留函數(shù)值最小的個體,淘汰其他個體。若此時滿足終止條件,則輸出最佳位置及其對應(yīng)的最優(yōu)值,否則繼續(xù)進(jìn)行迭代。

    2 基于粒子群改進(jìn)的緞藍(lán)園丁優(yōu)化算法

    2.1 粒子群優(yōu)化算法

    PSO算法是一種模仿鳥類捕食的群體智能的隨機全局優(yōu)化算法,其參數(shù)簡單易于實現(xiàn),收斂速度快且全局搜索能力較強[13]。在PSO算法中,設(shè)計了一種無質(zhì)量的粒子來模擬鳥群中的鳥,每個粒子可視為D維搜索空間中的一個搜索個體,并且具有速度和位置兩個屬性。粒子的當(dāng)前位置即為對應(yīng)優(yōu)化問題的一個候選解,粒子的飛行速度可根據(jù)粒子歷史最優(yōu)位置和種群歷史最優(yōu)位置進(jìn)行動態(tài)調(diào)整,通過群體中粒子之間的協(xié)作和信息共享來尋找最優(yōu)解。

    假設(shè)PSO算法中粒子的數(shù)量為pop,在t次迭代中,對于粒子i=1,2,3,…,pop,在D維搜索空間中,每個粒子i的速度用vi=(vi1,vi2,vi3,…,vin)t表示,位置用xi=(xi1,xi2,xi3,…,xin)n表示,則第i個粒子的速度用用公式(8)進(jìn)行計算,位置用公式(9)進(jìn)行計算:

    式中:vti是粒子第t次迭代的速度,xti是粒子第t次迭代的當(dāng)前位置,pti是粒子i搜索到的歷史最優(yōu)位置,ptg是粒子搜索到的全局最優(yōu)位置;c1和c2都是加速常數(shù);r1,r2∈[ 0,1],ω是慣性權(quán)重系數(shù)。

    2.2 改進(jìn)的緞藍(lán)園丁鳥優(yōu)化算法

    在基本的SBO算法中,種群位置的更新依賴于輪盤賭選擇機制和整個種群當(dāng)前的最優(yōu)位置,這樣種群的隨機性很小,緞藍(lán)園丁鳥個體的位置更新容易受到適應(yīng)度較好的位置的影響,導(dǎo)致算法的搜索能力很差,本文引入了粒子群算法中的速度因子,來增加算法的搜索能力,使每個種群朝著更好的方向更新,提高算法的收斂精度和收斂速度。具體的更新策略為:在每次迭代時,將種群中每只雄性緞藍(lán)園丁鳥的求偶亭視為粒子群中的每個粒子,給每個粒子一個速度因子,如公式(10):

    式中:是粒子第t次迭代的速度,為第t代第i個個體的第k維分量,x j通過輪盤賭選擇機制確定,xelite,k為整個種群當(dāng)前的最優(yōu)位置的第k維分量;c1和c2為學(xué)習(xí)因子;r為常數(shù);ω是慣性權(quán)重系數(shù);則改進(jìn)的位置更新操作為:

    式中:λk是步長因子。

    速度因子引入改進(jìn)的緞藍(lán)園丁鳥優(yōu)化算法在搜索能力和速度上都有一定的提高,但是收斂精度不夠理想,基于PSO算法速度因子中引入慣性權(quán)重的啟發(fā),本文給種群中每只雄性緞藍(lán)園丁鳥的求偶亭一個速度因子中的固定慣性權(quán)重,來提高種群的多樣性。結(jié)合速度因子的引入,最終改進(jìn)算法的位置更新操作如公式(12)。

    3 PSBO算法性能分析

    3.1 測試函數(shù)以及參數(shù)設(shè)置

    為了驗證PSBO算法的有效性,本文對8個基準(zhǔn)測試函數(shù)進(jìn)行仿真實驗來檢驗算法的改進(jìn)效果,選取的測試函數(shù)中包含單峰、多峰等不同特征的測試函數(shù),其中f1~f5為單峰函數(shù),f6~f8為峰函數(shù),如表1所示。

    表1 測試函數(shù)

    續(xù)表1

    為了更進(jìn)一步驗證PSBO算法在收斂速度和收斂精度上的優(yōu)越性,本文將其與SBO算法、WSBO算法、t SBO算法和PSO算法進(jìn)行比較,實驗環(huán)境為Window 10操作系統(tǒng),算法用Matlab R2021a編寫。實驗的最大迭代次數(shù)為500,xmax和xmin分別為每個測試函數(shù)定義域的上限和下限,種群數(shù)為20,維度為30,各算法其余的參數(shù)設(shè)置如表2所示。

