工程建设网站导航图,网站推广如何做的,电商网站建设与运营方向,福州公司网站目录 1.算法原理2.改进点3.结果展示4.参考文献5.代码获取 1.算法原理
SCI二区|鲸鱼优化算法#xff08;WOA#xff09;原理及实现【附完整Matlab代码】
2.改进点
混沌反向学习策略
将混沌映射和反向学习策略结合#xff0c;形成混沌反向学习方法#xff0c;通过该方 法… 目录 1.算法原理2.改进点3.结果展示4.参考文献5.代码获取 1.算法原理
SCI二区|鲸鱼优化算法WOA原理及实现【附完整Matlab代码】
2.改进点
混沌反向学习策略
将混沌映射和反向学习策略结合形成混沌反向学习方法通过该方 法生成鲸鱼算法的初始种群。混沌序列采用 Tent 混沌映射: x i 1 { δ x i 0 x i 0.5 δ ( 1 − x i ) 0.5 x i 1 (1) x_{i1}\begin{cases}\delta x_i\quad0x_i0.5\\\delta(1-x_i)\quad0.5x_i1\end{cases}\tag{1} xi1{δxiδ(1−xi)0xi0.50.5xi1(1) 反向学习是一种扰动手段其主要原理是通过对目标空间中已知解的反向学习得到该解在空间中的反向解: x ′ r ( x max − x min ) − x (2) xr(x_{\max}-x_{\min})-x\tag{2} x′r(xmax−xmin)−x(2) 将混沌生成种群和反向学习种群混合取适应度前1/2作为新种群。
自适应收敛因子策略
在鲸鱼算法中收敛因子a从2线性递减到 0对适应度不同的鲸鱼个体其包围步长的计算方法是一致的没有反映出鲸鱼个体间的差异。因此采用自适应收敛因子 a 2 − ( 2 − 2 ⋅ r a n k i N ) ⋅ sin ( t 2 ⋅ T max π ) (3) a2-(2-2\cdot\frac{rank_i}N)\cdot\sin(\frac t{2\cdot T_{\max}}\pi)\tag{3} a2−(2−2⋅Nranki)⋅sin(2⋅Tmaxtπ)(3) 其中ranki 为个体的适应度值在种群中的排名。
随机差分策略
为避免鲸鱼算法陷入局部最优采用随机差分策略进行扰动采用贪心策略选择解: X ( t 1 ) r 1 ( X ′ ( t ) − X ( t ) ) − r 2 ( X ∗ ( t ) − X ( t ) ) (4) X(t1)r_1(X(t)-X(t))-r_2(X^*(t)-X(t))\tag{4} X(t1)r1(X′(t)−X(t))−r2(X∗(t)−X(t))(4)
3.结果展示 4.参考文献
[1] 吕嘉婧,李磊.一种基于多策略改进的鲸鱼算法[J].信息技术与信息化,2024,(02):39-42.
5.代码获取
