基于非线性收敛因子和局部扰动的鲸鱼算法
文章目录
- 基于非线性收敛因子和局部扰动的鲸鱼算法
- 1.鲸鱼优化算法
- 2. 改进鲸鱼优化算法
- 2.1 非线性收敛因子
- 2.2 局部扰动
- 3.实验结果
- 4.参考文献
- 5.Matlab代码
- 6.Python代码
摘要:为提高鲸鱼算法的收敛速度和寻优精度,提出一种基于非线性收敛因子和局部扰动的鲸鱼优化算法。引入非线性收敛因子,提高鲸鱼种群的多样性,扩大鲸鱼搜索食物的范围;在鲸鱼包围捕食阶段,采用一种局部扰动策略,使算法在跳出局部极值时的能力增强,提高算法的寻优精度。
1.鲸鱼优化算法
2. 改进鲸鱼优化算法
2.1 非线性收敛因子
从基本鲸鱼算法中的式 (5)可以看出,收敛因子a 从2 线性递减到 0 , 在整个算法中递减速度相同, 这样大大降 低了鲸鱼种群的多样性和灵活性, 使算法前期搜索和后期 寻优失去平衡。为了解决该问题, 引入了非线性收玫因子。 其具体表达式如下
式中: 为常量系数。
是区间
之间的随机 数,
是当前迭代次数,
是最大迭代次数,
是自然常 数。收玫因子
随进化迭代次数的增加而非线性递减, 在 初期
的衰减程度较低, 鲸鱼能够以较大步幅移动, 更好 地寻找全局最优解。到了后期,
2.2 局部扰动
从基本鲸鱼算法的包围猎物阶段中可以看出, 鲸鱼个 体以当前最优个体作为参照物进行移动, 这样的移动方式 极易使算法陷入局部最优解。为了进一步提高算法全局收 敛精度, 避免算法陷入局部极值。在包围猎物阶段鲸鱼个 体进行位置更新后, 增加了随机扰动机制。其具体扰动方 式如下
式中: 是末扰动前的鲸鱼个体,
是扰动后的鲸鱼个体。
是当前迭代次数,
是最大迭代次数。
是非线性扰动系 数,
和
分别为
算法伪代码:
(1) 初始化参数, 初始化鲸鱼个体数 , 最大迭代次 数
以及空间维数
。
(2) 随机产生每只鲸鱼的位置 , 根据适应度函数
, 求出每只鲸鱼的适应度函数值, 并且找出当前最 优值
和当前最优鲸鱼位置
。
(3) while
(4) for
(5) if
(6) if
(7) 执行式 (7)
(8) elseifabs A
(9)执行式(1)、式(2)、式(10)、式 (11)
(10) end
(11) elseif
(12) 执行式 (7)
(13) end
(14) end
(15)
(16) end
3.实验结果
4.参考文献
[1]于俊洋,高宁杰,李涵.基于非线性收敛因子和局部扰动的鲸鱼算法[J].计算机工程与设计,2019,40(10):2861-2866.
5.Matlab代码
6.Python代码