高斯同余理论_高斯模糊算法

高斯同余理论_高斯模糊算法针对鲸鱼优化算法在处理高维问题时存在收敛速度慢、容易陷入局部最优和收敛精度低等问题,提出一种基于对数惯性权重和高斯差分变异的鲸群优化算法。通过高斯差分变异对鲸鱼位置更新方程进行变异,增加了种群多样性,提高了鲸群算法的全局搜索能力,防止早熟现象发生;将对数惯性权重引入搜寻猎物阶段,平衡全局搜索和局部开发能力,提高了算法寻优精度。通过测试函数优化实验对算法进行测试,实验结果表明,改进算法具有更高的寻优精度和更快的收敛速度。

大家好,又见面了,我是你们的朋友全栈君。如果您正在找激活码,请点击查看最新教程,关注关注公众号 “全栈程序员社区” 获取激活教程,可能之前旧版本教程已经失效.最新Idea2022.1教程亲测有效,一键激活。

Jetbrains全系列IDE稳定放心使用

一、理论基础

1、鲸群优化算法

请参考这里

2、改进鲸群优化算法

(1)高斯差分变异策略

利用当前最优鲸的位置、当前鲸的位置与鲸群中随机个体进行高斯差分,由于高斯差分变异可以在当前变异个体附近生成更大的扰动,使得算法更容易跳出局部极值,其数学表达式如下: X ( t + 1 ) = p 1 ⋅ f 1 ⋅ ( X ∗ − X ( t ) ) + p 2 ⋅ f 2 ⋅ ( X r a n d − X ( t ) ) (1) \boldsymbol X(t+1)=p_1\cdot f_1\cdot(\boldsymbol X^*-\boldsymbol X(t))+p_2\cdot f_2\cdot(\boldsymbol X_{rand}-\boldsymbol X(t))\tag{1} X(t+1)=p1f1(XX(t))+p2f2(XrandX(t))(1)其中, p 1 p_1 p1 p 2 p_2 p2为权重系数,取值均为0.5; f 1 f_1 f1 f 2 f_2 f2是以产生均值为0、方差为1的高斯分布随机数函数作为高斯分布函数系数; X ∗ \boldsymbol X^* X为当前最优个体位置; X r a n d \boldsymbol X_{rand} Xrand为随机选择鲸的位置向量; X ( t ) \boldsymbol X(t) X(t)为当前鲸的个体位置。
在算法迭代过程中根据式(1)对鲸群个体进行扰动,算法迭代前期,由于种群分布不均,所以个体位置分布差距较大,因此算法主要通过差分变量对个体进行扰动,从而产生多样性个体,使算法能够快速收敛;随着算法迭代的不断进行,鲸群大多数个体位置不会发生太大变化,此时算法主要通过高斯分布函数系数对种群进行扰动,从而帮助算法降低陷入局部最优
的可能性,避免发生早熟。将引入高斯差分变异策略的鲸群算法命名为GWOA。

(2)对数惯性权重策略

对数惯性权重策略如下: w = ( t / M a x _ i t e r ) × ( lg ⁡ w m a x / lg ⁡ w m i n ) − lg ⁡ w m a x (2) w=(t/Max\_iter)×(\lg w_{max}/\lg w_{min})-\lg w_{max}\tag{2} w=(t/Max_iter)×(lgwmax/lgwmin)lgwmax(2)其中, t t t为当前迭代次数; M a x _ i t e r Max\_iter Max_iter为最大迭代次数; w m a x w_{max} wmax表示惯性权重最大值, w m i n w_{min} wmin表示惯性权重最小值。权重将随着迭代次数增加而增加。新的位置更新公式如下: X ( t + 1 ) = w ⋅ X ∗ − A ⋅ D (3) \boldsymbol X(t+1)=w\cdot\boldsymbol X^*-\boldsymbol{A\cdot D}\tag{3} X(t+1)=wXAD(3)所以,本文采用对数惯性权重策略,迭代前期,惯性权重提高鲸群全局搜索能力,使鲸群个体能够更快地搜寻到最优猎物;迭代后期,通过惯性权重线性增长策略,使惯性权重增大,从而使算法在后期局部开发过程中更易跳出局部极值,从而寻找到最优值。将引入对数惯性权重和高斯差分变异策略的鲸群算法命名为IGWOA。

(3)IGWOA算法步骤

对原始WOA进行高斯差分变异与对数惯性权重两方面改进,得到的IGWOA的算法伪代码,如下所示:
在这里插入图片描述


图1 IGWOA算法伪代码

二、实验测试及分析

IGWOA与WOA和GWOA对24个测试函数进行算法比较,与WOA和GWOA进行比较,各算法的参数设置为:种群规模均设置为30, p 1 = 0.5 , p 2 = 0.5 , w m a x = 0.9 , w m i n = 0.4 , M a x _ i t e r = 500 p_1=0.5,p_2=0.5,w_{max}=0.9,w_{min}=0.4,Max\_iter=500 p1=0.5,p2=0.5,wmax=0.9,wmin=0.4,Max_iter=500,3种算法对每个函数独立运行30次,记录它们的最大值、最小值、平均值与标准差。以F1~F3为例。
下图为对F1的测试寻优曲线。
在这里插入图片描述最大值、最小值、平均值与标准差显示如下:

