- 博客(192)
- 收藏
- 关注
RSS订阅
原创 【智能算法】智能算法空间搜索图GIF，探索开发对比图，动态展示理解更清晰~
是指对已经发现的候选解进行优化，以使其更接近最优解。探索与开发的平衡是智能算法重要因素，它能够在搜索过程中平衡全局搜索和局部搜索。其中，median(xj)表示种群个体j维度上中位数。是指涉及搜索空间的广泛探索，以发现可能的解决方案。其中，Xpl，Xpt分别代表探索与开发。
2024-04-13 20:02:03
739
原创 【智能算法改进】混沌映射策略--一网打尽
基本种群初始化是在整个空间内随机分布，具有较高的随机性和分布不均匀性，会导致种群多样性缺乏，搜索效率低等问题。许多学者利用混沌映射机制来增加种群的多样性，以改善算法的性能，其非线性特性和周期性质使得它能够生成更复杂、更随机的序列，有助于增加种群的多样性，避免种群陷入局部最优解。
2024-03-28 22:58:40
1507
原创 【智能算法】保姆级教程-如何使用CEC测试集，以及如何定义自己的优化问题
这里举例minfx1x2sinx1x22minfx1x2sinx1x22首先编写目标函数fun.m：有约束问题一般采用罚函数法将约束问题转为无约束问题，其思想是当优化变量不满足约束时进行惩罚。这里举例minfx1x2sinx1x22stx1x212x1−x20\\⎩⎨⎧minfx1x2sinx1x22st。
2024-03-16 22:35:05
1555
原创 【智能算法应用】天鹰优化算法求解二维栅格路径规划问题
1] 梁景润,刘丽桑,陈炯晖,等.多策略优化麻雀搜索算法及其路径规划的应用[J].福建理工大学学报,2023,21(06):605-612.栅格法模型最早由 W.E. Howden 于 1968 年提出，障碍物的栅格用黑色表示，可通过的自由栅格用白色表示。[3] 张恩浩.基于麻雀搜索算法的移动机器人路径规划算法研究[D].重庆理工大学,2022.[2] 邓明杰.面向路径规划的群智能优化算法研究[D].江西理工大学,2023.求解二维路径规划问题时，一般采用八领域搜索。
2024-05-19 23:40:24
296
原创 【智能算法应用】鹭鹰优化算法求解二维栅格路径规划问题
1] 梁景润,刘丽桑,陈炯晖,等.多策略优化麻雀搜索算法及其路径规划的应用[J].福建理工大学学报,2023,21(06):605-612.栅格法模型最早由 W.E. Howden 于 1968 年提出，障碍物的栅格用黑色表示，可通过的自由栅格用白色表示。[3] 张恩浩.基于麻雀搜索算法的移动机器人路径规划算法研究[D].重庆理工大学,2022.[2] 邓明杰.面向路径规划的群智能优化算法研究[D].江西理工大学,2023.求解二维路径规划问题时，一般采用八领域搜索。
2024-05-19 23:22:02
427
原创 【智能算法应用】火鹰优化算法求解二维栅格路径规划问题
1] 梁景润,刘丽桑,陈炯晖,等.多策略优化麻雀搜索算法及其路径规划的应用[J].福建理工大学学报,2023,21(06):605-612.栅格法模型最早由 W.E. Howden 于 1968 年提出，障碍物的栅格用黑色表示，可通过的自由栅格用白色表示。[3] 张恩浩.基于麻雀搜索算法的移动机器人路径规划算法研究[D].重庆理工大学,2022.[2] 邓明杰.面向路径规划的群智能优化算法研究[D].江西理工大学,2023.求解二维路径规划问题时，一般采用八领域搜索。
2024-05-19 23:15:06
248
原创 【智能算法应用】秃鹰搜索算法求解二维栅格路径规划问题
