鲸鱼算法与Python简单可视化测试（1）

已于 2022-07-30 16:46:27 修改
阅读量1.2k 收藏 3
点赞数
分类专栏： 风机关键部件以及轴承故障诊断 计算机视觉 - Opencv 强化学习等的 趣味小实验 文章标签： python 算法 开发语言
于 2022-07-29 23:51:19 首次发布
本博客为个人撰写，未经商业授权严禁转载！
本文链接：https://blog.csdn.net/u013537270/article/details/125481960
版权

文章目录

1. 鲸鱼算法原理

鲸鱼算法是一种根据鲸鱼围捕猎物行为抽象建模而成的优化算法，提出于2016年，是一种较新的群智能优化算法。鲸鱼作为一种群居性的哺乳动物，在捕猎时它们会相互合作对猎物进行驱赶和围猎。鲸鱼在集体捕猎过程的行为动作包括两个步骤：一种是包围猎物（a.随机游向某只鲸鱼，b.向当前最佳位置出发）；二是气泡网（通过螺旋包围猎物并喷出气泡，控制鱼群走向）。在每一代的游动过程中，鲸鱼群的个体会随机选择这两种行为来进行捕猎。

在这里插入图片描述

2. 鲸鱼算法的python实现

2.1 问题描述

作用是拟合多项式的系数
原函数是
y = x 3 − 4

了解本专栏 订阅专栏 解锁全文 超级会员免费看
GuGuDa123
关注
  • 0
    点赞
  • 踩
  • 3
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 2
    评论
专栏目录
订阅专栏
智能优化算法：鲸鱼优化算法-附代码
Jack旭的博客
07-24 6万+
智能算法：鲸鱼优化算法-附代码 文章目录智能算法：鲸鱼优化算法-附代码1.算法原理1.1包围猎物1.2 狩猎行为1.3 搜索猎物1.4 算法流程2. 算法结果：参考文献： 摘要：鲸鱼优化算法 (whale optimization algorithm,WOA)是 2016 年由澳大利亚格里菲斯大学的Mirjalili 等提出的一种新的群体智能优化算法，其优点在于操作简单，调整的参数少以及跳出局部 最优的能力强。 1.算法原理 鲸鱼优化算法(whale optimization algorithm,WOA)是
pythonturtle实现画一个海豚
wsrzsfgst的博客
06-23 880
该代码可以用来参考画法 尤其是落笔之类还有起笔之类 该海豚全部由弧组成，主要是四分之一的弧，还有二分之一的弧，还有圆
鲸鱼算法（WOA）在matlab中的实现
Ferry88的博客
08-14 4361
鲸鱼算法是根据鲸鱼的捕食行为而衍生的一种算法，属于智能优化算法的一种。鲸鱼算法是Mirjalili等于2016年提出的一种模拟鲸鱼群体捕食行 为的启发式优化算法，捕食行为称为泡泡网捕食方法，分为搜寻猎物、包围猎物、泡网攻击3个阶段。首先，鲸鱼随机地搜寻猎物，并且通过互相远离其他鲸鱼的位置，实现搜寻到更优的猎物；随后，鲸鱼识别出猎物的位置，向猎物靠拢；最后，鲸鱼采取螺旋的方式包围猎物，收缩包围圈，实现捕食。鲸鱼算法具有优化参数少，操作简单，收敛速度快等特点，广泛应用于工程中。............
鲸鱼优化算法（Whale Optimization Algorithm，WOA）
鹤鸣优化的博客
03-04 1万+
鲸鱼优化算法(Whale Optimization Algorithm, WOA)是2016年提出的一种元启发式优化算法，其灵感来自于座头鲸的狩猎行为。通过模拟随机或最佳个体捕食猎物的狩猎行为，研究者发现鲸鱼的气泡网捕食法可以分为两种，并将它们命名为“向上螺旋策略”和“双螺旋策略”。“向上螺旋策略”中，座头鲸会先下潜约12米，然后开始在螺旋中制造泡泡在猎物周围形成形状并向水面游去。“双螺旋策略”包括三个不同的环节：珊瑚环节、鲸尾拍打水面环节和捕获环节。
超详细 | 鲸鱼优化算法原理及其实现(Matlab/Python)
sfejojno的博客
10-06 3791
鲸鱼优化算法(whale optimization algorithm,WOA)是由Mirjalili和Lewis[1]于2016年提出的一种新型群体智能优化搜索方法,它源于对自然界中座头鲸群体狩猎行为的模拟，该算法整个过程包含搜索觅食、收缩包围和螺旋更新位置三个阶段。鲸鱼优化算法的三个种群更新机制相互独立，因此其寻优阶段的全局探索和局部开发过程得以分别运行及控制。此外, 鲸鱼优化算法不需要人为的设置各种控制参数值, 提高了算法的使用效率并降低了应用难度。
鲸鱼优化_鲸鱼优化算法python版_
10-03
1. 初始化鲸鱼的位置和速度。 2. 计算适应度函数，确定每个鲸鱼的优劣。 3. 更新鲸鱼的位置，结合环绕捕食、bubble-net攻击和随机游动策略。 4. 检查停止条件，如达到最大迭代次数或满足特定的性能指标。 5. 在每次...