函数:F1
WOA:最大值: 7.8859e-66,最小值:6.4042e-86,平均值:2.6287e-67,标准差:1.4398e-66
GWOA:最大值: 2.2057e-193,最小值:4.1476e-219,平均值:7.3525e-195,标准差:0
IGWOA:最大值: 0,最小值:0,平均值:0,标准差:0

下图为对F2的测试寻优曲线。
在这里插入图片描述最大值、最小值、平均值与标准差显示如下:

函数:F2
WOA:最大值: 1.5564e-49,最小值:4.3065e-58,平均值:8.7126e-51,标准差:2.9127e-50
GWOA:最大值: 1.1184e-101,最小值:4.7713e-110,平均值:6.4373e-103,标准差:2.1564e-102
IGWOA:最大值: 6.9392e-185,最小值:3.5595e-198,平均值:3.1056e-186,标准差:0

下图为对F3的测试寻优曲线。
在这里插入图片描述最大值、最小值、平均值与标准差显示如下:

函数:F3
WOA:最大值: 60074.57,最小值:44313.3563,平均值:50857.0743,标准差:3582.8828
GWOA:最大值: 1.5995e-183,最小值:1.3018e-221,平均值:5.3318e-185,标准差:0
IGWOA:最大值: 0,最小值:0,平均值:0,标准差:0

综上,IGWOA在收敛精度、收敛速度、个体多样性以及鲁棒性方面与其他改进群智能优化算法相比具有优势。

三、参考文献

[1] 陈雷, 尹钧圣. 高斯差分变异和对数惯性权重优化的鲸群算法[J]. 计算机工程与应用, 2021, 57(2): 77-90.

版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 举报,一经查实,本站将立刻删除。

发布者:全栈程序员-用户IM,转载请注明出处:https://javaforall.cn/185582.html原文链接:https://javaforall.cn

【正版授权,激活自己账号】: Jetbrains全家桶Ide使用,1年售后保障,每天仅需1毛

【官方授权 正版激活】: 官方授权 正版激活 支持Jetbrains家族下所有IDE 使用个人JB账号...

(0)
blank

相关推荐

  • 分布式锁的使用场景_分布式锁的三种实现的对比

    分布式锁的使用场景_分布式锁的三种实现的对比前言对于锁大家肯定不会陌生,比如synchronized关键字和ReentrantLock可重入锁,一般我们用其在多线程环境中控制对资源的并发访问。但是随着业务的发展,分布式的概念逐渐出现在我们系统中,我们在开发的过程中经常需要进行多个系统之间的交互,于是上面的加锁方法就会失去作用。于是在分布式锁就自然而然的诞生了,接下来我们来聊一聊分布式锁实现的几种方式。分布式锁的使用场景 效率性:使用分布式锁可以避免不同节点重复相同的工作。 正确性:分布式锁可以避免破坏正确性的发生,如

  • 美化包软件_彩色音量进度条插件下载

    美化包软件_彩色音量进度条插件下载前言在我们进行自动化测试的时候,用例往往是成百上千,执行的时间是几十分钟或者是小时级别。有时,我们在调试那么多用例的时候,不知道执行到什么程度了,而pytest-sugar插件能很好解决我们的痛点。

  • java -jar启动时设定springboot日志输出级别

    java -jar启动时设定springboot日志输出级别

  • Ubuntu 15.10 安装 Rabbitvcs

    Ubuntu 15.10 安装 Rabbitvcsppa按回车继续或者Ctrl+c取消添加gpg:钥匙环‘/tmp/tmp_70d0zm5/secring.gpg’已建立gpg:钥匙环‘/tmp/tmp_70d0zm5/pubring.gpg’已建立gpg:下载密钥‘34EF4A35’,从hkp服务器keyserver.ubuntu.comgpg:/tmp/tmp_70d0zm5/trustdb.gpg:建立了信任度数据库gpg:密钥34EF4A35:公钥“LaunchpadRabbitVCS”已导入gpg:合计被处理的数量:1g

  • flake8配置_errorflashdownloadfailed-could

    flake8配置_errorflashdownloadfailed-couldflake8错误码

  • 一阶系统又称为惯性系统_舵机惯性控制

    一阶系统又称为惯性系统_舵机惯性控制1.PID.py#PID控制一阶惯性系统测试程序#*****************************************************************##增量式PID系统##**************************************

发表回复

您的电子邮箱地址不会被公开。

关注全栈程序员社区公众号