    表2 算法參數(shù)設(shè)置

    3.2 實驗結(jié)果及其分析

    為減少實驗中隨機性的影響,在對每個測試函數(shù)獨立運行30次,計算其最優(yōu)值、均值和標(biāo)準(zhǔn)差,實驗結(jié)果如表3所示。對于每個測試函數(shù),在固定迭代次數(shù)下,最優(yōu)值反映了算法的尋優(yōu)能力和收斂精度,均值和標(biāo)準(zhǔn)差反映了算法的魯棒性和穩(wěn)定性。

    表3 五種算法實驗結(jié)果

    從表3的數(shù)據(jù)可以看出,對于所有測試函數(shù),本文提出的PSBO算法的最優(yōu)值、平均值和標(biāo)準(zhǔn)差均明顯優(yōu)于SBO、WSBO、tSBO和PSO。對于函數(shù)f1、f4、f6和f7這四個函數(shù),PSBO算法都能找到其理論最優(yōu)值,且其中f1、f6和f7的標(biāo)準(zhǔn)差都是0;對于其他的測試函數(shù),PSBO算法的性能在很大也程度上優(yōu)于其他算法。

    為了能更直觀地顯示PSBO算法的優(yōu)化效果,圖1到圖8給出了5種算法在8個標(biāo)準(zhǔn)測試函數(shù)f1~f8上搜索函數(shù)最優(yōu)值過程中隨迭代次數(shù)增加的收斂曲線。從圖中可以看出,不管是多峰函數(shù)還是單峰函數(shù),PSBO算法的收斂精度和收斂速度都是最好的。

    圖1 f 1函數(shù)收斂曲線

    圖8 f 8函數(shù)收斂曲線

    從圖中可以看出,除了測試函數(shù)f8,PSBO算法尋優(yōu)過程的變化近似于直線,這充分表明,PSBO算法的尋優(yōu)速度更高,收斂速度更快,全局搜索能力更強;其中,從f6和f7這2個函數(shù)收斂曲線可以看出,雖然WSBO算法和tSBO算法也能找到理論最優(yōu)值,但是它們的收斂速度遠(yuǎn)不如PSBO算法,在迭代次數(shù)不到50時,PSBO算法已經(jīng)找到了理論最優(yōu)值;從f8的函數(shù)收斂曲線可以看出,雖然PSBO最終找到的最優(yōu)值并不是很理想,但是對比其它算法已經(jīng)有了很大提升,特別是在收斂速度上,在迭代次數(shù)不到50時就已經(jīng)找到了比其它算法都要精確的值;從f1、f2、f3、f4和f5的函數(shù)收斂曲線可以看出,在迭代過程中,PSBO算法能夠快速接近于理論最優(yōu)值。

    圖2 f 2函數(shù)收斂曲線

    圖3 f 3函數(shù)收斂曲線

    圖4 f 4函數(shù)收斂曲線

    圖5 f 5函數(shù)收斂曲線

    圖6 f 6函數(shù)收斂曲線

    圖7 f 7函數(shù)收斂曲線

    4 基于PSBO算法的SVM參數(shù)優(yōu)化

    在以往的SBO算法應(yīng)用中,如2017年Moosavi等人提出了SBO算法并將其與ANFIS結(jié)合,用來提高軟件開發(fā)工作評估的準(zhǔn)確性;2018年,El-Hay等[14]用SBO算法來實現(xiàn)固體氧化物燃料電池的精確參數(shù)測量;Jagadeeswar等[15]將SBO用于電力系統(tǒng)的阻塞管理,計算最小的阻塞代價,采用基于發(fā)電量重調(diào)度的方法來緩解輸電線路的阻塞等,還未有基于機器學(xué)習(xí)函數(shù)參數(shù)優(yōu)化方面的相關(guān)應(yīng)用。為此,本文提出了一種利用BSO及其改進(jìn)算法PSBO來優(yōu)化SVM參數(shù)的應(yīng)用方向,并驗證了PSBO的有效性和可行性。

    4.1 SVM基本原理

    SVM由Vapnik等[16]于1995年提出,是一類按監(jiān)督學(xué)習(xí)方式對數(shù)據(jù)進(jìn)行二元分類的廣義線性分類器。SVM的基本思想是使用內(nèi)核函數(shù)把輸入樣本空間映射到高維特征空間,在高維空間中求得一個最優(yōu)分類面,支持向量則是指在間隔區(qū)邊緣的訓(xùn)練樣本點。

    以二分類為例子,假設(shè)給定一個特征空間上的訓(xùn)練集數(shù)據(jù)T={(x1,y1),(x2,y2),(x3,y3),…,(xN,y N)},其中,xi表示第i個特征向量,y i∈{1,-1},y i為類標(biāo)記,當(dāng)它等于1時為正例,為-1時為負(fù)例,如果數(shù)據(jù)是線性可分的,則存在分類超平面ωx+b=0,能對所有樣本進(jìn)行正確的劃分。為了使SVM的分類效果最佳,需要尋找最優(yōu)超平面,可以將最優(yōu)分類面的問題轉(zhuǎn)化為如下的約束優(yōu)化問題:

