混沌反馈自适应鲸鱼优化算法研究

发布时间：2021-05-15 19:31

　　鲸鱼优化算法是一种新型优化算法,源自鲸鱼的觅食行为。针对标准鲸鱼优化算法处理复杂函数优化问题出现寻优精度低和易陷入局部极小值的不足,文章提出了一种混沌反馈自适应鲸鱼优化算法（CFAWOA）。在CFAWOA算法中,引入混沌理论生成初始种群增加种群多样性,为算法全局搜索奠定基础;同时,在鲸鱼位置更新后期增加反馈阶段,通过交流学习使最差鲸鱼快速向最优鲸鱼靠拢,提高算法的全局搜索能力;此外,在鲸鱼个体位置更新公式中引入自适应惯性权值,通过平衡算法的开发和探索能力进一步改善算法的优化性能。采用6个复杂函数优化问题进行仿真实验,将CFAWOA算法与WOA、PSO和TLBO算法进行对比,结果表明CFAWOA在收敛精度、优化性能方面具有明显优势。 

【文章来源】：统计与决策. 2019,35(07)北大核心CSSCI

【文章页数】：4 页

【参考文献】：
期刊论文
[1]一种基于改进PSO的随机最大似然算法[J]. 宋华军,刘芬,陈海华,张鹤.  电子学报. 2017(08)
[2]基于鲸鱼优化算法的汽轮机热耗率模型预测[J]. 牛培峰,吴志良,马云鹏,史春见,李进柏.  化工学报. 2017(03)
[3]自适应变尺度混沌免疫优化算法及其应用[J]. 杨海东,鄂加强.  控制理论与应用. 2009(10)



本文编号：3188208