1] 梁景润,刘丽桑,陈炯晖,等.多策略优化麻雀搜索算法及其路径规划的应用[J].福建理工大学学报,2023,21(06):605-612.栅格法模型最早由 W.E. Howden 于 1968 年提出，障碍物的栅格用黑色表示，可通过的自由栅格用白色表示。[3] 张恩浩.基于麻雀搜索算法的移动机器人路径规划算法研究[D].重庆理工大学,2022.[2] 邓明杰.面向路径规划的群智能优化算法研究[D].江西理工大学,2023.求解二维路径规划问题时，一般采用八领域搜索。
2024-05-19 22:54:07
128
原创 【智能算法应用】麻雀搜索算法优化SVM分类问题
支持向量机（Support Vector Machine，SVM）是一种监督学习算法，用于分类和回归任务。SVM的主要目标是找到一个最佳的超平面，可以将不同类别的样本分开，并且使得两个类别的样本之间的间隔最大化。[1] 史峰, 王辉, 郁磊. MATLAB 智能算法 30 个案例分析[J]. 2011.SVM中参数c 和g是两个重要的超参数，它们分别用于控制。
2024-05-19 21:22:49
576
原创 【智能算法|论文复现】猫鼬优化算法（MOA）原理及实现
猫鼬生活在群体中，其生存依赖于协作和互助，其中哨兵猫鼬负责监视周围环境并警告群体成员，使其能够适时地采取行动以应对外部威胁或变化。为了找到尽可能多的食物，猫鼬群体在每次迭代中都有一定的机会向随机方向探索，这有助于跳出局部最优，找到更好的食物资源。在另一种情况下，猫鼬在搜索过程中随机发现其他同伴，并接近它们进行协同狩猎，其中𝑋𝑗是除了自己之外随机选择的个体。在rand>sentry紧急情况下，猫鼬会寻找天敌或灾害，并发出警告，让猫鼬个体避难或反击。其中，step是Levy飞行步长。
2024-05-19 15:43:10
669
原创 【智能算法应用】麻雀搜索算法求解二维栅格路径规划问题
1] 梁景润,刘丽桑,陈炯晖,等.多策略优化麻雀搜索算法及其路径规划的应用[J].福建理工大学学报,2023,21(06):605-612.栅格法模型最早由 W.E. Howden 于 1968 年提出，障碍物的栅格用黑色表示，可通过的自由栅格用白色表示。[3] 张恩浩.基于麻雀搜索算法的移动机器人路径规划算法研究[D].重庆理工大学,2022.[2] 邓明杰.面向路径规划的群智能优化算法研究[D].江西理工大学,2023.求解二维路径规划问题时，一般采用八领域搜索。
2024-05-18 23:53:56
288
原创 【智能算法应用】黑翅鸢优化算法求解二维栅格路径规划问题
1] 梁景润,刘丽桑,陈炯晖,等.多策略优化麻雀搜索算法及其路径规划的应用[J].福建理工大学学报,2023,21(06):605-612.栅格法模型最早由 W.E. Howden 于 1968 年提出，障碍物的栅格用黑色表示，可通过的自由栅格用白色表示。[3] 张恩浩.基于麻雀搜索算法的移动机器人路径规划算法研究[D].重庆理工大学,2022.[2] 邓明杰.面向路径规划的群智能优化算法研究[D].江西理工大学,2023.求解二维路径规划问题时，一般采用八领域搜索。
2024-05-18 12:13:58
576
原创 【智能算法应用】北方苍鹰算法求解二维栅格路径规划问题
1] 梁景润,刘丽桑,陈炯晖,等.多策略优化麻雀搜索算法及其路径规划的应用[J].福建理工大学学报,2023,21(06):605-612.栅格法模型最早由 W.E. Howden 于 1968 年提出，障碍物的栅格用黑色表示，可通过的自由栅格用白色表示。[3] 张恩浩.基于麻雀搜索算法的移动机器人路径规划算法研究[D].重庆理工大学,2022.[2] 邓明杰.面向路径规划的群智能优化算法研究[D].江西理工大学,2023.求解二维路径规划问题时，一般采用八领域搜索。
2024-05-18 11:09:10
784
原创 【智能算法】黑翅鸢优化算法（BKA）原理及实现