    式中:ω是超平面的法向量,b是超平面的常數(shù)項。

    當(dāng)數(shù)據(jù)集線性不可分時,SVM利用內(nèi)積核函數(shù)代替向高維空間的非線性映射,在低維空間上進(jìn)行計算,在高維空間進(jìn)行分類效果表征,減少了計算的復(fù)雜度。

    參數(shù)優(yōu)化是SVM研究中的一個重要問題,參數(shù)選擇的不同會直接影響SVM模型的分類預(yù)測精度和泛化能力,影響SVM性能的主要參數(shù)就是核參數(shù)g和懲罰因子C。分類問題中,g越小,低維空間中選擇的曲線越復(fù)雜,容易出現(xiàn)過擬合;g越大,分類的精確度越低,容易出現(xiàn)欠擬合;懲罰因子C越大,經(jīng)驗風(fēng)險越小,結(jié)構(gòu)風(fēng)險越大,容易出現(xiàn)過擬合;C越小,模型復(fù)雜度越低,容易出現(xiàn)欠擬合[17]。因此需要選擇更優(yōu)的參數(shù)C和g,來提高SVM的分類性能。

    4.2 PSBO算法優(yōu)化SVM參數(shù)

    本文將PSBO算法與支持向量機結(jié)合,用求偶亭位置的更新來尋找SVM中最優(yōu)的核參數(shù)g和懲罰因子C,將wine數(shù)據(jù)集中第一類的1-30,第二類的60-95,第三類的131-153做為訓(xùn)練集,第一類的31-59,第二類的96-130,第三類的154-178做為測試集,利用K折交叉驗證的方法算出驗證結(jié)果準(zhǔn)確率的均值作為目標(biāo)函數(shù),找出目標(biāo)函數(shù)的最優(yōu)值對應(yīng)的核參數(shù)g和懲罰因子C,具體步驟如下所示:

    (1)對wine數(shù)據(jù)集進(jìn)行預(yù)處理,將將訓(xùn)練集和測試集歸一化到[0,1]區(qū)間,并初始化PSBO的各項參數(shù)。

    (2)初始化核參數(shù)g和懲罰因子C,將它們看做PSBO算法中的求偶亭,用訓(xùn)練集訓(xùn)練模型,對數(shù)據(jù)進(jìn)行分類,計算出目標(biāo)函數(shù)和全局最優(yōu)的求偶亭位置。

    (3)根據(jù)公式(1)和公式(2),計算每個求偶亭的吸引力。

    (4)根據(jù)公式(12)來更新每個求偶亭的位置。

    (5)隨機變異,并判斷求偶亭的位置是否溢出,如果位置溢出,對位置進(jìn)行處理。

    (6)再對數(shù)據(jù)進(jìn)行分類,重新獲得個體的適應(yīng)度值。

    (7)更新求偶亭的個體最優(yōu)位置和群體最優(yōu)位置。

    (8)計算每一代的個體全局最優(yōu)適應(yīng)度值。

    (9)判斷迭代次數(shù)是否為最大迭代次數(shù),若是,結(jié)束算法并輸出核參數(shù)g和懲罰因子C的最優(yōu)解和最優(yōu)目標(biāo)函數(shù)。

    (10)用計算出的參數(shù)g和懲罰因子C構(gòu)建分類模型,對測試數(shù)據(jù)進(jìn)行分類預(yù)測并計算其準(zhǔn)確率。

    4.3 實驗結(jié)果及其分析

    在實驗中,將SVM分別與PSBO算法、SBO算法和PSO算法結(jié)合,以驗證本文改進(jìn)的PSBO算法在SVM參數(shù)優(yōu)化中的性能。其中,設(shè)置迭代次數(shù)為100,種群規(guī)模為20,其中懲罰因子C的最大值設(shè)定為1015,最小值為10-1,核參數(shù)g的最大值設(shè)定為103,最小值設(shè)定為10-4,則VarMax為1015,VarMin為為10-4,設(shè)置5次K折交叉驗證,其他參數(shù)如表4所示。

    表4 參數(shù)設(shè)置

    為了防止實驗的偶然性,對每個算法進(jìn)行獨立的30次試驗,記錄模型分類最高的準(zhǔn)確率和最低的準(zhǔn)確率和對應(yīng)的核參數(shù)g和懲罰因子C的數(shù)值,以及測試集準(zhǔn)確率,如表5所示。