鲸鱼优化算法python源代码
07-12
鲸鱼优化算法python源代码
鲸鱼优化算法python代码
05-13
鲸鱼优化算法python代码
鲸鱼算法WOA-SVM的python代码.zip
05-16
1、python代码 2、有数据集，直接运行
鲸鱼优化算法WOA实现函数极值寻优python.rar
04-12
python版本的鲸鱼优化算法WOA实现函数极小值寻优，直接运行woa_main.py即可，fitness用的是sphere函数 需要的可以改成其他函数极值寻优
WOA鲸鱼算法智能优化python程序，可自行设置寻优函数
02-10
WOA鲸鱼算法智能优化python程序，可自行设置寻优函数WOA鲸鱼算法智能优化python程序，可自行设置寻优函数WOA鲸鱼算法智能优化python程序，可自行设置寻优函数WOA鲸鱼算法智能优化python程序，可自行设置寻优函数WOA...
鲸鱼算法优化SVM代码（以mnist数据集为例，Python代码）
qq_40840797的博客
03-19 731
这个库中包含了大量的机器学习算法和预处理工具，包括对mnist数据集的处理。训练SVM模型，并评估其准确率。您可以使用Scikit-learn库中的SVM模型进行训练和评估，并使用Python中的Numpy库来计算模型的准确率。实现WOA算法，并应用于SVM模型的优化。您可以使用Python中的Scikit-learn库中的SVM模型来完成这个任务。初始化一群鲸鱼的位置，并计算其适应值（SVM模型的误差率）。根据当前最佳鲸鱼的位置和其他鲸鱼的位置，更新鲸鱼的位置。对新的位置进行适应值评估，并更新最佳位置。
【Matlab】智能优化算法_鲸鱼优化算法WOA
敲代码两年半的练习生博客
03-09 2326
鲸鱼优化算法提出的背景是为了模拟座头鲸的捕猎行为和螺旋线运动，从而设计一种新的群体智能优化算法。座头鲸可以通过声波或其他方式感知猎物的位置，并向其靠近。座头鲸可以通过环绕猎物产生气泡网来围捕猎物，并逐渐缩小气泡网的半径。座头鲸可以通过螺旋线运动来追逐猎物或探索新的领域。基于这些特征，Mirjalili 等人提出了一种数学模型来描述座头鲸的运动，并将其应用于优化问题。
鲸鱼优化算法优化BP神经网络回归预测的算法设计-附代码
热门推荐
CJ-leaf的博客
12-17 1万+
鲸鱼优化算法WOA优化BP神经网络回归预测模型以及MATLAB代码实现 文章目录鲸鱼优化算法WOA优化BP神经网络回归预测模型以及MATLAB代码实现1. 算法描述2. 鲸鱼优化算法优化BP神经网络预测的步骤与流程图设计3. WOA-BP预测算法的参数设置4. 运行结果5. MATLAB代码地址 1. 算法描述 鲸鱼优化算法（Whale Optimization Algorithm）是一种新兴的智能优化算法，在2016年提出。算法灵感来源于鲸鱼围捕猎物的行为。鲸鱼在捕猎过程中采用包围猎物与环形游动喷出气泡网
鲸鱼算法（WOA）matlab实现
m0_54688810的博客
06-19 7099
算法介绍 鲸鱼算法（Whale Optimization Algorithm）是根据鲸鱼围捕猎物的行为而提出的算法。鲸鱼是一种群居的哺乳动物，在捕猎时会对猎物进行驱赶和围捕。 鲸鱼算法中，每个鲸鱼的位置代表了一个可行解。 在鲸鱼群捕猎过程中，每只鲸鱼有两种行为，一种是包围猎物，所有的鲸鱼都向着其他鲸鱼前进；另一种是汽包网，鲸鱼环形游动喷出气泡来驱赶猎物。 在每一代的游动中，鲸鱼们会随机选择这两种行为来进行捕猎。在鲸鱼进行包围猎物的行为中，鲸鱼将会随机选择是向着最优位置的鲸鱼游去还是随机选择一只鲸鱼作为自己
使用Python+OpenCV探索鲸鱼识别（季军得主分享）
深度学习与计算机视觉
11-03 1169
使用曲率积分和动态时间规整，让我们深入研究抹香鲸识别！前言最近，我们参加了Capgemini的全球数据科学挑战赛。我与Acores鲸鱼研究中心合作，挑战抹香鲸的识别任务，用人工智能帮助拯...
无聊 用Python 画个小心心 turtle(乌龟模块)
wo446100076的专栏
04-03 2491
import turtle from turtle import * # 设置笔刷宽度: pencolor('red') turtle.speed(3) width(4) forward(50) right(45) forward(50) left(90) forward(50) right(45) forward(50) right(45) forward(50) right(90)...
Python中的Turtle 作画
Scarlett的博客
02-04 2804
