鲸鱼优化算法
鲸鱼优化算法的相关文献在2017年到2022年内共计344篇,主要集中在自动化技术、计算机技术、电工技术、无线电电子学、电信技术
等领域,其中期刊论文281篇、会议论文1篇、专利文献147891篇;相关期刊170种,包括科学技术与工程、组合机床与自动化加工技术、现代科学仪器等;
相关会议1种,包括2018年全国设备监测诊断与维护学术会议暨第十六届全国设备故障诊断学术会议、第十八届全国设备监测与诊断学术会议、2018年全国设备诊断工程会议等;鲸鱼优化算法的相关文献由1020位作者贡献,包括何庆、刘鑫、叶志伟等。
鲸鱼优化算法—发文量
专利文献>
论文:147891篇
占比:99.81%
总计:148173篇
鲸鱼优化算法
-研究学者
- 何庆
- 刘鑫
- 叶志伟
- 宋婷婷
- 张达敏
- 徐航
- 王依柔
- 龙文
- 冯文涛
- 刘超
- 史栩屹
- 吴书强
- 孙运
- 李明
- 樊英
- 牛培峰
- 聂晓华
- 陈国彬
- 冉茂霞
- 刘瑾
- 孙家文
- 孙永哲
- 宋弘
- 巴艳坤
- 张齐文
- 李万超
- 李强
- 李镇伍
- 栾飞
- 王春枝
- 蔡宗琰
- 褚鼎立
- 邓兵
- 郭松林
- 陈峥
- 陈红
- 黄沁元
- 丁亚琦
- 万志鹏
- 付雷
- 任炳昱
- 伍铁斌
- 储茂祥
- 冯威
- 冯良瑞
- 冯锋
- 冯鸣
- 刘丽桑
- 刘升
- 刘罡
-
-
刘立邦;
杨颂;
王志坚;
贺欣欣;
赵文磊;
刘守军;
杜文广;
米杰
-
-
摘要:
“双碳”背景下,提升焦炭质量是保证钢铁行业高质量发展的研究重点之一,而炼焦行业存在着在线实时监测难、焦炭质量预测模型泛化能力差等问题。为此,提出一种通过自适应全局搜索算法,即改进鲸鱼优化算法(WOA)与长短期记忆(LSTM)循环神经网络综合建模的方法来解决这一问题。首先选取出配合煤中可反映焦炭质量的可测参数,再运用主成分分析(PCA)去除变异性小的冗余因子后,得到预测因子,将其作为LSTM网络的外部输入;通过加入自适应惯性权重以及最佳扰动更新改进WOA,从而训练LSTM网络的超参数,采用均方根误差(RMSE)和R-squared进行算法检验;最后将改进后的AGWOA-LSTM模型与典型的LSTM、WOA-LSTM模型进行对比,以验证本方法的优越性。结果表明AGWOA-LSTM模型预测焦炭质量具有精度高、运行速度快等特点。研究对焦炭生产具有一定的理论指导意义。
-
-
杨晓倩;
李琦;
韩壮志;
李豪欣
-
-
摘要:
针对MIMO雷达相位编码信号集的优化设计问题,基于鲸鱼优化算法提出了两种改进策略。一是通过混沌映射生成初始种群,提高种群的多样性以及初始解的质量,扩大种群范围,防止结果陷入局部最优;二是借鉴粒子群算法的权重思想改变自适应更新方程,均衡全局搜索和局部搜索能力,提高收敛精度,从而达到寻求最佳结果的目的。混沌-鲸鱼优化算法不仅设计出了相关性能良好的MIMO雷达相位编码信号集,而且与现有算法相比,该算法收敛速度和收敛精度均有明显提高。
-
-
李安东;
刘升
-
-
摘要:
针对标准鲸鱼优化算法(whale optimization algorithm,WOA)易陷入局部最优解、收敛精度低、收敛速度慢等问题,提出一种利用混合策略改进的鲸鱼优化算法(multi-strategy improved whale optimization algorithm,MSIWOA)。首先采取精英反向策略初始化种群,提高初始种群质量;其次,采取卡方分布的逆累积分布函数更新收敛因子以实现全局探索和局部开发的平衡;然后利用改进氏族拓扑结构强化种群的全局探索能力,并提高算法收敛速度;最后采取circle映射产生混沌解,结合贪婪策略保留较优解,以帮助种群跳出局部最优解。通过对10个基准测试函数以及CEC2019测试函数进行仿真实验,结果表明,MSIWOA在收敛精度和收敛速度上均有较明显的提升。
-
-
马健;
李海明;
李鑫
-
-
摘要:
针对电力系统经济负荷分配这一典型的非凸、非线性、组合优化问题,提出一种将改进差分进化算法和鲸鱼算法相结合的优化算法。该算法首先在鲸鱼优化算法中引入了非线性的收敛变化策略,加速寻优算法的迭代;再利用差分进化算法的交叉和选择,丰富算法种群个体信息,增强优化算法的全局收敛性;同时引入一种淘汰机制,将适应度较好的个体信息更快地保留用于下一次鲸鱼优化算法的迭代,提高了求最优解的速度和精度;最后,对多个经济负荷分配问题进行了测试,将该算法与标准鲸鱼算法、标准差分进化算法进行对比,验证了差分进化鲸鱼算法可以更合理地配置电力系统的经济负荷,能够有效找到可行解,避免陷入局部最优,能实现经济负荷的合理分配。