迁移通常由领导者领导，作者提出了一个基于鸟类迁徙的假设:如果当前种群的适应度值小于随机种群的适应度值，那么领导者将放弃领导并加入迁徙种群，这表明它不适合领导种群前进。黑翅鸢是草原小型哺乳动物和昆虫的捕食者，在飞行过程中根据风速调整翅膀和尾巴的角度，静静地悬停观察猎物，然后迅速俯冲攻击，该策略包括不同的攻击行为，用于全局探索和搜索。2024年，J Wang受到黑翅鸢迁徙和捕食行为启发，提出了黑翅鸢优化算法（Black-winged Kite Algorithm, BKA）。同时，BKA集成了一种。
2024-05-18 10:19:24
872
原创 【智能算法】差异化创造性搜索算法（DCS）原理及实现
DKA与DE交叉的主要区别在于其根植于人类知识获取潜力的不同概念，更接近于自然过程，而不是DE所体现的随机原则。Xr1是从包括高绩效成员(绿色突出显示)在内的整个总体中随机选择的，而Xr2是从非高绩效成员(橙色突出显示)中选择的。DCS/Xbest/Current-to-2rand策略依赖于顶级表现者的知识库，并将两名团队成员的随机贡献纳入当前个体所提出的解决方案中。φ系数随这些知识差距的程度而变化，值越高表示知识差距越大，表明个体更需要学习、吸收和吸收新的知识或经验。
2024-05-17 16:09:04
862
原创 【智能算法应用】基于小龙虾优化算法的二维最大熵图像阈值分割
二维熵图像分割方法不仅侧重于考虑每个像素的灰度值，还细致地考察了像素邻域内的灰度分布，从而为图像分割提供了更丰富的信息。通过设置灰度阈值 t 和邻域阈值 s，图像被细分为四个区域：两个主要区域（目标和背景）位于阈值对角线的两侧，而垂直于对角线的两个区域主要包含边缘信息和噪声。点灰度值为 i 且其邻域灰度平均值为 j 时的像素点个数， M×N 表示图像的像素大小。最大熵法是由 Kapur 于 1985 年所提出的， 该方法的阈值选取标准取决于。， 而图像中的熵能够反映图像的平均信息量， 表示图像灰度。
2024-05-15 23:53:56
916
原创 【智能算法】清道夫优化算法（CFO）原理及实现
2024年，W Zhang受到清道夫自然行为启发，提出了清道夫优化算法（Cleaner Fish Optimization Algorithm, CFO）。CFO模拟了清道夫在进行“清洁服务”时的移动行为，以及雌鱼变性为雄鱼的行为，并定义了两种位置更新模式。而在下一代中，前三分之二的个体采用目标追踪更新模式，其他个体采用性别转换更新模式。在鱼类群体中，当雄性死亡时，雌性可能会改变性别，成为新的雄性。表示清道夫的清洁能力，也表示随着迭代次数的增加，清道夫的清洁能力下降。CFO 提出了两代循环策略：分别是。
2024-05-15 23:39:06
929
原创 【智能算法应用】基于冠豪猪优化算法的二维最大熵图像阈值分割
二维熵图像分割方法不仅侧重于考虑每个像素的灰度值，还细致地考察了像素邻域内的灰度分布，从而为图像分割提供了更丰富的信息。通过设置灰度阈值 t 和邻域阈值 s，图像被细分为四个区域：两个主要区域（目标和背景）位于阈值对角线的两侧，而垂直于对角线的两个区域主要包含边缘信息和噪声。点灰度值为 i 且其邻域灰度平均值为 j 时的像素点个数， M×N 表示图像的像素大小。最大熵法是由 Kapur 于 1985 年所提出的， 该方法的阈值选取标准取决于。， 而图像中的熵能够反映图像的平均信息量， 表示图像灰度。
2024-05-14 22:51:25
1000
原创 【智能算法】河马优化算法（HO）原理及实现
大多数未成熟的河马都靠近它们的母亲，但由于好奇，有时未成熟的河马会与兽群分开或远离它们的母亲。当r6大于0.5时，表示未成熟的河马已经离开了母亲，但仍在兽群内或附近(式7)，否则表示未成熟的河马已经离开了兽群。在河马的社交结构中，雌性通常被置于雄性的保护之下。随着成年雄性河马的成长，它们往往会被领导雄性赶出原有的群体，这些雄性河马则需要通过吸引雌性或与其他成熟雄性竞争以建立自己的领导地位。如果F HippoR i大于F，则表示该河马已被猎杀，将有另一头河马在群中取而代之，否则猎人逃跑，该河马将返回群中。
