鲸鱼优化算法

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。

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。

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。

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。

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。

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。

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。

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。

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.

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。

摘要： 针对滚动轴承故障诊断问题,利用深度学习神经网络、鲸鱼优化算法(Whale Optimization Algorithm,WOA)和支持向量机(Support vector machine,SVM)等技术,提出了一种基于深度学习特征提取和WOA-SVM状态识别相结合的故障诊断模型.该模型将深度学习自适应提取的频谱特征输入WOA-SVM完成轴承的故障识别,其优势在于避免了人工方法频域提取过程所带来的复杂性,完成了故障特征的自适应提取,并且在一定程度上提高了故障分类的准确性.

摘要： 本发明提供一种基于鲸鱼优化算法的航空发动机涡轮盘优化方法，包括：针对要优化的航空发动机涡轮盘结构，利用UG进行参数化建模；将参数化模型作为输入模型，利用patran软件进行网格划分，并添加约束、载荷、温度场和材料等数据信息；提交nastran软件进行求解，得到涡轮盘的应力、位移和质量等相关数据；在isight中用simcode组件集成UG更新程序，patran批处理程序和nastran批处理程序；在isight中使用optimization组件，基于鲸鱼多目标优化算法对涡轮盘形状进行优化，得到最大径向应力接近最大许用径向应力，最大周向应力接近最大许用周向应力，并且质量最小的涡轮盘模型。

摘要： 本发明公开了一种基于改进鲸鱼优化算法的蓄热式熔铝炉参数优化设定方法，其包括如下步骤：步骤一，现场采集若干组原始数据；步骤二，对步骤一中采集到的原始数据进行预处理，包括剔除异常数据、降低噪声、归一化处理，以得到正常数据；步骤三，对步骤二中处理得到的正常数据，采用极限学习机进行炉温建模，得到蓄热式熔铝炉铝熔炼过程中炉温的非线性模型；步骤四，对于步骤三所建立的铝熔炼过程中炉温的非线性模型，对炉温进行分段，使用改进的鲸鱼优化算法对每一段温度的参数进行优化，得到每一段的一组优化后的工况参数；步骤五，对步骤四得到的优化参数进行差分进化微调，如果求得适应度更好的优化参数，则替换当前参数，否则保留。

摘要： 一种基于鲸鱼优化算法与人工鱼群算法的旅游路径规划方法，首先，将鲸鱼算法中的鲸鱼群体看成预计在某时段内在相同景区游览不同景点的游客群体，对算法初始化设置并生成初始游客数，然后利用适应度函数获得初始游客当前所在位置上的适应度值(即目标函数值)，从而确定初始游客的最优位置与全局最优位置并记录下来放入最优解池中。并且可以从路程的远近角度出发为游客提供一个比较舒适的旅行路线，能够在实际的旅游路径规划中帮助旅行者们寻得一条较好的旅游路径。

摘要： 本发明公开了水库优化调度领域一种基于改进鲸鱼优化算法的考虑虚拟水的水库优化调度方法，1)获取水库‑受水区信息；2)建立水库‑受水区系统数据库；3)构建考虑虚拟水的水库优化调度模型：使用C++连接数据库，读取2)中水库‑供水区系统各字段数据信息，以各时段各用水区域供水量和农作物年流通量为决策变量，以调度期内水库供水经济效益最大为目标函数，同时需满足产品进口、水库水量平衡约束、水库供水约束、水库库容约束、水库弃水约束和决策变量的非负约束，建立数据库互馈的考虑虚拟水的水库优化调度模型，4)通过改进的C‑A‑WWOA算法求解得到水库优化模型的最优调度方案，本发明实现了区域水资源的最优配置，并取得调度期内的最大经济效益。

摘要： 本申请公开了一种基于鲸鱼优化算法的终端告警阻塞优化方法，所述方法包括：划分企业的级别，根据企业的级别获取对应的权值，根据所述权值建立第一自适应权值模型；根据企业终端在预设时间内的告警数量建立第二自适应权值模型；根据同一企业的不同终端的告警时间建立第三自适应权值模型；将所述第一自适应权值模型、所述第二自适应权值模型和所述第三自适应权值模型中的自适应权值代入鲸鱼优化算法中进行计算，得到自适应权值鲸鱼优化算法模型。本申请通过建立三种自适应模型改进鲸鱼优化算法，在鲸鱼优化算法算法中引入变异机制，增强了算法初期的全局搜索能力，加快了算法后期的收敛速度，能够有效的优化提升算法跳出局部最优的能力。

