針對(duì)鯨魚算法在迭代后期種群多樣性減少問題,本文提出一種基于閾值控制的改進(jìn)鯨魚優(yōu)化算法(簡(jiǎn)記為TIWOA),將均勻分布空間與偽反向?qū)W習(xí)策略相結(jié)合,對(duì)原始種群位置進(jìn)行初始化,為全局搜索奠定基礎(chǔ);改進(jìn)了基于正態(tài)變異算子的選擇種群方案,增加了局部搜索速度;設(shè)計(jì)了非線性收斂因子,配合改進(jìn)的基于正弦函數(shù)的螺旋位置更新,使算法在迭代后期有更好的全局搜索能力。文中選取了25個(gè)國(guó)際標(biāo)準(zhǔn)測(cè)試函數(shù)對(duì)改進(jìn)算法進(jìn)行測(cè)試,結(jié)果表明,TIWOA算法在收斂精度與收斂速度上,更明顯優(yōu)于其它算法,經(jīng)過Fricdman檢驗(yàn)與Wilcoxon檢驗(yàn),TIWOA算法與其它改進(jìn)的WOA有顯著性差異,說明TIWOA算法改進(jìn)有明顯效果。

【文章頁數(shù)】：16 頁

【文章目錄】：
1 鯨魚優(yōu)化算法
2 改進(jìn)鯨魚優(yōu)化算法(TIWO A)
    2.1 基于均勻分布空間與偽反向?qū)W習(xí)策略的種群初始化
    2.2基于正態(tài)變異的擇優(yōu)選擇
    2.3 基于正弦函數(shù)的螺旋更新位置
    2.4 非線性收斂因子改進(jìn)策略
    2.5 引入閾值判斷函數(shù)是否達(dá)到局部最優(yōu)解
    2.6 算法步驟
3 數(shù)值實(shí)驗(yàn)與結(jié)果分析
    3.1 數(shù)值實(shí)驗(yàn)與結(jié)果分析
    3.2 性能指標(biāo)選取
    3.3 測(cè)試參數(shù)設(shè)置及實(shí)驗(yàn)結(jié)果
4 數(shù)值結(jié)果檢驗(yàn)
5 結(jié)語



本文編號(hào)：4035911