    表5 SVM參數(shù)優(yōu)化結(jié)果

    從實驗結(jié)果可以看出,SBO算法并不適用于SVM參數(shù)的優(yōu)化,沒有辦法對目標(biāo)函數(shù)進(jìn)行優(yōu)化;而改進(jìn)的PSBO算法和PSO算法都可以對核參數(shù)g和懲罰因子C進(jìn)行較好的尋優(yōu),實現(xiàn)95%以上的準(zhǔn)確率。為了更進(jìn)一步的驗證這兩種算法的差異,對算法的收斂速度進(jìn)行了比較,通過在搜索目標(biāo)函數(shù)最優(yōu)值過程中達(dá)到達(dá)到相同適應(yīng)度值所需的迭代次數(shù)作為指標(biāo)。

    從圖9中的隨機收斂曲線可以看出,雖然PSBO算法尋優(yōu)的收斂精度和PSO算法差不多,但是PSBO算法在收斂速度上明顯有更好的表現(xiàn)力,在達(dá)到最佳適應(yīng)值的目標(biāo)上,PSBO算法能提高SBO算法4倍以上的收斂速度,進(jìn)一步說明了PSBO算法應(yīng)用于SVM參數(shù)優(yōu)化的有效性。

    圖9 收斂曲線

    5 結(jié)語

    本文在標(biāo)準(zhǔn)SBO算法的基礎(chǔ)上,結(jié)合PSO算法,提出了PSBO算法,引入了速度因子和固定慣性權(quán)重,在很大程度上提高了基本SBO算法的收斂精度、收斂速度,以及全局尋優(yōu)能力。并且通過8個測試函數(shù)進(jìn)行了仿真實驗,其結(jié)果表明了PSBO算法的優(yōu)越的性能。

    在應(yīng)用上,本文提出了PSBO算法優(yōu)化SVM內(nèi)部參數(shù),驗證了PSBO的有效性,且與原SBO算法和PSO算法比較的結(jié)果表明,PSBO算法的收斂精度和速度都要更快。

    此外,PSBO算法仍然有不足之處,其全局尋優(yōu)能力上還可以進(jìn)一步完善,在應(yīng)用領(lǐng)域上也可以進(jìn)一步擴展,這也是下一步的研究工作。

