优化算法改进之鲸鱼优化算法详解及效果对比

改进鲸鱼优化算法(IWOA,自己融合了多策略改进,名字自己取的[破涕为笑]),改进包括circle混沌映射,自适应阈值,非线性收敛因子,以及自适应权重和levy飞行策略,具体公式会在readme说明文件中详细给出。
与鲸鱼算法,灰狼算法,麻雀算法,北方苍鹰算法,在初始种群为30,独立运行次数30,迭代500次做比较,效果如下。
该改进仍有很大优化空间,自己可以对参数进行优化,不同参数组合会对效果有较大影响,文件中会给出在哪优化,如何进行优化,只改了一个参数效果有了很大提升,见F4效果对比图。
附带23种测试函数,测试函数对应波形如下,可对应收敛曲线一起看。

ID:7699701656868882

Maya



改进鲸鱼优化算法(IWOA,自己融合了多策略改进,名字自己取的[破涕为笑]),改进包括circle混沌映射,自适应阈值,非线性收敛因子,以及自适应权重和levy飞行策略。

鲸鱼优化算法是一种启发式优化算法,模仿了鲸鱼觅食的行为。通过模拟鲸鱼的行动规律,该算法可以用于解决各种优化问题,例如函数优化、参数调优等。然而,原始的鲸鱼优化算法存在一些不足之处,因此我们对其进行了改进。

首先,我们引入了circle混沌映射。混沌映射是一种非线性动力系统,具有复杂的动力学行为。通过引入circle混沌映射,我们可以增加算法的搜索空间,提高其全局搜索能力。具体而言,在每一代的迭代过程中,我们使用circle混沌映射来生成新的候选解,以增加多样性和探索性。

其次,我们引入了自适应阈值。在传统的鲸鱼优化算法中,阈值是一个固定的常数,会对算法的收敛速度和搜索能力产生影响。为了提高算法的自适应性,我们将阈值设置为一个动态变化的值,根据当前最优解的改变情况来调整阈值的大小。这样可以使算法在不同阶段具有不同的收敛速度和搜索策略,提高算法的适应性和鲁棒性。

此外,我们还引入了非线性收敛因子。传统的鲸鱼优化算法中,收敛因子是一个线性函数,用于控制算法的收敛速度。然而,线性收敛因子往往会导致算法陷入局部最优解,缺乏全局搜索能力。为了改善这个问题,我们采用了非线性收敛因子,将收敛因子设置为一个随机变化的函数,以增加算法的多样性和探索性。

最后,我们引入了自适应权重和levy飞行策略。自适应权重可以根据每个个体的适应度动态调整,以提高算法的搜索能力和收敛速度。levy飞行策略是一种随机步长策略,可以增加算法的搜索范围,提高全局搜索能力。通过引入自适应权重和levy飞行策略,我们可以进一步改善算法的性能。

为了评估改进的鲸鱼优化算法的性能,我们将其与鲸鱼算法、灰狼算法、麻雀算法和北方苍鹰算法进行了比较。我们选择了初始种群为30,独立运行次数30,迭代500次作为参数设置,以保证实验的可靠性。实验结果表明,改进的鲸鱼优化算法在解决优化问题方面具有较好的性能。

然而,我们也认识到改进的鲸鱼优化算法仍有很大的优化空间。不同的参数组合会对算法的性能产生较大的影响,因此我们鼓励研究者对参数进行优化。在readme说明文件中,我们将详细介绍如何进行参数优化。实验结果表明,即使只改变一个参数,算法的性能也会有显著提升,相关的F4效果对比图将在文件中给出。

此外,我们还提供了23种测试函数,并给出了对应波形。通过观察测试函数的收敛曲线,可以进一步了解算法的性能和搜索能力。

综上所述,通过改进鲸鱼优化算法的circle混沌映射、自适应阈值、非线性收敛因子、自适应权重和levy飞行策略等方面,我们提升了算法的搜索能力和收敛速度。实验结果表明,改进的鲸鱼优化算法在解决优化问题方面具有较好的性能。然而,仍有很大的优化空间,我们鼓励研究者对参数进行优化,并提供了相关的指导。通过在readme说明文件中详细介绍参数优化方法,我们希望能够进一步推动鲸鱼优化算法的研究和应用。

【相关代码 程序地址】: http://nodep.cn/701656868882.html

  • 12
    点赞
  • 12
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值