⛄一、北方苍鹰算法及LSTM简介
1、北方苍鹰优化算法
受北方苍鹰捕食行为的启发,文献[1]提出了一种新的基于种群的优化算法——北方苍鹰优化(Northern goshawk optimization, NGO)算法。
(1)初始化阶段
在算法开始时,种群成员在搜索空间中随机初始化,如式(1)所示:
其中,X XX表示北方苍鹰种群的矩阵,X i X_iX i是第i ii个个体的初始解,x i , j x_{i,j}x 是第i ii个个体第j jj维的值,N NN是种群成员的数量,m mm是问题空间的维度。
北方苍鹰种群的目标函数值可以用目标函数值向量表示。
(2)第一阶段:猎物识别(探索)
苍鹰在狩猎的第一阶段,随机选择一个猎物,然后迅速攻击它。由于搜索空间中猎物的随机选择,该阶段增加了NGO的探索能力。该阶段导致搜索空间的全局搜索,目的是识别最优区域。
(3)第二阶段:追逐和逃跑行为(开发)
在苍鹰攻击猎物后,猎物试图逃跑。因此,在尾随和追逐过程中,苍鹰继续追逐猎物。由于苍鹰的高速飞行,它们几乎可以在任何情况下追逐猎物并最终狩猎。对这种行为的模拟