-
题名基于鸽群算法的Fuch混沌蝗虫算法
被引量：9
- 1
-
-
作者
尹德鑫
张达敏
蔡朋宸
秦维娜
-
机构
贵州大学大数据与信息工程学院
-
出处
《计算机应用研究》
CSCD
北大核心
2021年第7期2013-2017,共5页
-
基金
贵州省科学技术基金资助项目(黔科合基础[2020]1Y254)。
-
文摘
针对蝗虫算法(GOA)存在位置更新易陷于局部最优和收敛精度低等问题,提出一种基于鸽群算法的Fuch混沌蝗虫算法(PFGOA)。首先用Fuch混沌映射初始化种群;然后将正弦余弦算子嵌入到位置更新公式,同时将鸽子搜索算子加入优化过程,并且通过改变惯性权重c来改善和平衡该算法的探索和开发能力;最后对最优个体引入非线性惯性权重,增加算法全局搜索能力,跳出局部最优。通过对11个测试函数进行仿真测试以及用Wilcoxon秩和检验的方法进行差异显著性统计检验的实验结果证明,改进后的算法性能更优,求解精度更高,显著性更好。
-
关键词
蝗虫算法
鸽群算法
fuch混沌映射
正弦余弦算法
非线性惯性权重
-
Keywords
grasshopper algorithm
pigeon swarm algorithm
fuch chaotic map
sine-cosine algorithm
nonlinear inertia weight
-
分类号
TN18
[电子电信—物理电子学]
-
-
题名基于Fuch映射的改进白鲸优化算法及应用
被引量：15
- 2
-
-
作者
陈心怡
张孟健
王德光
-
机构
贵州大学电气工程学院
华南理工大学计算机科学与工程学院
-
出处
《计算机工程与科学》
CSCD
北大核心
2024年第8期1482-1492,共11页
-
基金
贵州省省级科技计划(黔科合基础-ZK[2022]一般103)
贵州省教育厅创新群体(黔科合支撑[2021]012)
+1 种基金
贵州省教育厅青年科技人才成长项目(黔教合KY字[2022]138号)
贵州大学科研基金资助项目(贵大特岗合字[2021]04号)。
-
文摘
针对标准白鲸优化算法(BWO)存在收敛精度低、自适应能力有限和抗停滞能力弱等缺点,从混沌初始化、参数混沌和非线性控制策略3个角度,提出2种基于Fuch映射和动态反向学习的改进白鲸优化算法(CIOEBWO和CPOEBWO)。采用Fuch混沌初始化,提高算法初始化种群的遍历性,从而提升算法寻优精度和收敛速度;在开发阶段,引入Fuch混沌映射对参数C 1进行动态调节,协调算法的全局搜索和局部搜索,有效提高算法自适应能力;基于上述2种改进方式,分别引入动态反向学习策略,丰富优质个体数量,提升算法整体抗停滞能力。根据8种基本测试函数仿真实验和Friedman秩检验结果可得,改进算法的收敛精度、自适应能力和抗停滞能力均得到了有效提升。与BWO和CIOEBWO相比,CPOEBWO显现出较为优异的性能。此外,从CPOEBWO与常见的6种对比算法的寻优结果可知,CPOEBWO算法有较强的寻优能力和鲁棒性。最后,为展示CPOEBWO算法的适用性和有效性,将其应用于工程优化问题。
-
关键词
白鲸优化算法
fuch映射
动态反向学习
参数混沌策略
工程优化问题
-
Keywords
beluga whale optimization algorithm
fuch mapping
dynamic opposition-based learning
chaotic parameter
engineering optimization problems
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
-
题名基于自适应权重的黑翅鸢算法及其工程应用
- 3
-
-
作者
龙文
张洁
徐明
-
机构
贵州财经大学数学与统计学院
-
出处
《制造技术与机床》
北大核心
2025年第7期141-150,共10页
-
基金
国家自然科学基金项目(12361106)
贵州省科技计划重点项目(黔科合基础-ZK[2023]重点003)
贵州省高层次创新型人才项目(黔科合平台人才-GCC[2023]006)。
-
文摘
