一种基于领导者策略的狼群搜索算法

基于狼群捕食行为的特性,提出一种基于领导者策略的狼群搜索算法。该算法思想源于狼群个体之间存在相互竞争,从而推选出狼群中最为精壮的狼作为狼群的领导者,然后在领导者的带领下获取猎物,这样使得狼群能够更加有效地捕获到猎物。狼群在领导者狼的带领下通过不断搜索,捕获猎物,该过程对于优化问题,最终可找到全局最优解。为表明所提出的算法有效和正确性,通过测试标准函数与其他同类算法比较,结果表明该算法无论在收敛速度还是求解精度上都较优,且不易陷入局部极小。

基于领导者策略狼群算法-投影寻踪法的北方某河水质综合评价

应用领导者策略狼群算法-投影寻踪模型对北方某河流水质进行了综合评价。采样时间是2013年2-4月,采样点分别选取在该河流的上游、中上游、中游、中下游和下游等5个地方,选择了氨氮、全磷、全氮、COD、硝酸盐和亚硝酸盐六项水质指标。利用领导者策略狼群算法-投影寻踪评价法建立综合评价模型,并结合MATLAB编程求解,参照国标地表水环境标准,得出的评价结果为:从上游到下游的水质标准为国家地表水质二级、二级、四级、五级、五级。这为该地方政府在制定河水污染治理决策等方面提供了科学依据。

基于领导者竞争策略的改进猎人猎物优化算法

针对猎人猎物优化算法寻优精度低和易陷入局部最优等问题,提出了一种基于领导者竞争策略的改进猎人猎物优化算法。首先将种群随机分为三个亚群,采用不同的搜索策略,扩大搜索范围;其次,采用精英组合突变策略,提升种群子代多样性,规避局部最优值;最后,提出领导者竞争策略,利用个体间的信息交流,统合各个策略,筛选出最优变量。通过数值实验以及在工程优化问题上的应用结果表明,所提算法相较于对比算法具有更为优异的寻优能力,验证了改进策略的有效性和可靠性。

趋优变异反向学习的樽海鞘群与蝴蝶混合优化算法

针对蝴蝶优化算法(butterfly optimization algorithm,BOA)易陷入局部最优,且收敛速度慢和寻优精度低等问题,提出了一种趋优变异反向学习的樽海鞘群与蝴蝶混合优化算法(hybrid optimization algorithm for salp swarm and butterfly with reverse mutation towards optimization learning,OMSSBOA)。引入柯西变异对最优蝴蝶个体进行扰动,避免算法陷入局部最优;将改进的樽海鞘群优化算法(salp swarm algorithm,SSA)嵌入到BOA,平衡算法全局勘探和局部开采的比重,进而提高算法收敛速度;利用趋优变异反向学习策略扩大算法搜索范围并提升解的质量,进而提高算法的寻优精度。将改进算法在10种基准测试函数上进行仿真实验,结果表明,改进算法具有较好的寻优性能和鲁棒性。

求解约束优化问题的改进樽海鞘算法

针对约束优化问题,提出了一种运用改进樽海鞘算法求解约束优化问题的方法。通过外点法将约束优化问题转化为一系列无约束优化问题,然后运用双领导者结合败者淘汰策略的樽海鞘算法(DLSSA),并对所得界约束优化问题进行求解以获得约束问题的解。利用6个约束优化基准测试问题对所得算法进行数值实验,实验结果表明,对于所有问题算法,PF-DLSSA所求解均优于算法PF-SSA所求解,即实验所得的最优值及其他数据都优于对比算法PF-SSA所求,所得算法能够有效地求解约束优化问题,且比对比算法效果要好。

基于LWCA-SVM模型对洪泽湖饮用水源地二河闸断面水质的预测分析

二河闸位于洪泽湖出湖口,是二河上游重要的饮用水安全监测断面,为了对其富营养化指示因子TN和TP以及波动幅度较大的DO指标准确的预测,提出了基于领导者策略狼群搜索算法和支持向量机模型的饮用水水源地水质预测模型。对初始狼群进行了敏感性分析,得到狼群数量超过150时,模型的寻优效果最佳;利用LWCA-SVM模型对水质进行预测,得到DO、TN和TP的MSE、MAPE和Pearson系数依次分别为0.791、6.79%和0.931,1.32×10-4、0.5%和0.907,4.49×10-5、5.0%和0.903,说明基于LWCA-SVM的二河饮用水源地水质预测模型预报精度高,推广适应能力强,为二河水质预测提供了一种新方法。