摘要： 基于改进鲸鱼优化算法的动态重构与无功电压调整的双层优化调度方法，包括以下步骤：建立配电网节点系统；构建出动态网络重构与无功电压调整的主动配电网双层优化调度模型：上层优化模型以配电网综合运行成本最低为目标，采用机会约束规划处理风光出力的随机性问题，以机会约束的动态重构为手段，实现配电网长时间尺度的经济运行；下层优化模型以系统节点总偏差最小为目标，以静止无功补偿、微型燃气轮机和储能出力为控制对象，实现对系统电压质量的优化；采用改进的鲸鱼优化算法与内点法相结合的混合求解策略，对主动配电网双层优化调度模型进行求解。本发明能够极大程度的降低网损和改善电压质量，兼顾了配电网运行经济性和系统电压稳定性。

摘要： 本发明提供一种基于新型鲸鱼优化算法的航空发动机涡轮盘优化方法，包括：针对要优化的航空发动机涡轮盘结构，利用UG进行参数化建模；将参数化模型作为输入模型，利用patran软件进行网格划分，并添加约束、载荷、温度场和材料等数据信息；提交nastran软件进行求解，得到涡轮盘的应力、位移和质量等相关数据；在isight中用simcode组件集成UG更新程序，patran批处理程序和nastran批处理程序；在isight中使用optimization组件，基于新型鲸鱼多目标优化算法对涡轮盘形状进行优化，得到最大径向应力接近最大许用径向应力，最大周向应力接近最大许用周向应力，并且质量最小的涡轮盘模型。

摘要： 本发明公开一种基于鲸鱼优化算法优化加权最小二乘支持向量机的风机故障预测方法。包括(1)利用变分模态分解技术对振动信号进行分解，对子序列进行特征提取，得到特征数据；(2)构建特征数据的时间序列，从中选取前m个连续的特征数据，按照设定的映射维数n，建立行数为m‑n+1，列数为n的输入样本；(3)输入样本，利用训练好的鲸鱼算法‑加权最小二乘支持向量机对风机进行故障预测。本发明采用鲸鱼算法优化加权最小二乘支持向量机的2个关键参数，解决了加权最小二乘支持向量机预测结果偏差大的问题，大大提高了预测准确性。

摘要： 基于改进鲸鱼优化算法的数字微流控芯片的调度优化方法，涉及数字微流控芯片的设计领域，为了延长数字微流控芯片的使用寿命。参数初始化，计算每个鲸鱼的适应度值，并保存适应度值最好的鲸鱼及其位置坐标；更新参数；判断q值是否小于概率阈值，如果判断结果为是则采用鲸鱼优化算法对当前鲸鱼代数中鲸鱼的位置坐标进行更新，否则采用遗传算法对当前鲸鱼代数中鲸鱼的位置坐标进行更新；采用随机密钥的重新排序规则对当前鲸鱼的位置坐标进行处理；计算鲸鱼的适应度值，并保存适应度值最好的鲸鱼及其位置坐标；返回更新参数步骤，重复操作，直至完成所有的鲸鱼代数，输出适应度值最好的鲸鱼及其位置坐标。本发明适用于设计数字微流控芯片。

摘要： 本发明公开了一种基于改进鲸鱼优化算法的蓄热式熔铝炉参数优化设定方法，其包括如下步骤：步骤一，现场采集若干组原始数据；步骤二，对步骤一中采集到的原始数据进行预处理，包括剔除异常数据、降低噪声、归一化处理，以得到正常数据；步骤三，对步骤二中处理得到的正常数据，采用极限学习机进行炉温建模，得到蓄热式熔铝炉铝熔炼过程中炉温的非线性模型；步骤四，对于步骤三所建立的铝熔炼过程中炉温的非线性模型，对炉温进行分段，使用改进的鲸鱼优化算法对每一段温度的参数进行优化，得到每一段的一组优化后的工况参数；步骤五，对步骤四得到的优化参数进行差分进化微调，如果求得适应度更好的优化参数，则替换当前参数，否则保留。