针对原始黑翅鸢算法(black-winged kite algorithm,BKA)容易陷入局部最优、收敛精度不够等问题,提出基于自适应权重的改进黑翅鸢算法(improved BKA,IBKA)。首先,运用Fuch混沌映射策略初始化种群,提高种群的多样性;其次,在黑翅鸢攻击行为中加入自适应权重,更好地平衡局部寻优和全局搜索能力;最后,在黑翅鸢迁徙行为中引入莱维飞行,有效增强算法全局搜索能力。将IBKA对29个CEC2017测试函数进行求解,并与原始BKA算法、鲸鱼优化算法(whale optimization algorithm,WOA)、斑马优化算法(zebra optimization algorithm,ZOA)、正弦余弦算法(sine cosine algorithm,SCA)以及蜣螂优化算法(dung beetle optimization,DBO)进行对比。结果表明,IBKA算法的收敛速度和精度优于对比算法。通过求解3个工程设计约束优化问题,验证了IBKA算法能有效解决实际工程优化问题。
-
关键词
黑翅鸢算法
fuch混沌映射
自适应权重
莱维飞行
工程优化
-
Keywords
black-winged kite algorithm
fuch chaotic mapping
adaptive weight
Lévy flight
engineering optimization
-
分类号
TP301.6
[自动化与计算机技术—计算机系统结构]
-
-
题名融合动态概率阈值和自适应变异的鲸鱼优化算法
被引量：10
- 4
-
-
作者
毕孝儒
牟琦
龚尚福
-
机构
四川外国语大学重庆南方翻译学院
西安科技大学计算机学院
-
出处
《微电子学与计算机》
北大核心
2019年第12期78-83,88,共7页
-
基金
国家自然科学基金项目(U1261114)
重庆市教育委员会自然科学与技术研究项目(KJQN201802301)
+1 种基金
重庆市教育委员会自然科学与技术研究项目(KJ1602101)
重庆市大学生创新创业基金项目(2017-GX-385,CQGJ17137B,18SKGH177,2018-GX-388)
-
文摘
针对基本鲸鱼优化算法在非线性优化问题中存在的收敛精度低、易陷入局部最优解的问题,提出一种融合动态概率阈值和自适应变异的鲸鱼优化算法.首先,利用Fuch混沌和反向学习生成均匀的初始种群;其次,设计基于双曲余弦函数的动态调整概率阈值以协调算法全局搜索与局部开采能力,采用可变权重对鲸鱼位置更新公式修正,提高收敛速度和精度;最后,对鲸鱼精英个体引入自适应变异策略,以避免算法陷入局部最优解而搜索停滞.对13个基准测试函数仿真实验,结果表明,与基本GWO算法、PSO算法以及鲸鱼优化算法相比,该算法具有更好的求解精度、收敛速度.
-
关键词
鲸鱼优化算法
fuch混沌映射
动态概率阈值
自适应变异
-
Keywords
whale optimization algorithm
fuch chaotic mapping
dynamic probability threshold
adaptive mutation
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名海鸥算法的改进及其在工程设计优化问题中的应用
被引量：3
- 5
-
-
作者
杨韬
戴健
-
机构
辽宁工程技术大学
-
出处
《数据与计算发展前沿》
CSCD
2022年第6期129-144,共16页
-
基金
国家自然科学基金(71771111)
辽宁省教育厅高校科研基金项目(LJKZ0359)。
-
文摘
【目的】本文研究海鸥算法求解最优化问题时存在的收敛速度慢、易陷入局部最优等缺点。【方法】首先融合Fuch混沌映射与精英反向学习策略来初始化海鸥种群,提高种群质量;其次根据余弦函数改进自身行为的特征参数A,将海鸥算法的线性搜索非线性化;最后通过加入莱维飞行机制增加海鸥飞行的随机性,对算法进一步优化。【结果】通过9个基准测试函数和3个工程设计优化问题对I-SOA(Improved-Seagull Optimization Algorithm)性能进行测试,实验结果表明:对于9个基准测试函数,I-SOA算法比标准SOA、PSO、GA算法在寻优精度和收敛速度上都要优越,尤其在求解f7、f9时均求得理论最优解0;对于3个工程设计优化问题,I-SOA算法相比于标准SOA算法寻优精度和收敛速度优势明显,相比于其他群智能优化算法的最优值,适应性和稳定性更强。【结论】I-SOA算法在基准测试函数和工程设计优化问题中均有优异的表现,证实了海鸥算法改进的有效性。
