额隆感知和围攻机制改进的白鲸优化算法

白鲸优化算法(BWO)是一种有效的元启发式算法,但存在种群多样性低、全局搜索能力不足等问题.为此,提出一种额隆感知和围攻机制改进的白鲸优化算法(MSBWO).受麻雀算法的启发,设置安全区域和额隆感知机制,增强白鲸的判断能力并加快收敛速度.然后引入多方式的围攻机制,丰富个体位置更新的多样性,增大全局搜索能力.同时加入了动态高斯变异进行扰动,以提高算法跳出局部极值的概率.通过14个基准函数和CEC2019进行算法有效性测试,并与其他优化算法进行了比较.结果表明,MSBWO取得更优的收敛速度和预测精度.最后,将该算法应用于2个工程设计问题.实验结果表明,所提出的MSBWO算法具有良好解决实际工程问题的能力.

基于围攻机制的改进鲸鱼优化算法

针对传统鲸鱼优化算法全局探索能力不足、收敛精度低、速度慢等问题,提出一种基于围攻机制的改进鲸鱼优化算法.首先,使用Tent混沌映射和非线性参数,使种群的分布更均匀,并且协调了鲸鱼优化算法的探索与开发能力;其次,考虑算法适应度在寻优中的重要作用,提出限制适应度控制和高斯检测机制;最后,结合哈里斯鹰优化算法的围攻机制,提升鲸鱼优化算法的全局探索和局部寻优的能力.将改进的算法与多种算法在13个可变维基准函数上进行仿真测试,结果表明,基于围攻机制的改进鲸鱼优化算法,在拥有较好鲁棒性和稳定性的同时,能够保证收敛精度与速度.

基于改进狼群算法优化LSTM网络的舆情演化预测

为提高预测舆情演化趋势的能力,提出了一种基于改进狼群算法(IWPA)优化长短期记忆(LSTM)神经网络的舆情演化预测模型。采用Halton Sequence进行初始化,提高种群多样性;设计步长因子进行高斯-正弦扰动变换,提高狼群探索开发能力;结合鲸鱼优化算法中的螺旋改进围攻机制,增强狼群的局部搜索能力;引入记忆力机制,使用双向记忆种群增加狼群协同合作能力,将改进后的狼群算法应用到LSTM神经网络的超参数预测。采用“新冠疫情”和“食品安全”等关键词作为实例,证明了IWPA-LSTM神经网络舆情演化预测模型具有良好的准确性和普适性,适用于多种舆情演化的预测。

基于多策略改进狼群算法的机械臂路径规划

针对水下机械臂路径规划中基本狼群算法(wolf pack algorithm,WPA)收敛速度过慢,易陷入局部最优的问题,提出了一种基于多策略改进WPA的水下机械臂三维路径规划算法。该文采用混沌映射的Tent初始化方法改善了初始种群的均匀与遍历特性;对传统WPA算法中的游走、召唤行为的固定步长进行自适应化改进;游走阶段加入莱维飞行策略调整游走范围,提高全局寻优能力;围攻阶段采用鲸鱼变螺旋围攻机制,以提升局部搜寻能力和寻优精度;最后针对同一三维场景分别运用传统WPA算法以及多策略改进WPA算法进行三维路径规划仿真实验。实验证明,在进行三维路径规划问题的求解时,改进后的WPA算法在收敛速度和全局搜索能力上有更好的表现。