    猜你喜歡
    優(yōu)化
    超限高層建筑結(jié)構(gòu)設(shè)計與優(yōu)化思考
    PEMFC流道的多目標(biāo)優(yōu)化
    能源工程(2022年1期)2022-03-29 01:06:28
    民用建筑防煙排煙設(shè)計優(yōu)化探討
    關(guān)于優(yōu)化消防安全告知承諾的一些思考
    一道優(yōu)化題的幾何解法
    由“形”啟“數(shù)”優(yōu)化運算——以2021年解析幾何高考題為例
    圍繞“地、業(yè)、人”優(yōu)化產(chǎn)業(yè)扶貧
    事業(yè)單位中固定資產(chǎn)會計處理的優(yōu)化
    4K HDR性能大幅度優(yōu)化 JVC DLA-X8 18 BC
    幾種常見的負(fù)載均衡算法的優(yōu)化
    電子制作(2017年20期)2017-04-26 06:57:45
    激情在线观看视频在线高清 | 欧美激情高清一区二区三区| 欧美日本中文国产一区发布| 在线观看免费视频网站a站| 在线观看一区二区三区激情| av天堂在线播放| 丝袜在线中文字幕| 天天躁夜夜躁狠狠躁躁| 丝瓜视频免费看黄片| 丁香欧美五月| 18禁美女被吸乳视频| 午夜精品久久久久久毛片777| 正在播放国产对白刺激| 一边摸一边做爽爽视频免费| 亚洲视频免费观看视频| 久久精品成人免费网站| 国产人伦9x9x在线观看| 国产精品亚洲一级av第二区| 久久精品国产亚洲av香蕉五月 | 国产国语露脸激情在线看| 国产aⅴ精品一区二区三区波| 色婷婷久久久亚洲欧美| 亚洲第一av免费看| 日本a在线网址| 在线观看免费午夜福利视频| 中文字幕av电影在线播放| 成年版毛片免费区| 午夜福利乱码中文字幕| 色精品久久人妻99蜜桃| 高清在线国产一区| 黑人巨大精品欧美一区二区mp4| 亚洲第一av免费看| 满18在线观看网站| 亚洲avbb在线观看| 成年版毛片免费区| 欧美亚洲日本最大视频资源| 三级毛片av免费| 亚洲国产欧美一区二区综合| 18在线观看网站| 黄片大片在线免费观看| 亚洲人成电影免费在线| 国产成人欧美在线观看 | 日本一区二区免费在线视频| 国产欧美日韩综合在线一区二区| 无人区码免费观看不卡 | 看免费av毛片| 精品久久久精品久久久| 亚洲午夜精品一区,二区,三区| 黄色视频在线播放观看不卡| 亚洲精品一卡2卡三卡4卡5卡| 国产精品免费视频内射| 黄色 视频免费看| 日韩制服丝袜自拍偷拍| 啦啦啦免费观看视频1| videos熟女内射| 热99久久久久精品小说推荐| 精品人妻熟女毛片av久久网站| 中文字幕另类日韩欧美亚洲嫩草| 免费不卡黄色视频| 久久精品亚洲精品国产色婷小说| 久久亚洲精品不卡| 这个男人来自地球电影免费观看| √禁漫天堂资源中文www| 手机成人av网站| 国产淫语在线视频| 久久精品亚洲av国产电影网| 啦啦啦视频在线资源免费观看| 成人av一区二区三区在线看| 麻豆成人av在线观看| avwww免费| 久久久久久久精品吃奶| 两个人看的免费小视频| 亚洲国产成人一精品久久久| av有码第一页| 日韩中文字幕视频在线看片| 一级黄色大片毛片| 欧美老熟妇乱子伦牲交| 两性夫妻黄色片| 亚洲欧美日韩高清在线视频 | 免费不卡黄色视频| 欧美精品亚洲一区二区| 亚洲av美国av| 69精品国产乱码久久久| 精品久久久精品久久久| 精品人妻在线不人妻| av超薄肉色丝袜交足视频| 黑人猛操日本美女一级片| 国产精品一区二区精品视频观看| 深夜精品福利| 日韩有码中文字幕| 国产成人啪精品午夜网站| 亚洲五月婷婷丁香| 蜜桃在线观看..| 十八禁网站免费在线| 国产有黄有色有爽视频| 欧美日韩成人在线一区二区| 精品一区二区三区四区五区乱码| 多毛熟女@视频| 国产成+人综合+亚洲专区| 少妇粗大呻吟视频| 国产不卡一卡二| 精品国产一区二区三区四区第35| 久久久欧美国产精品| 久久中文看片网| 91成年电影在线观看| 交换朋友夫妻互换小说| 18禁黄网站禁片午夜丰满| av天堂久久9| 啦啦啦中文免费视频观看日本| 久久国产精品影院| 亚洲成人免费av在线播放| 国产在线视频一区二区| a级毛片在线看网站| 精品熟女少妇八av免费久了| 欧美精品av麻豆av| 岛国在线观看网站| 激情视频va一区二区三区| 在线观看66精品国产| 精品福利观看| 久久精品国产a三级三级三级| 欧美日韩中文字幕国产精品一区二区三区 | 法律面前人人平等表现在哪些方面| 久久热在线av| 老司机深夜福利视频在线观看| 在线观看免费视频日本深夜| 嫩草影视91久久| h视频一区二区三区| 