-
-
宣畅
-
-
摘要:
为提高短期风力发电功率预测的精度,经过对比选择了内核极限学习机(Kernel Extreme Learning Machine,KELM)预测模型的原始模型,对该模型的内部参数进行研究,选择了多元宇宙优化算法(Multi-Verse Optimizer,MVO)对其参数进行优化。还提出用鲸鱼优化算法(Whale Optimization Algorithm,WOA)来给MOV初始化种群,以使MVO算法更不容易陷入局部最优,从而有着更好的求解能力。通过此预测模型进行发电功率预测,获得一个均方根误差(RMSE)值为0.0032、平均预测误差为0.00033的预测结果,最后进行对比实验验证其具有较好的预测效果。
-
-
王龙达;
王兴成;
刘罡
-
-
摘要:
为了提高多目标鲸鱼优化算法的全局优化性能,提出了一种基于角度惩罚距离的收敛因子非线性递减多目标鲸鱼优化算法IWOA-APD。首先,针对基本多目标鲸鱼算法收敛性和多样性难以平衡的问题,采用角度惩罚距离作为解优劣评价指标。其次,给出了一种基于迭代进度和优化因子的收敛因子指数形式非线性递减策略,该策略可以通过调整优化因子进一步提升优化性能。除此之外,给出了基于融合距离与拥挤度距离的精英集维护机制,从而改善精英集的多样性维护效果。最后,为了验证该算法的有效性,基于五种标准测试函数及一种城市轨道列车速度曲线优化实际算例,在MATLAB2016b GUI平台下采用所提出的IWOA-APD与IWOA、MOWOA、dMOPSO进行对比仿真。仿真结果表明,所提出的IWOA-APD寻到了更理想的优化结果。由此说明,相比于一些性能品质良好的优化算法,IWOA-APD还具有更快的计算速度和更高的全局收敛精度。
-
-
秋兴国;
王瑞知;
张卫国;
张昭昭;
张婧
-
-
摘要:
针对标准WOA算法初始种群分布不均、收敛速度较慢、全局搜索能力弱且易陷入局部最优等问题,提出一种混合策略改进的鲸鱼优化算法。采用Sobol序列初始化种群以使初始解在解空间分布更均匀;通过非线性时变因子和惯性权重平衡并提高全局搜索及局部开发能力,并结合随机性学习策略增加迭代过程中种群的多样性;引入柯西变异提升算法跳出局部最优的能力。通过对12个基准函数和一个水资源需求预测模型的参数估计进行优化实验,结果表明,基于混合策略改进的鲸鱼优化算法在寻优精度及收敛速度上均有明显提升。
-
-
耿召里;
李目;
曹淑睿;
刘昶忻
-
-
摘要:
针对鲸鱼优化算法(WOA)在解决高维复杂问题时存在收敛速度慢、全局搜索能力不足的问题,提出一种最优最差个体混合反向学习的WOA(MWOA)。首先,引入一种自适应惯性权重,用于调节寻优前期的步长和寻优后期的种群多样性;其次,提出一种混合反向学习策略并将其融入WOA,以提高算法的收敛精度;最后,引入一种参数非线性衰减策略,以提高其在高维度以及复杂问题上的探索开发能力和收敛速度。将MWOA与WOA、MS-WOA、IWOA对10个基准函数的优化效果进行比较,结果表明MWOA在收敛速度、优化精度上相较对比算法均有所提升。另外,将MWOA与CODE、CPSO、EGWO和DIHS进行比较,结果表明MWOA具有较好的收敛精度。
-
-
李宝帅;
叶春明
-
-
摘要:
提出一种混合正余弦鲸鱼优化算法,将其应用于柔性作业车间调度问题的研究,以最小化最大完工时间为目标;首先进行两段式编码,使连续型鲸鱼优化算法可应用于柔性作业车间调度问题,并对基本鲸鱼优化算法加入非线性收敛因子平衡搜索与开发阶段;以正余弦算法策略改进鲸鱼个体位置更新方式与螺旋方式,提升算法寻优能力;最后以实验数据验证混合正余弦鲸鱼算法在求解柔性作业车间调度问题方面的有效性.
-
-
邹浩;
李维刚;
李阳;
赵云涛
-
-
摘要:
针对标准鲸鱼优化算法收敛速度慢、易陷入局部最优等问题,提出一种基于混沌收敛因子和惯性权重的改进鲸鱼优化算法(CWOA)。首先采用均匀化与随机化相结合的方式获取初始种群,以提高种群的多样性进而有效提升算法的收敛速度;然后利用混沌收敛因子和惯性权重非线性协同更新策略来平衡算法的全局探索和局部开发能力;最后对寻优过程中的每代最优个体进行多项式变异,提高跳出局部最优的概率。通过12个标准测试函数来检验改进策略的有效性和算法的寻优性能,通过机械臂末端位置优化问题来检验算法的实际应用效果,并与其他几种群智能优化算法进行了对比。结果表明,CWOA在寻优精度、收敛速度和鲁棒性方面均有明显优势。