2024-05-14 13:00:20
1014
原创 【智能算法】最优捕食算法（OFA）原理及实现
OFA灵感来源于动物的觅食行为，特别是它们如何有效地定位并捕捉到猎物。这种算法模拟动物在自然界中寻找食物的策略，以解决全局优化问题。在动物界，觅食者通常能够通过先天或经验学到的技能，识别出能够提供丰富猎物的最佳地点。2017年，GY Zhu受到动物行为生态学理论启发，提出了最优捕食算法（Optimal Foraging Algorithm, OFA）。
2024-05-12 16:12:49
689
原创 【智能算法应用】遗传粒子群算法（GA-PSO）求解选址问题
经典PSO算法用于连续空间优化问题，选址问题作为组合优化问题，需要在离散空间中求解。因此，考虑遗传算法(Genetic Algorithm，GA)交叉算子和变异算子，形成。[1] 史峰, 王辉, 郁磊. MATLAB 智能算法 30 个案例分析[J]. 2011.a.粒子群中每个粒子i与Gbest,Pbest交叉；b.更新Gbest,Pbest；
2024-05-12 15:19:57
299
原创 【智能算法】鹭鹰优化算法（SBOA）原理及实现
SBOA生存需要不断地寻找猎物和躲避捕食者的追捕，探索阶段模拟鹭鹰捕食蛇，而开发阶段模拟鹭鹰逃离捕食者。在这个阶段，鹭鹰观察环境，选择最合适的方式到达安全的避难所。2024年，Y Fu受到自然界中鹭鹰生存行为启发，提出了鹭鹰优化算法（Secretary Bird Optimization Algorithm, SBOA）。当遇到这些威胁时，鹭鹰通常采用各种逃避策略来保护自己或它们的食物。这些策略大致可以分为两大类，第一种策略是逃跑或快速奔跑，第二种策略是伪装。
2024-05-11 16:30:19
848
原创 【智能算法】正切搜索算法（TSA）原理及实现
TSA在早期采用较大的步长，随着搜索过程的进行，步长在迭代过程中呈非线性减小。h接近于/2会使正切值变大，得到的解会远离当前解，而h接近于0会使正切函数的值变小，得到的解会接近当前解。在强化搜索中，TSA首先进行随机局部行走，然后将得到的解中的一些变量替换为当前最优解中对应变量的值。对于大于4的问题，替换变量的比例等于20%，对于小于或等于4个变量的问题，替换变量的比例等于50%。TSAT基于正切函数的数学模型将给定的解决方案移动到更好的解决方案，提出了切线飞线函数，其具有平衡开发与勘探搜索的优点。
2024-05-10 21:50:24
1076
原创 【智能算法应用】基于麻雀搜索算法-支持向量回归预测（SSA-SVR)
支持向量机(SVM)是针对二分类问题，支持向量回归(SVR)基于SVM应用与回归问题。SVR回归与SVM分类的区别在于SVR的样本点只有一类，SVM是要使到超平面最近的样本点的“距离”最大，SVR则是要使到超平面最远的样本点的“距离”最小。gamma值越小，支持向量越多。[2] 徐炜君.考虑主环境因素的GWO-SVR风电功率超短期预测[J].电子设计工程,2023,31(15):150-156.，它控制着模型的复杂度和训练数据的适应程度。c是惩罚系数，即对误差的宽容度。c越高容易过拟合，c越小容易欠拟合。
2024-05-10 20:27:02
1373
原创 【智能算法】人工原生动物优化算法（APO）原理及实现
