基于惯性权重调整的果蝇优化算法在WSN中的应用

目的:针对无线传感器网络随机部署节点的区域覆盖和传感器节点能量消耗问题,提出一种基于惯性权重余弦自适应调整策略的改进果蝇优化算法。方法:该算法在果蝇优化算法基础上,通过引入惯性权重的学习因子调整策略,在线调整算法的搜索步长。结果:增强了果蝇个体的自适应性及全局搜索能力,从而实现全局最优。结论:仿真实验表明,提出的改进果蝇优化算法不仅提高了收敛速度和全局搜索能力,还显著提升了WSN的覆盖率。

秃鹰搜索算法的优化及图像分类应用

针对秃鹰搜索算法(BES)存在求解的稳定性差且准确性低,鲁棒性差等缺点,提出了一种基于秃鹰搜索算法的新型算法(NBES).首先,在BES算法的选择搜索空间阶段融合正余弦优化机制算法,构建融合后的位置更新公式.其次,在BES算法的搜索空间猎物阶段加入惯性权重自适应位置更新策略.最后,在BES算法俯冲阶段融合萤火虫优化机制算法,重新定义位置更新公式.通过11个标准测试函数验证NBES算法性能,实验表明,NBES算法寻优准确性、收敛速度、鲁棒性都优于BES算法.为了验证新算法的实际应用价值,利用NBES算法优化卷积神经网络(CNN)中的超参数学习率,并将优化后的图像分类模型用于医学影像病理性分类预测,实验表明,经过优化的CNN模型分类精度提高9%.