鲸鱼优化算法的改进及其应用研究

发布时间：2021-06-25 01:00

　　自然科学和社会经济的诸多问题均可描述为优化问题,对优化问题高精度求解算法的研究一直吸引着众多的研究者。鲸鱼优化算法（WOA）是一种新型的基于种群的随机寻优方法,通过收缩环绕和螺旋更新趋于全局最优解,在众多领域表现优异,但是在处理复杂优化问题时,仍然存在收敛速度慢,计算精度低,陷入局部最优解等缺点,因此,针对这些问题,本文提出了三种改进的鲸鱼优化算法,并分别将其应用于特征选择、S-λ曲线降阶、水资源需求预测,具体研究内容如下:1.提出了一种基于自适应邻域和二次插值策略的鲸鱼优化算法（QINWOA）。新算法设计自身到其他鲸鱼的平均距离作为自适应邻域半径计算方法,选择向邻域中的最优解学习代替随机学习策略;利用二次插值函数的驻点逼近目标函数的最值点,在继承了原始算法全局搜索能力的同时,增强了开发能力,提高了整个种群的质量,进而提高了算法的收敛速度。提出了基于二值化QINWOA的封装特征选择方法。23个标准测试函数的数值实验验证了 QINWOA优于当前流行的9个对比算法。12个来自UCI知识库的标准数据集测试了 QINWOA用于特征选择的有效性。实验结果表明,QINWOA在提高分类准确性和减少特... 

【文章来源】：西安理工大学陕西省

【文章页数】：103 页

【学位级别】：硕士

【部分图文】：

QINWOA与改进WOA求解Fig.2-2TheconvergencecurveofQINWOA2.3.5QINWOA与其他智能算法的比较

钣沤庀嗖钌踉丁?根据表2-7，对每个测试函数，八种算法计算的平均值进行排序，得到每种算法对每个测试函数的秩。然后将每种算法的23个测试函数的秩进行求和，结果如图2-3所示，总体分析每种算法的性能。从图2-3中可以直观地观察到QINWOA算法的秩和值为30，是最小值，说明该算法的性能最优。而SCA算法的秩和值最大，为153，说明SCA算法对于这23个基准测试函数的性能最差。根据秩和值的大小，我们对八种算法进行排序，为QINWOA<QIAEA<GWO<PSO<DE=MVO<SCA。秩和值越小，算法性能越优，随着秩和值的增大，算法的性能依次减弱。图2-3QINWOA算法与其他智能算法的秩Fig.2-3TherankofQINWOAandotherintelligentalgorithms表2-8以QILWOA为基准，其他智能算法的Wilxocon秩和检验值pTab.2-8Thevaluep-oftheWilcoxonranksumtestbasedonQINWOAFPSOGWOSCADEMFOMVOQIAEA16.79E-86.79E-86.79E-86.79E-86.79E-86.79E-86.79E-826.79E-86.79E-86.79E-86.79E-86.79E-86.79E-86.79E-836.79E-86.79E-86.79E-86.79E-86.79E-86.79E-86.79E-848.00E-98.00E-98.00E-98.00E-98.00E-88.00E-98.06E-351.20E-66.79E-86.79E-86.79E-86.79E-86.79E-83.37E-266.79E-86.79E-86.79E-86.79E-86.79E-86.79E-86.79E-876.79E-86.79E-86.79E-86.79E-86.79E-86.79E-86.79E-886.78E-86.78E-86.78E-86.78E-86.78E-86.78E-86.78E-898.00E-92.56E-58.00E-98.00E-98.00E-98.00E-98.00E-9103.66E-83.60E-83.66E-83.66E-83.66E-83.66E-83.66E-8118.00E-91.98E-28.00E-98.00E-98.00E-98.00E-98.00E-9126.79E-86.79E-86.79E-86.79E-86.79E-86.79E-82.85E-2131.60E-46.79E-86.79E-86.79E-86.79E-86.79E-82.65E-2142.55E-21.97E-44.37E-27.86E-11.18E-21.19E-81.19E-8151.59E-55.87E-61.59E-

西安理工大学硕士学位论文24数效果较好，少数函数表现相当。总的来说，QINWOA的性能优于其他对比算法。图2-4QINWOA算法与其他智能算法的对比结果图Fig.2-4ComparisonofQINWOAwithotherintelligentalgorithms从表2-9来看，QINWOA算法有19个测试函数运行20次的成功率达到100%，远远高于其他算法。尤其对于单峰和多峰函数，其他算法大部分不能达到给定标准，成功率较小，有的甚至为0。因此，QINWOA在精度和稳定性方面明显优于其他算法。为了更直观地对比算法的收敛速度和计算精度，图2-5显示了部分测试函数的收敛曲线图。从图2-5中，我们明显地观察到，对于测试函数1F、3F、和7F，QINWOA算法的收敛速度快，计算精度高。而对于测试函数6F，QINWOA算法的收敛速度虽然没有QIAEA算法快，但与WOA相比，效果明显优异。对测试函数17F和18F，八种算法在收敛精度上没有差距，但是根据局部放大图可以看出，QINWOA算法的收敛速度较快，节省算法运行时间。综上所述，QINWOA算法在收敛速度和计算精度方面优于其他算法。

【参考文献】：
期刊论文
[1]基于二次插值的人工蜂群算法[J]. 李翠,纪峰,吴仰玉,常霞.  科学技术与工程. 2013(20)
[2]Bézier曲线降阶的迭代算法[J]. 陆利正,胡倩倩,汪国昭.  计算机辅助设计与图形学学报. 2009(12)
[3]Bézier曲线降阶的矩阵方法[J]. 任水利,张凯院,叶正麟.  工程数学学报. 2007(06)
[4]隶属云和隶属云发生器[J]. 李德毅,孟海军,史雪梅.  计算机研究与发展. 1995(06)



本文编号：3248173