2024年中科院一区顶刊算法—加权平均优化算法(WAA)-性能测评及Matlab代码免费获取

已于 2024-12-01 15:27:02 修改
阅读量799 收藏 16
点赞数 11
分类专栏： 新算法定制 机器学习 文章标签： 算法 WAA 一区TOP 加权平均优化算法 定制
于 2024-11-27 01:35:35 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/small_ccb/article/details/144071741
版权

        本期带来加权平均优化算法(Weighted average algorithm, WAA)。该算法于2024年12月最新发表在中科院1区顶刊《Knowledge-Based Systems》上。其核心思想是通过对种群的加权平均位置进行优化，平衡全局搜索（Exploration）与局部开发(Exploitation)，相较与广大动物园算法更有看点！！！

255deff9e6a34c7fa9b1c2a84ee52b4b.png

6653557a6c1b4bdda430dea56efd2adc.png

刚发表，目前没人引用！

1、建模原理(详细见原文)


2、WAA算法伪代码和流程图

6f36d296fb4d404d94c6f3597ef7bdd2.png2998ebc2ea4d4d6282ac331cb5636ac2.png

3、测试函数结果对比

        原文作者为了验证WAA的有效性和可靠性，将其应用于各种优化挑战，其中包括无约束基准函数和约束工程挑战。基于Friedman和Wilcoxon分析，可以得出结论，该算法在考虑基准函数和工程问题时获得了最佳性能。

        为了方便各位使用和理解，采用CEC2005中的23种测试函数与INFO(向量加权平均算法)和PSO进行对比测试！(仅展示4组(为了查看WAA算法的稳定性和鲁棒性，单峰、多峰、固定多峰函数均包含在内)，其余函数可自行切换测试)

1b9268e211ea4182c822af34a52bac97.png

79dc18d18ca5c944c645031787d1752d.png

b939f9dc5feb689f6853fab6a4e4f8af.png

203b1cafd44d146c210d2d24fc25cd33.png

可以看出在三类测试函数中WAA算法均表现优异！

[1]Cheng J, De Waele W. Weighted average algorithm: a novel meta-heuristic optimization algorithm based on the weighted average position concept[J]. Knowledge-Based Systems, 2024: 112564.

