改进人工大猩猩优化算法(CGTO,2021年提出的优化算法较新),自己研究的改进方法,没有任何成果产出,有没有一款较新的智能算法且效果好一些的呢,那么今天它来了,CGTO通过改进勘探阶段公式,混沌映射以及C的公式还有开发阶段的更新公式。
详细的改进公式会在readme文件给出(包括一些修改事项和您发paper的一些注意事项,包您不重复)。
与鲸鱼优化算法,北方苍鹰优化算法,蜣螂优化算法,和未改进大猩猩算法,在初始种群数量为30,最大迭代次数为500,独立运行次数为30的情况下进行对比,运行效果如下。
附带测试函数图像,以对比收敛曲线一起看。
效果比我改进的北方苍鹰算法好一些,比改进的沙丘猫群算法差一点。
但总的来说,CGTO算法效果仍然优秀(可与网上改进的算法进行比较,也可与paper里效果比较,看收敛精度与收敛速度),无论您是想优化神经网络,还是优化pid或者其他工程应用(不提供工程应用的程序),都是不错的选择。
把握机会
新算法 + 改进 + 效果非常好 + 目前做的人非常少 = paper[旺柴]
ID:38430702224116939
Maya
改进人工大猩猩优化算法(CGTO)是一种较新的优化算法,它在2021年提出。然而,自己研究的改进方法并没有产生任何成果。那么,是否有一种较新且效果更好的智能算法呢?答案是肯定的。今天,我们介绍一种名为CGTO的智能算法,它通过改进勘探阶段的公式、混沌映射以及C的公式,以及更新公式来提高算法的效果。
为了评估CGTO算法的性能,我们将其与鲸鱼优化算法、北方苍鹰优化算法、蜣螂优化算法以及未改进的大猩猩算法进行比较。我们选择了初始种群数量为30,最大迭代次数为500,独立运行次数为30的情况进行对比。下面是运行结果。
通过对比收敛曲线和测试函数图像,我们可以看出,相对于改进的北方苍鹰算法,CGTO算法的效果要稍好一些,但比改进的沙丘猫群算法稍差一些。总的来说,CGTO算法的效果仍然优秀。我们可以将其与网上改进的算法或者论文中的算法进行比较,以评估其收敛精度和速度。无论您是想优化神经网络,还是优化PID或其他工程应用,CGTO算法都是一个不错的选择。
在使用CGTO算法时,您可以参考readme文件中的改进公式,其中包括了一些修改事项和发表论文的注意事项,确保您的研究不会重复。同时,我们强烈建议抓住这个机会,因为新算法+改进+非常好的效果+目前研究者很少,这是一篇优秀的论文的要素。
总之,CGTO算法是一种较新且效果优秀的优化算法。它的改进公式和对比实验结果证明了其在不同应用场景下的有效性。希望这篇文章能够帮助您更好地理解和应用CGTO算法,同时为您在程序员社区的博客上发表一篇专业的技术文章提供参考。如果您有任何疑问或需要进一步探讨,欢迎留言讨论。祝您在研究中取得更多的成果!
【相关代码,程序地址】:http://fansik.cn/702224116939.html