其中𝑋𝑛𝑒𝑤和𝑋分别表示𝑖th原生动物的更新位置和原始位置。𝑓表示觅食因子，𝑛𝑝表示外部因素之间的邻居对个数，𝑛𝑝𝑚𝑎为𝑛𝑝的最大值。当原生动物处于休眠状态时，它会被新产生的原生动物所取代，以保持恒定的种群数量。内部因素被认为是原生动物的觅食特征，而外部因素被认为是环境影响，如物种碰撞和竞争行为。其中𝑋𝑛𝑒𝑎𝑟是附近的位置，“±”表示𝑋𝑛𝑒𝑎𝑟可能与𝑖th原生动物在不同的方向。其中pf为原生动物种群中休眠和繁殖的比例分数，pah表示自养和异养行为的概率，pdr表示休眠和繁殖的概率。
2024-05-09 22:11:03
797
原创 【智能算法】雪消融优化算法（SAO）原理及实现
通过将种群分为两个子种群，一种专注于探索（寻找新的可能解），另一种专注于开发（优化已知解），这种双重人口机制有效地模拟了自然选择中的变异与遗传两大关键因素。当雪通过融化行为转化为液态水时，搜索个体被鼓励围绕当前最佳解决方案开发高质量的解决方案，而不是在解决方案空间中扩展高度分散的特征。布朗运动的一维分布以及在二维和三维搜索空间中的轨迹如图，布朗运动利用动态和均匀的步长，可以探索搜索空间中的一些潜在区域。SAO模拟了雪的升华和融化行为，在融化过程中，雪转化为液态水，而雪可以通过升华直接转化为蒸汽。
2024-05-08 20:54:07
1031
原创 【智能算法应用】基于麻雀搜索算法的二维最大熵图像阈值分割
二维熵图像分割方法不仅侧重于考虑每个像素的灰度值，还细致地考察了像素邻域内的灰度分布，从而为图像分割提供了更丰富的信息。通过设置灰度阈值 t 和邻域阈值 s，图像被细分为四个区域：两个主要区域（目标和背景）位于阈值对角线的两侧，而垂直于对角线的两个区域主要包含边缘信息和噪声。点灰度值为 i 且其邻域灰度平均值为 j 时的像素点个数， M×N 表示图像的像素大小。最大熵法是由 Kapur 于 1985 年所提出的， 该方法的阈值选取标准取决于。， 而图像中的熵能够反映图像的平均信息量， 表示图像灰度。
2024-05-08 20:08:25
1037
2
原创 【智能算法】人类进化优化算法（HEOA）原理及实现
这种技术利用人眼在观察图像时，通过整体和局部特征的组合来感知图像，从而对局部信息的丢失相对不敏感。将这一概念扩展到高维数据，该方法在保持元数据的关键特征的同时，将搜索分布在多个区域，以提高搜索效率。在人类发展阶段，人口被分类为领导者、探索者、追随者和失败者，每个人都使用不同的搜索策略。在人类发展的各个阶段，HEOA将人类社会分为四种不同的角色:领导者、探索者、追随者和失败者。拥有丰富的知识，通常位于最优区域。在进行的实验中，预适应前40%的个体被指定为领导者。坚持最具适应性的领导者的指导，跟随他们的脚步。
2024-05-07 21:07:45
1172
原创 【智能算法应用】混合粒子群算法求解VRPTW问题
考虑遗传算法(Genetic Algorithm，GA)交叉算子和变异算子，形成混合粒子群算法(Hybrid Particle Swarm Optimization, HPSO)。VRPTW问题基于VRP问题，每个客户点都有一个时间窗口，表示可以在某个时间范围内访问。目标是在满足时间窗口和车辆容量限制的情况下，最小化总行驶距离或成本。，0 表示配送中心, 大于 0 的整数表示客户点编号。，涉及如何有效地分配一组车辆去访问多个客户点，并在满足约束条件的情况下最小化总行驶距离或成本。
2024-05-06 21:43:15
432
原创 【智能算法】PID搜索算法（PSA）原理及实现
但是，随着时间的增加，如果不调整受控对象，则真实值很快将不等于设定值。PID算法是控制领域的经典算法，分为增量PID控制和位置PID控制，它通过偏差的比例（P）、积分（I）和微分（D）进行控制。其中r2、r3和r4是n行1列中从0到1的随机数的矢量；Kp、Ki和Kd分别是比例、积分和微分的调整系数，论文中分别设置为1、0.5和1.2。计算系统偏差对于最小化问题，迭代次数t处的最佳个体x*(t)是对应于总体历史最小值的个体。在现实问题中，比例、积分和微分因子会根据不同的情况和问题进行调整。