基于离差最大化的区间数多属性权重确定与TOPSIS方法及matlab应用
wjyxld的博客
04-05 4324
在多属性决策问题中，可以根据属性之间的差异或重要性程度等，确定属性的权重，该种方法称为离差最大化。在属性的离差最大化确定权重后，根据WAA算子集结加权决策矩阵，然后在利用TOPSIS思想进行排序。 1.离差最大化概念 离差最大化确定权重的思想:在属性uj下，如果所有决策方案的属性值差异很小，说明该属性对方案排序所起的作用越小；反之，方案的属性值差异很大，说明属性uj对方案排序将起到重要作用.因此方...
2024年12月一区SCI-加权平均优化算法Weighted average algorithm-附Matlab免费代码
weixin_44028734的博客
11-11 546
本期介绍了一种基于加权平均位置概念的元启发式优化算法，称为。该成果于在中JCR1区、 中科院1区 SCI期刊 Knowledge-Based Systems。在WAA算法中，加权平均位置代表当前种群分布，并与个体最佳位置和全局最佳位置相结合，指导下一次迭代的位置更新。1. 初始化。和其他算法一样，采用随机初始化：2.加权平均位置。加权平均位置计算的第一步是计算每个参与者的适应度，并根据两个特征中的一个对总体进行重新排列，即越大越好（LTB）或越小越好（STB）。
加权平均优化算法(WAA)-2024年12月SCI一区新算法-公式原理详解与性能测评 Matlab代码免费获取
QSJIQIXUEXI的博客
11-11 2434
加权平均优化算法(WAA)是一种新的启发式算法，灵感来源于加权平均位置概念。该算法每次迭代首先建立整个种群的加权平均位置，性能不错，值得一试！该成果于2024年12月发表在SCI一区顶刊《Knowledge-Based Systems》上！
WAA WOA GMO HHO ETO算法
weixin_43613669的博客
02-15 883
ETO的结构简单，易于实施和调整参数，使其不仅在性能上优越，还在适应不同问题类型上具有极高的灵活性和适应性。目前的工作与其他群优化算法相比的主要区别在于，采用随机或最佳搜索代理来模拟捕猎行为，并使用螺旋来模拟座头鲸的泡泡网攻击机制。WAA算法通过优化种群的加权平均位置来平衡全局搜索（Exploration）与局部开发（Exploitation），以提高搜索效率、加速收敛，并改善算法的整体性能。这种优化算法具有较强的全局搜索能力，可以有效地避免局部最优解，并且在处理复杂的优化问题时表现出较高的效率。
2024年一区顶刊算法—指数-三角优化算法(ETO)-性能测评及Matlab代码免费获取
small_ccb的博客
11-26 647
1.优化单独模型类：BP、RBF、SVM、LSSVM、ELM、KELM、DELM、RELM、HKELM、DHKELM、RF、DNN、DBN、LSTM、BiLSTM、GRU、BiGRU、PNN、ANN、RNN、GRNN、CNN、XGBoost、Adaboost、LightGBM、TCN、BiTCN、ESN、Transformer、Bagging、GBT等。由于本文算法为基于数学理论的算法，为了更加显示出其优势，现采用24年同为数学理论算法的TTAO(三角拓扑聚合优化器)来进行对比。2、ETO算法流程图。
SCI一区顶刊优化算法改进：基于强化学习的神经网络算法RLNNA，你绝对没见过，非常新颖！
QSJIQIXUEXI的博客
03-28 2085
应小伙伴要求，今天为大家带来一期在2023年SCI一区顶刊上的算法改进：基于强化学习的神经网络优化算法代码与原理讲解，非常新颖！相信大家也从来没见过，效果不错！注意！这里的神经网络并不是传统意义上的神经网络，而是一种优化算法，大家可以类比为动物园优化算法，只是这位作者借用了神经网络的思想取名为神经网络优化算法（NNA），其本质上还是随机搜索的群智能优化算法，有点唬人！
盘点一下，人工智能顶刊顶会有哪些？
热门推荐
sh_0001的博客
11-20 2万+
人工智能过去十年发展快速，也逐步从学术研究走向商业化。但是该领域的主要成果产出依然会发表在国际顶级期刊和会议（即，顶刊顶会）上。 AI领域高水平论文发表量整体上呈现稳步增长态势 顶会顶刊，通常是指《CCF 推荐国际学术期刊和会议目录》和 ACM 计算机学分类系统相关子领域的 A 类期刊和会议，此外也有相关专家和团体的推荐。 在人工智能领域，除了大家最为熟知的最核心的四大顶会AAAI、IJCAI、ICML和NeurIPS，以及作为计算机视觉和自然语言为代表的CVPR和ACL这两大学术会议，也涌现了许多“后起之
手握顶会顶刊论文，自信满满面试算法岗竟被刷？
夕小瑶科技说
01-26 201
2020国内深度学习框架领域百花齐放。各大公司也都陆续推出了自己的框架，大大推动了深度学习的发展。深度学习俨然已经渗入到我们生活中的每个角落，给生活带来极大便利。深度学习能够针对生产生活...
2024年SCI一区最新改进优化算法——四参数自适应生长优化器，MATLAB代码免费获取...
woaipythonmeme的博客
11-19 1249
注：该算法已按照智能优化算法APP标准格式进行整改，可直接集成到APP中，方便大家与自己的算法进行对比。本期带来的是一篇改进的算法。作者在生长优化算法的基础上提出了一种集分布、对抗和平衡特征于一体的四参数自适应生长优化器(Quadruple parameter adaptation growth optimizer，QAGO)。在QAGO中，四参数自适应机制旨在降低算法对参数设置的敏感性，增强算法...
【世界无线局域网应用发展联盟-2024研报-】2024年WAA园区无线局域网绿色节能技术白皮书.pdf
10-27
本白皮书由世界无线局域网应用发展联盟（WAA WLAN Application Alliance）主导编写，参与的单位涵盖了华为技术有限公司、中国通用技术（集团）、河南师范大学等多家知名企业和高等教育机构，以及撰稿人员名单中的包...
常用数学模型算法整理-MATLAB篇.pdf_数学建模学习资料
08-25
该模型使用的信息集结方法包括加权算术平均算子（WAA）、加权几何平均算子（WGA）、有序加权平均算子（OWA）等。在多属性决策模型中，首先需要确定属性类型，并对属性值进行归一化处理，然后计算属性权重，最后构建...
waa-autocomplete:Sublime Text 3的Web Audio API自动完成
05-20
下载waa-autocomplete.sublime-completions 。 在SublimeText中，选择Preferences > Browse Packages...以打开软件包目录。 将下载的文件放在User目录中。 用法 键入任何Web Audio API代码都会触发自动补全。 完成...
WAA-LIGHTGBM
02-16
加权平均优化算法（Weighted Average Algorithm, WAA）作为一种新兴的优化方法，在多个领域展现出了优异的表现[^1]。当考虑将其应用于机器学习模型如 LightGBM 的参数调优时，可以显著提升模型性能。 #### 加权平均...
【数学建模】多属性决策模型（评价与决策）