龟图形是向孩子介绍编程的一中流行方式, 它是由Wally Feurzig和Seymour Papert 于1966年开发的原始Logo编程语言的一部分. 设想一个机器人乌龟从x-y平面的(0,0)开始,导入乌龟后,给它的命令turtle.forward(15),并在它面临的方向移动(在屏幕上)15像素,移动画一条线, 命令turtle.right(25),顺时针旋转25度 龟可以使用重复简单移
Java基础:爬虫
最新发布
weixin_65752158的博客
07-04 977
Pattern:表示正则表达式Matcher:文本匹配器，作用按照正则表达式的规则去读取字符串，从头开始读取。在大串中去找符合匹配规则的子串。通过Pattern p = Pattern.compile("正则表达式");获得 通过Matcher m = p.matcher(str);获得 (m要在str中找符合p规则的小串)其中, m为Matcher对象, p为正则表达式规则, str为要验证的字符串. boolean b = m.find(); 表示拿着文本匹配器从头开始读取，寻找是否有
鲸鱼算法代码python
09-07
鲸鱼算法（Whale Algorithm）是一种受到鲸鱼行为启发的进化算法，用于解决优化问题。它模拟了鲸鱼觅食的行为，通过群体移动和逃避障碍物来寻找最优解。 下面是使用Python实现鲸鱼算法的简单代码： ```python import random import math def whale_algorithm(dim, search_space, max_iter): population = [] # 初始化种群 for _ in range(search_space): x = [random.uniform(-search_space, search_space) for _ in range(dim)] population.append(x) # 最优解和最优适应度 best_solution = population[0] best_fitness = fitness_function(best_solution) # 迭代搜索 for iter in range(max_iter): a = 2 - iter * (2 / max_iter) # 衰减因子 for i in range(search_space): x = population[i] A = random.uniform(-1, 1) # 随机向量 C = 2 * random.random() # 倍数 for j in range(dim): D = abs(C * best_solution[j] - x[j]) # 距离向量 b = 1 # 倍数 if random.random() < 0.5: x[j] = D * math.exp(b * a) * math.cos(2 * math.pi * a) + best_solution[j] else: x[j] = D * math.exp(b * a) * math.sin(2 * math.pi * a) + best_solution[j] # 更新最优解和最优适应度 fitness = fitness_function(x) if fitness < best_fitness: best_solution = x best_fitness = fitness return best_solution def fitness_function(x): # 自定义适应度函数 return sum(x) # 使用示例 dim = 5 # 维度 search_space = 30 # 种群大小 max_iter = 100 # 最大迭代次数 best_solution = whale_algorithm(dim, search_space, max_iter) print("Best Solution:", best_solution) ``` 在这个例子中，鲸鱼算法被用于求解一个简单的优化问题，即求一个向量的各个元素的和最小值。算法使用了衰减因子和随机向量等操作来模拟鲸鱼的觅食行为，通过迭代搜索逐渐找到最优解。最后输出找到的最优解。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 2
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

打赏作者

GuGuDa123

你的鼓励将是我最大的动力！

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

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