日韩熟女老妇一区二区性免费视频| 免费观看av网站的网址| 久久精品91无色码中文字幕| 黄色片一级片一级黄色片| svipshipincom国产片| 脱女人内裤的视频| 亚洲av成人一区二区三| 搡老岳熟女国产| 天天操日日干夜夜撸| av网站在线播放免费| 亚洲专区国产一区二区| 成人亚洲精品一区在线观看| 色综合欧美亚洲国产小说| 亚洲欧美精品综合一区二区三区| 国产三级黄色录像| 午夜成年电影在线免费观看| 久久久久久久大尺度免费视频| 成人亚洲精品一区在线观看| √禁漫天堂资源中文www| 热re99久久精品国产66热6| 久久久水蜜桃国产精品网| 久久这里只有精品19| 超碰成人久久| 日韩欧美三级三区| 国产单亲对白刺激| 激情视频va一区二区三区| 成人免费观看视频高清| 亚洲avbb在线观看| 久久人人97超碰香蕉20202| 国产有黄有色有爽视频| 两个人看的免费小视频| 国产亚洲精品第一综合不卡| 国产黄频视频在线观看| 欧美国产精品va在线观看不卡| 国产免费av片在线观看野外av| 日本av免费视频播放| 男男h啪啪无遮挡| 少妇精品久久久久久久| 青草久久国产| 女性被躁到高潮视频| a级片在线免费高清观看视频| 在线观看免费午夜福利视频| 国产精品98久久久久久宅男小说| 亚洲av日韩精品久久久久久密| 少妇的丰满在线观看| 黄色成人免费大全| 精品久久久久久久毛片微露脸| 91麻豆av在线| 精品国产超薄肉色丝袜足j| 90打野战视频偷拍视频| 伦理电影免费视频| 99久久人妻综合| 国产精品久久久久久人妻精品电影 | 久久精品国产a三级三级三级| cao死你这个sao货| 丝袜美足系列| 久久av网站| 一区二区av电影网| 激情视频va一区二区三区| 午夜福利在线免费观看网站| 久久影院123| 男人舔女人的私密视频| 亚洲国产欧美一区二区综合| 在线观看舔阴道视频| 精品一品国产午夜福利视频| 99久久国产精品久久久| 一区二区三区激情视频| 香蕉丝袜av| 国产精品美女特级片免费视频播放器 | 国产高清国产精品国产三级| 老熟女久久久| 日本av免费视频播放| 欧美日韩国产mv在线观看视频| 久久久精品免费免费高清| 高清黄色对白视频在线免费看| 桃花免费在线播放| 悠悠久久av| 免费观看av网站的网址| 国产免费视频播放在线视频| 他把我摸到了高潮在线观看 | 一个人免费看片子| 99精品久久久久人妻精品| 老司机深夜福利视频在线观看| 日韩欧美三级三区| 亚洲avbb在线观看| 免费看a级黄色片| 国产成人影院久久av| 亚洲中文日韩欧美视频| 欧美老熟妇乱子伦牲交| 熟女少妇亚洲综合色aaa.| 中文字幕制服av| 久久久久久久精品吃奶| 搡老熟女国产l中国老女人| 一进一出好大好爽视频| 亚洲第一欧美日韩一区二区三区 | a级毛片在线看网站| 精品高清国产在线一区| 亚洲视频免费观看视频| 大片电影免费在线观看免费| 97在线人人人人妻| 免费观看a级毛片全部| 色老头精品视频在线观看| 十八禁网站网址无遮挡| 免费av中文字幕在线| 91字幕亚洲| 中亚洲国语对白在线视频| 一区二区三区国产精品乱码| 黄片小视频在线播放| 国产成人免费观看mmmm| 国产欧美日韩一区二区三区在线| 十八禁人妻一区二区| 丰满少妇做爰视频| 国产在线视频一区二区| 久久人妻av系列| 波多野结衣av一区二区av| 成人黄色视频免费在线看| 在线 av 中文字幕| 久久国产精品大桥未久av| 中文字幕最新亚洲高清| 国产淫语在线视频| 亚洲成国产人片在线观看| 久久婷婷成人综合色麻豆| 满18在线观看网站| 午夜福利影视在线免费观看| 视频区欧美日本亚洲| 亚洲欧洲精品一区二区精品久久久| 大型黄色视频在线免费观看| 成在线人永久免费视频| 青草久久国产| 国产免费现黄频在线看| 一区二区av电影网| 曰老女人黄片| 一二三四社区在线视频社区8| 最新的欧美精品一区二区| 大片电影免费在线观看免费| 亚洲中文字幕日韩| 国产精品久久久人人做人人爽| 51午夜福利影视在线观看| 亚洲精品乱久久久久久| 国产成+人综合+亚洲专区| videos熟女内射| 成在线人永久免费视频| 操出白浆在线播放| 亚洲情色 制服丝袜| 九色亚洲精品在线播放| 日韩欧美一区二区三区在线观看 | 国产成人欧美| 日韩熟女老妇一区二区性免费视频| 在线观看免费午夜福利视频| 久久 成人 亚洲| 国产欧美日韩一区二区三区在线| 老司机影院毛片| 久久精品国产99精品国产亚洲性色 | 亚洲色图综合在线观看| 亚洲,欧美精品.