Edward的博客
08-02 2万+
文章目录一、算法介绍1. 加权算术平均算子（WAA）2. 属性值归一化处理二、适用问题三、算法总结1. 步骤四、应用场景举例（企业评估）1. 建模构建决策矩阵2. 属性值归一化3. 对各个属性构造成对比较矩阵计算属性权重（层次分析法）4. 计算每个公司的WAA五、MATLAB代码六、实际案例七、论文案例片段（待完善） 多属性决策模型主要针对数学建模问题中的一些小的子问题进行求解，如果想直接使用请跳转至——四、五 一、算法介绍   多属性决策是现代决策科学的一个重要组成部分，它的理论和方法在工程设计、经
最新高性能多目标优化算法：融合竞争学习与高斯扰动的多目标加权平均算法（MOWAA）求解ZDT1-ZDT4，ZDT6及工程应用---盘式制动器设计，提供完整MATLAB代码
IT猿手
12-27 848
加权平均优化算法（Weighted Average Algorithm, WAA）是2024年提出的一种新型元启发式优化算法，其灵感来源于加权平均位置概念。WAA算法通过优化种群的加权平均位置来平衡全局搜索（Exploration）与局部开发（Exploitation），以提高搜索效率、加速收敛，并改善算法的整体性能。 WAA算法的核心思想是利用加权平均位置来指导搜索过程，以平衡全局搜索（Exploration）与局部开发（Exploitation）。这种算法通过在每次迭代中首先建立整个种群的加权平均位置，
智能优化算法：向量加权平均算法-附代码
Jack旭的博客
03-21 5805
智能优化算法：向量加权平均算法 文章目录智能优化算法：向量加权平均算法1.算法原理1.1初始化1.2更新规则阶段1.3 向量合并阶段1.4 局部搜索阶段2.实验结果3.参考文献4.Matlab代码 摘要：向量加权平均算法（Weighted mean of vectors algorithm, INFO），是于2022年提出的一种新型智能优化算法。该算法通过向量的不同加权平均规则，来达到寻优目的。具有寻优能力强，收敛速度快等特点。 1.算法原理 1.1初始化 与其他优化算法一样，种群个体在搜索空间内随机初始化
2024年SCI一区顶刊新算法，包括徒步优化算法（HOA)、常青藤优化算法（Ivy）、黑翅鸢优化算法(BKA)、相关MathType公式、伪代码等内容
2301_79359347的博客
09-05 1527
包括徒步优化算法（HOA）、常春藤优化算法（Ivy）、黑翅鸢优化算法（BKA）的用MathType编辑公式、伪代码、matlab代码、PDF论文、latex参考文献引用格式，拿来直接用，帮助科研者省下超多时间。
【深度学习】CV顶会｜CV顶刊
JNing
04-25 1万+
【深度学习】CV顶会｜CV顶刊
加权平均 weighted avg
最新发布
03-30
### 加权平均算法的实现 加权平均是一种常见的统计方法，在编程中可以通过简单的数学运算来实现。以下是关于如何在编程环境中实现加权平均的具体说明。 #### 数学定义 加权平均的核心思想是对一组数值赋予不同的权重，从而得到一个综合的结果。假设有一组数据 \( x_1, x_2, \ldots, x_n \) 和对应的权重 \( w_1, w_2, \ldots, w_n \)，则加权平均可以表示为： \[ WA = \frac{\sum_{i=1}^{n}(w_i \cdot x_i)}{\sum_{i=1}^{n}w_i} \] 其中： - \( WA \) 表示加权平均值， - \( x_i \) 是第 \( i \) 个数据点， - \( w_i \) 是对应的数据点的权重。 #### 编程实现 以下是一个 Python 实现的例子，用于计算给定数据和权重的加权平均值。 ```python def weighted_average(data_points, weights): """ 计算加权平均值 参数: data_points (list): 数据列表 weights (list): 权重列表 返回: float: 加权平均值 """ if len(data_points) != len(weights): raise ValueError("数据点数量必须等于权重数量") numerator = sum(x * w for x, w in zip(data_points, weights)) # 分子部分 denominator = sum(weights) # 分母部分 if denominator == 0: raise ZeroDivisionError("总权重不能为零") return numerator / denominator # 测试例子 data = [10, 20, 30, 40] weights = [1, 2, 3, 4] result = weighted_average(data, weights) print(f"加权平均值: {result}") ``` 上述代码实现了基本的加权平均逻辑，并通过异常处理确保输入的有效性[^1]。 #### 使用 MATLAB 的实现 对于 MATLAB 用户，也可以轻松实现类似的加权平均功能。下面提供了一个简单示例： ```matlab function wa = weightedAverage(dataPoints, weights) % 检查输入长度一致性 if length(dataPoints) ~= length(weights) error('数据点数量必须等于权重数量'); end % 计算分子和分母 numerator = sum(dataPoints .* weights); denominator = sum(weights); % 防止除以零的情况 if denominator == 0 error('总权重不能为零'); end % 输出加权平均值 wa = numerator / denominator; end % 测试函数 data = [10, 20, 30, 40]; weights = [1, 2, 3, 4]; wa_result = weightedAverage(data, weights); disp(['加权平均值: ', num2str(wa_result)]); ``` 此 MATLAB 函数同样遵循了严格的输入验证流程并提供了清晰的功能描述[^4]。 #### 结合优化场景的应用 如果希望进一步扩展到更复杂的优化场景，比如使用加权平均优化算法（WAA），可以根据 Jun Cheng 提出的研究成果构建相应的模型。具体来说，WAA 算法利用种群中的个体位置信息以及它们的适应度值作为权重因子，动态调整搜索方向，达到全局最优的目的[^2]。 例如，在支持向量机（SVM）参数调优过程中，可以采用 WAA 对核函数参数进行寻优操作。这通常涉及多次迭代过程，每一次都会重新评估当前解的质量并通过更新后的加权平均位置指导下一步探索动作[^3]。 --- ###
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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