-
关键词
海鸥算法
fuch混沌映射
精英反向学习策略
余弦函数
莱维飞行
-
Keywords
seagull algorithm
fuch chaotic mapping
elite reverse learning strategy
cosine function
Levy flight
-
分类号
TP18
[自动化与计算机技术—控制理论与控制工程]
-
-
题名混合多策略改进的斑点鬣狗优化算法及应用
- 6
-
-
作者
李彦苍
李晶霞
杜尊峰
朱海涛
韩沐轩
-
机构
河北工程大学土木工程学院
天津大学建筑工程学院
-
出处
《计算机工程与设计》
北大核心
2023年第11期3335-3344,共10页
-
基金
国家自然科学基金项目(U21A20164)
河北省自然科学基金项目(E2020402079)
天津大学研究生教育专项基金项目(C1-2021-004)。
-
文摘
针对基本斑点鬣狗算法求解精度低、易陷入局部最优值等缺点,提出一种混合多策略改进的斑点鬣狗优化算法。通过Fuch混沌映射实现鬣狗种群的多样性,利用自适应惯性权重平衡斑点鬣狗算法的全局搜索和局部开发能力,引入拉普拉斯算子进行动态交叉操作,提高SHO算法跳出局部最优的能力,将小孔成像反向学习和逐维反向学习机制相结合,使种群更符合迭代规律,提高算法的收敛速度和寻优能力。通过若干基准函数的仿真实验进行比较,其结果表明,LPSHO具有更优越的寻优性能。将改进后LPSHO运用在机械优化设计和桁架结构优化工程问题上,与其它算法对比进一步表明LPSHO能够很好解决这类结构优化问题。
-
关键词
斑点鬣狗算法
fuch混沌映射
反向学习
拉普拉斯交叉策略
自适应的惯性权重
结构优化
机械优化
-
Keywords
spotted hyena algorithm
fuch chaotic map
reverse learning
Laplace crossover strategy
adaptive inertia weight
structural optimization
mechanical optimization
-
分类号
TP393
[自动化与计算机技术—计算机应用技术]
-
-
题名基于改进BOA-ELM的热轧带钢宽度预测
被引量：2
- 7
-
-
作者
陈啸天
张帅
杨培宏
张勇
-
机构
内蒙古科技大学信息工程学院
-
出处
《锻压技术》
CAS
CSCD
北大核心
2024年第3期101-106,126,共7页
-
基金
国家自然科学基金资助项目(62263026)。
-
文摘
针对传统粗轧宽度预测模型参数强耦合、非线性等特点,从数据驱动角度出发,提出一种基于改进蝴蝶算法优化极限学习机(IBOA-ELM)的粗轧宽度预测模型。首先,利用蝴蝶优化算法(BOA)对极限学习机(ELM)的随机权重和偏置进行参数寻优,以提高ELM模型的预测精度。然后,针对蝴蝶优化算法易陷入局部最优及收敛性差等问题,引入Fuch混沌映射、非线性惯性权重和折射反向学习等策略改进蝴蝶优化算法,进一步提高宽度预测模型的精度。最后,通过某钢厂热轧生产现场数据对该模型进行仿真测试。结果表明:基于数据驱动的IBOA-ELM模型在预测精度方面具有明显优势,预测粗轧宽度误差在±8 mm以内的命中率为93%,明显优于对照模型,可用于热轧带钢粗轧宽度预测且具有较强的适用性。
-
关键词
粗轧宽度预测
热轧带钢
蝴蝶优化算法
fuch混沌映射
非线性惯性权重
折射反向学习
-
Keywords
prediction of rough rolling width
hot rolled strip
butterfly optimization algorithm
fuch chaotic mapping
non-linearity inertia weights
refraction reverse learning
-
分类号
TG335.56
[金属学及工艺—金属压力加工]
TP183
[自动化与计算机技术—控制理论与控制工程]
-
