浣熊优化算法为2023年提出的较新优化算法,其性能很是优越,本文不再对其基本原理进行叙述,改进后的效果如下所示:
此算法性能较强,在处理固定多维测试函数上,直接拉其他算法几个量级,改进后有了更快的收敛速度及收敛精度,改进点有注释,共5种改进策略(常见策略的排列组合),带23种测试函数表达式以及测试函数理论最优值等信息,详情见下图。
性能较好,搭配各种工程应用有助于发paper,亦可提升自己对算法的理解能力。
对比算法:GWO,COA,WOA,NGO,DBO
最大迭代次数:500
初始种群数量:30
独立运行次数:30
输出信息:算法收敛曲线对比图,测试函数波形图,最优值,最差值,平均值,标准差。
改进后的对比效果,如下图所示,展现出了非常强的收敛速度与收敛精度,在单维,多维,固定多维共计23种测试函数中,ICOA共计18种测试函数结果最优,共计20种测试函数效果比COA好,较优的已在图中标记,详情见如下测试函数。对该算法的改进,可与任何网络代码在收敛速度和收敛精度方面进行比较,看测试函数效果就好。