| 大码成人一级视频| 亚洲美女黄片视频| 操美女的视频在线观看| 国产在线一区二区三区精| 中文欧美无线码| 国产精品一区二区精品视频观看| 天天操日日干夜夜撸| av电影中文网址| 成人免费观看视频高清| 怎么达到女性高潮| 宅男免费午夜| 欧美国产精品一级二级三级| 欧美在线黄色| 精品久久蜜臀av无| 国产精品久久久av美女十八| 国产成人免费观看mmmm| 极品少妇高潮喷水抽搐| 日本vs欧美在线观看视频| 国产精品久久久久久精品古装| 亚洲国产欧美一区二区综合| 亚洲色图av天堂| 免费女性裸体啪啪无遮挡网站| 久久国产亚洲av麻豆专区| 亚洲男人天堂网一区| 国产精品免费大片| avwww免费| 首页视频小说图片口味搜索| 91成人精品电影| 欧美日韩福利视频一区二区| 欧美成人午夜精品| 色精品久久人妻99蜜桃| 亚洲欧美精品综合一区二区三区| a级毛片在线看网站| 欧美国产精品va在线观看不卡| 国产男女超爽视频在线观看| 色播在线永久视频| 国产三级黄色录像| 久久 成人 亚洲| 十八禁网站免费在线| 欧美大码av| 久久精品国产亚洲av香蕉五月 | 成年人午夜在线观看视频| 国产精品av久久久久免费| 99国产精品99久久久久| 亚洲精品国产精品久久久不卡| 制服人妻中文乱码| kizo精华| 最新美女视频免费是黄的| av欧美777| 精品久久蜜臀av无| 国产野战对白在线观看| 一本—道久久a久久精品蜜桃钙片| 久久久久久久国产电影| 在线观看免费午夜福利视频| 18禁观看日本| 18禁黄网站禁片午夜丰满| 婷婷成人精品国产| 亚洲色图 男人天堂 中文字幕| 久热爱精品视频在线9| 久久久久久久精品吃奶| 欧美精品啪啪一区二区三区| 国产成人精品久久二区二区91| 夜夜骑夜夜射夜夜干| videosex国产| 99九九在线精品视频| 久久精品人人爽人人爽视色| 成人精品一区二区免费| 天堂中文最新版在线下载| 99久久精品国产亚洲精品| 9热在线视频观看99| 久久久久精品国产欧美久久久| 动漫黄色视频在线观看| 免费高清在线观看日韩| 美女扒开内裤让男人捅视频| 国产成人欧美| 日韩人妻精品一区2区三区| 精品卡一卡二卡四卡免费| 国产免费av片在线观看野外av| 国产黄色免费在线视频| 美女福利国产在线| 午夜福利一区二区在线看| 免费在线观看黄色视频的| 手机成人av网站| 免费高清在线观看日韩| 高清在线国产一区| 日本五十路高清| 中亚洲国语对白在线视频| 王馨瑶露胸无遮挡在线观看| 欧美激情 高清一区二区三区| 日韩一卡2卡3卡4卡2021年| 日韩一区二区三区影片| 天堂中文最新版在线下载| 色视频在线一区二区三区| 欧美在线黄色| bbb黄色大片| 亚洲熟女毛片儿| 天天操日日干夜夜撸| 午夜免费鲁丝| 搡老岳熟女国产| 日韩大码丰满熟妇| 老司机深夜福利视频在线观看| 精品一品国产午夜福利视频| av福利片在线| 女人爽到高潮嗷嗷叫在线视频| 欧美激情 高清一区二区三区| 一本—道久久a久久精品蜜桃钙片| 亚洲国产成人一精品久久久| 欧美日韩成人在线一区二区| 亚洲午夜精品一区,二区,三区| 叶爱在线成人免费视频播放| 50天的宝宝边吃奶边哭怎么回事| 日韩成人在线观看一区二区三区| 国产黄频视频在线观看| 国产99久久九九免费精品| 91成人精品电影| 久久天躁狠狠躁夜夜2o2o| 9191精品国产免费久久| 宅男免费午夜| 一本色道久久久久久精品综合| 久久婷婷成人综合色麻豆| 亚洲一码二码三码区别大吗| 夜夜夜夜夜久久久久| 亚洲自偷自拍图片 自拍| 国产一区二区三区综合在线观看| 久久久国产一区二区| 精品人妻1区二区| 亚洲人成电影观看| 中文字幕精品免费在线观看视频| 日韩三级视频一区二区三区| 国产成人啪精品午夜网站| 女人高潮潮喷娇喘18禁视频| 国产色视频综合| 激情在线观看视频在线高清 | 91精品三级在线观看| 欧美国产精品一级二级三级| 午夜福利一区二区在线看| 久久午夜综合久久蜜桃| 黄色视频不卡| 一本久久精品| 电影成人av| 国产视频一区二区在线看| 欧美乱妇无乱码| 女人被躁到高潮嗷嗷叫费观| 精品久久久久久电影网| 精品一区二区三卡| 91大片在线观看| 高清视频免费观看一区二区| 亚洲中文日韩欧美视频| 天堂中文最新版在线下载| 9热在线视频观看99| 丝袜人妻中文字幕| 久久久久久久大尺度免费视频| 国产精品秋霞免费鲁丝片| 十八禁高潮呻吟视频| 99国产精品一区二区三区| 亚洲欧美色中文字幕在线| 青草久久国产| 在线观看66精品国产| 午夜福利免费观看在线| 高清在线国产一区| 天天躁狠狠躁夜夜躁狠狠躁| 超色免费av| www日本在线高清视频| 19禁男女啪啪无遮挡网站| 最近最新中文字幕大全电影3 | 久久香蕉激情| 亚洲五月色婷婷综合| 18禁美女被吸乳视频| 午夜日韩欧美国产| 老汉色av国产亚洲站长工具| 在线播放国产精品三级| 国产又爽黄色视频| 