立方混沌非线性哈里斯鹰优化算法在无线传感器节点部署分析研究

为提高无线传感器网络(WSN)节点部署的覆盖率,文中提出一种立方混沌非线性哈里斯鹰优化算法(CCHHO)的无线传感器节点部署优化方法。在初始化时期,引入立方混沌映射初始化种群,使种群在解空间分布更加均匀,提高种群多样性;其次,为更好地平衡探索和开发,将逃跑能量因子由线性变成非线性;最后,在开发阶段引入纵横交叉策略增强局部探索能力,增强个体之间的信息交流,避免算法陷入局部最优,提高算法的求解精度。6个基准测试函数的测试结果表明,CCHHO算法具有较快的收敛速度和较高的求解精度。将CCHHO算法应用在WSN节点部署优化,实验结果表明,相较于改进正余弦算法(ESCA)、自适应混沌量子粒子群算法(DACQPSO)、外推人工蜂群算法(EABC),CCHHO算法覆盖率分别提升0.31%,4.16%,8.02%。

求解非线性方程组的HHHO算法及工程应用

非线性方程组的求解具有重要的数学意义和实际意义,结合二次插值和差分进化算法的优点,提出了一种混合哈里斯鹰优化算法(HHHO)用于求解非线性方程组。先在勘探阶段采用二次插值方法,增强了算法的全局搜索能力;当算法陷入局部最优时,根据早熟机制,针对陷入局部最优的哈里斯鹰进行变异、选择操作,增强种群的多样性,避免算法陷入早熟。通过10个基准测试函数的测试,证明了HHHO算法在局部搜索能力,求解精度方面优于HHO算法,通过5个非线性方程组的求解验证上述算法在求解精度、解的求解个数上都有一定的优势。最后把HHHO算法用于求解几何约束问题和三角函数超越方程,进一步验证了算法高效的求解性能。

基于海洋捕食者算法和ELM的空气质量指数预测

针对极限学习机(Extreme Learning Machine,ELM)模型参数选取敏感问题,文章提出一种改进的海洋捕食者算法(Improved Marine Predator Algorithm,IMPA)优化极限学习机的权重和偏置。首先,针对海洋捕食者算法初始种群的多样性不足,运用准反射学习策略生成高质量的初始猎物种群。其次,引入柯西变异策略更新种群,增强算法的全局寻优能力。然后,运用纵横交叉策略对猎物种群进行修正,进一步提高算法搜索精度。最后,将改进后的海洋捕食者算法优化极限学习机的权重和偏置,构建了一种IMPA-ELM预测模型用于空气质量指数预测。实验结果表明,IMPA-ELM预测模型在空气质量指数预测精度上有所提高。