多策略鲸鱼优化算法改进BiLSTM的电子文档辅助定密方法研究

针对双向长短期记忆网络(BiLSTM)在文档辅助定密中存在的收敛速度慢、最优架构参数寻找困难的问题,本文提出一种基于多策略鲸鱼优化算法TAMWOA改进BiLSTM的辅助定密方法。首先,本文设计了Tent混沌映射优化策略并定义非线性收敛因子和自适应权重因子,通过多策略融合改进鲸鱼优化算法,以实现TAMWOA全局和局部搜索平衡。其次,本文将该方法用于对BiLSTM的隐藏层单元个数和学习率进行优化,并设计了基于TAMWOA-BiLSTM的辅助定密方法。实验表明,在6个基准测试函数中改进的鲸鱼优化算法有更好的寻优能力,TAMWOA-BiLSTM能够在获得最优参数的同时,具有更高的定密准确率。