色婷婷av一区二区三区视频| 飞空精品影院首页| 在线观看免费日韩欧美大片| 国产精品98久久久久久宅男小说| 狠狠狠狠99中文字幕| 亚洲专区字幕在线| 亚洲av电影在线进入| 一区二区三区国产精品乱码| 国产在线视频一区二区| 天堂8中文在线网| 女性生殖器流出的白浆| 欧美精品啪啪一区二区三区| 一级,二级,三级黄色视频| 婷婷成人精品国产| 国产极品粉嫩免费观看在线| 国产一区二区三区视频了| 欧美精品一区二区免费开放| 午夜免费鲁丝| 日韩一区二区三区影片| 日韩欧美国产一区二区入口| 久久久久久久久久久久大奶| 久久久久久久久免费视频了| 91成人精品电影| 国产97色在线日韩免费| 日韩制服丝袜自拍偷拍| 91国产中文字幕| 脱女人内裤的视频| 他把我摸到了高潮在线观看 | 不卡一级毛片| 亚洲黑人精品在线| 天堂8中文在线网| 亚洲专区字幕在线| 波多野结衣av一区二区av| 老司机午夜福利在线观看视频 | 人妻一区二区av| 成人影院久久| 精品一区二区三卡| 国产精品秋霞免费鲁丝片| 飞空精品影院首页| 一区二区三区精品91| 精品少妇黑人巨大在线播放| 操美女的视频在线观看| 99久久人妻综合| 热99re8久久精品国产| 久久人人97超碰香蕉20202| 精品熟女少妇八av免费久了| 欧美日韩黄片免| 国产欧美日韩一区二区精品| 动漫黄色视频在线观看| 久久精品91无色码中文字幕| 97人妻天天添夜夜摸| 久久免费观看电影| 国产精品99久久99久久久不卡| 欧美精品一区二区大全| 国产精品熟女久久久久浪| 最近最新中文字幕大全免费视频| 国产成+人综合+亚洲专区| 亚洲成人国产一区在线观看| 成人18禁在线播放| 精品国产一区二区三区四区第35| 国产精品免费大片| 人人妻人人爽人人添夜夜欢视频| 亚洲专区字幕在线| 青草久久国产| 亚洲欧美色中文字幕在线| 亚洲情色 制服丝袜| 国内毛片毛片毛片毛片毛片| 天堂俺去俺来也www色官网| 99久久精品国产亚洲精品| 国产精品国产av在线观看| 亚洲成人手机| 免费看十八禁软件| 亚洲精品在线观看二区| 国产精品一区二区在线不卡| 俄罗斯特黄特色一大片| 国产亚洲一区二区精品| 一本色道久久久久久精品综合| 国产伦理片在线播放av一区| 精品久久久精品久久久| 成人手机av| 国产成人系列免费观看| 免费在线观看日本一区| 天天操日日干夜夜撸| 纯流量卡能插随身wifi吗| 亚洲avbb在线观看| 日韩熟女老妇一区二区性免费视频| 欧美日韩精品网址| 久久久精品国产亚洲av高清涩受| 他把我摸到了高潮在线观看 | 国产精品久久久久久人妻精品电影 | 51午夜福利影视在线观看| 国产一区二区三区视频了| 老司机午夜福利在线观看视频 | 伦理电影免费视频| 大陆偷拍与自拍| 国产精品亚洲一级av第二区| 国产97色在线日韩免费| 国产精品二区激情视频| 免费日韩欧美在线观看| 精品熟女少妇八av免费久了| 精品人妻在线不人妻| 亚洲av片天天在线观看| 丝袜人妻中文字幕| 日韩成人在线观看一区二区三区| 亚洲欧美日韩高清在线视频 | 国产一区二区三区视频了| 欧美一级毛片孕妇| 美女高潮到喷水免费观看| 亚洲精品一卡2卡三卡4卡5卡| 菩萨蛮人人尽说江南好唐韦庄| 欧美老熟妇乱子伦牲交| 亚洲自偷自拍图片 自拍| 久久久国产成人免费| 午夜福利欧美成人| www.熟女人妻精品国产| 美女高潮喷水抽搐中文字幕| av国产精品久久久久影院| 美女高潮到喷水免费观看| 天天躁日日躁夜夜躁夜夜| 交换朋友夫妻互换小说| 亚洲专区中文字幕在线| www.熟女人妻精品国产| 叶爱在线成人免费视频播放| 国产精品久久久久久精品古装| 国产亚洲欧美精品永久| 90打野战视频偷拍视频| 天堂俺去俺来也www色官网| 欧美一级毛片孕妇| 亚洲精品粉嫩美女一区| 亚洲专区国产一区二区| 日韩大片免费观看网站| 成年人免费黄色播放视频| av免费在线观看网站| 亚洲人成伊人成综合网2020| 欧美黄色片欧美黄色片| 美女国产高潮福利片在线看| 国产精品秋霞免费鲁丝片| 日韩欧美三级三区| 成年人午夜在线观看视频| 精品一区二区三区四区五区乱码| 黄片小视频在线播放| 在线 av 中文字幕| 国产麻豆69| 天堂动漫精品| 黄色成人免费大全| 国产成人欧美在线观看 | 一区二区av电影网| 亚洲av美国av| 97人妻天天添夜夜摸| 女人精品久久久久毛片| 成年人免费黄色播放视频| 一级黄色大片毛片| 亚洲第一欧美日韩一区二区三区 | 国产成人av激情在线播放| 人成视频在线观看免费观看| 国产男靠女视频免费网站| 亚洲精品久久午夜乱码| 久久精品91无色码中文字幕| 国产一区有黄有色的免费视频| 国产1区2区3区精品| 一区二区三区精品91|