2024-05-06 21:14:52
652
原创 【智能算法应用】混合粒子群算法求解CVRP问题
考虑遗传算法(Genetic Algorithm，GA)交叉算子和变异算子，形成混合粒子群算法(Hybrid Particle Swarm Optimization, HPSO)。，0 表示配送中心, 大于 0 的整数表示客户点编号。每辆车从配送中心 0 出发, 在完成一定数量的客户后返回配送中心。，涉及如何有效地分配一组车辆去访问多个客户点，并在满足约束条件的情况下最小化总行驶距离或成本。每个客户点有一个特定的需求量，车辆需要满足总容量限制且在不超过容量的情况下为客户提供服务。
2024-05-05 21:40:27
463
原创 【智能算法】牛顿-拉弗森优化算法（NRBO）原理及实现
NRBO受到Newton-Raphson方法的启发，它使用两个规则来探索整个搜索过程:Newton-Raphson搜索规则(NRSR)和陷阱避免算子(TAO)，并使用几组矩阵来进一步探索最佳结果。NRSR采用Newton-Raphson方法来提高NRBO的探索能力，提高收敛速度以达到改进的搜索空间位置。TAO是采用(ahmadanfar等人，2020)改进和增强的优化方式，使用TAO可以显著改变x1n的位置。其中rand表示(0,1)之间的随机数，Δ表示(0,1)之间的随机数。
2024-05-05 11:33:30
869
原创 【智能算法应用】冠豪猪优化算法求解TSP问题
旅行商问题（TSP）是一种著名的组合优化问题，它涉及寻找给定一组城市及其之间的距离或成本，如何规划一条最短的路径，使得旅行商从起点出发，访问每个城市一次，最后回到起点。这个问题的目标是最小化总行驶距离或总成本，同时确保每个城市都被访问且只被访问一次。[2] 刘海龙,雷斌,王菀莹,等.求解TSP问题的改进融合遗传灰狼优化算法[J].计算机仿真,2023,40(09):333-338.[1] 王芬,杨媛.基于猎人猎物优化算法求解TSP问题[J].宁夏师范学院学报,2022,43(07):59-63+71.
2024-05-03 17:34:32
1252
原创 【智能算法】美洲狮优化算法（PO）原理及实现
这种搜索可以是到他以前有机会找到猎物的领土点，或者他可以对他的领土上的新地方进行搜索，并且在该地区没有获得猎物和食物。在这个阶段，美洲狮在它们的领地内随机搜索寻找食物，或者随机接近其他美洲狮并利用它们的猎物。因此，美洲狮会随机跳入搜索空间或在美洲狮之间的空间寻找食物。在探索阶段，PO模拟美洲狮探索新领地的行为，寻找潜在的优化方向；在开发阶段，PO则模拟美洲狮返回已知有猎物的地方的行为，深化优化方案。第一种用于模拟美洲狮向其他美洲狮的猎物进行短距离跳跃，第二种用于向最佳美洲狮的猎物进行长距离跳跃。
2024-05-03 10:38:46
937
原创 【智能算法】冠豪猪优化算法（CPO）原理及实现
以保持种群的多样性，同时加快收敛速度。根据CP的防御行为，当捕食者靠近时，CP有两种防御策略，即气味攻击策略和物理攻击策略。这些策略是指对有潜力的区域进行开发，致力于(局部)开发搜索。根据CP的防御行为，当捕食者距离较远时，CP有两种防御策略，即视觉策略和声音策略。第一和第二防御策略(视觉和声音)反映了CPO的探索行为，而第三和第四防御策略(气味和物理攻击)反映了CPO的开发行为。其中，T为决定循环次数的变量，t为当前函数求值，Tmax为函数求值的最大次数，Nmin是新生成种群中最小的个体数。
2024-05-02 22:34:13
1012
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人