基于双重改进的鲸鱼优化算法

传统的鲸鱼优化算法(WOA)容易陷入局部最优以及收敛速度慢,针对此问题进行研究,提出了一种改进的鲸鱼优化算法,改进算法首先用非线性收敛因子替换原本使用的收敛因子,改进后的非线性收敛因子可以有效利用在算法中以弥补该算法在计算过程中全局探索与局部开发能力中的缺陷,并且可以加快算法收敛速度;然后在鲸鱼位置更新公式中加入了自适应权重,该策略可以改善算法的寻优精度以及进一步提高收敛速度;最后,在固定参数和不同维度的8个基准测试函数上进行了实验,结果表明,改进后的算法在寻找最优位置的精度和收敛速度对比于传统的鲸鱼算法和其他智能优化算法均有着显著的提高,具有更好的优化效果.     

基于自适应权重和模拟退火的鲸鱼优化算法

针对鲸鱼优化算法容易陷入局部极值和收敛速度慢的问题,提出了一种结合自适应权重和模拟退火的鲸鱼优化算法.通过改进的自适应权重策略来调整算法的收敛速度,通过模拟退火增强鲸鱼优化算法的全局寻优能力.仿真实验中计算了18个测试函数,对比了粒子群算法、海豚回声定位算法和标准鲸鱼算法并进行统计分析,同时比较了单独结合自适应权重和模拟退火对鲸鱼优化的影响,结果表明,改进的算法在测试函数的极值计算中,计算精度和收敛速度方面都有了明显提升,验证了改进算法的有效性.     

基于小生境的鲸鱼优化算法研究

对鲸鱼觅食的现象建模即为鲸鱼优化算法,文章基于鲸鱼的随机搜索、包围捕食、攻击猎物3个阶段提出了一种混沌小生境鲸鱼优化算法(CNWOA)。该算法为了避免随机种群初始化,采用混沌分散策略,快速地找到较优解;在小生境半径的范围内,比对个体的适应度值,运用罚函数于适应度较差的鲸鱼个体提高全局的搜索效率。最后,在4个典型的测试函数基础上,将WOA算法、CNWOA算法和DE算法进行比较,结果发现CNWOA算法在收敛速度及求解精度方面均优于基本鲸鱼算法。     

基于改进鲸鱼算法虚拟电厂经济优化调度

针对分布式不可控电源接入系统引起的波动问题,文中基于虚拟电厂提出一种考虑市场电价的经济优化调度模型,根据负荷需求,对虚拟电厂中的各分布式发电的功率输出进行优化,以达到经济最优化。将鲸鱼算法应用于所建立的虚拟电厂经济优化调度模型,并对算例结果进行了分析,结果表明,该模型是合理有效的。针对鲸鱼算法在求解过程中存在的收敛速度慢和收敛速度低的问题,在收敛因子方面又对鲸鱼算法进行了进一步的改进,将改进的鲸鱼算法运用到已建好的虚拟电厂经济优化调度模型中,对比两种仿真结果可知,改进算法的收敛速度和精度都得到了提高。     

基于改进鲸鱼算法的含DG配电网故障区段定位

针对鲸鱼优化算法存在收敛速度较慢、定位精度不够高等问题,文中提出了一种基于改进鲸鱼算法的含分布式电源配电网故障区段定位方法。构建了一种适用于多电源配电网故障定位的数学模型,采用自适应惯性权重策略来优化鲸鱼算法,并利用改进后的鲸鱼算法对构建的定位模型进行求解。在33节点含分布式电源的配电网上进行算例仿真,仿真结果表明在配电网发生单重、多重故障的情况下,改进后的鲸鱼算法能快速准确地定位出故障区段,且具有良好的容错性能。相较于传统鲸鱼算法,改进鲸鱼算法收敛速度更快,定位准确性更高,定位的可靠性也更高。     

基于改进鲸鱼算法的多无人机协同欺骗干扰技术

多机协同对组网雷达系统进行航迹欺骗干扰属于大规模优化问题,往往需要利用群体智能算法优化无人机的飞行任务,然而采用传统群体智能算法优化时往往会出现收敛速度慢、求解精度低等问题。针对这一问题,对标准鲸鱼优化算法进行了改进,提出了一种基于改进鲸鱼优化算法的多无人机协同欺骗干扰技术。首先建立了多无人机协同欺骗干扰组网雷达的数学模型以及对应的优化函数,然后在标准鲸鱼优化算法的基础上引入了自适应惯性权值,提高了算法的全局搜索能力和收敛速度。仿真实验表明,固定无人机数量为9架时,利用改进鲸鱼、标准鲸鱼、粒子群、蚁群4种算法分别优化多机协同欺骗干扰模型,得出改进鲸鱼优化算法平均运行时间最短,迭代次数最少,同时优化产生的实际航迹与理论值误差最小;逐步增加无人机数量至20架,利用上述四种算法进行模型求解时得出改进鲸鱼优化算法在不同无人机架数的条件下产生的假目标航迹条数均优于其他3种算法。     

基于改进鲸鱼优化算法的最大2维熵图像分割

为了避免原鲸鱼优化算法早熟收敛、易陷入局部最优等缺陷,首先在原鲸鱼优化算法初始化过程中采用了猫映射产生混沌序列结合反向解方法取代随机产生初始种群;其次在位置更新机制上采用了疯狂算子和黄金正弦算法的方法;最后将改进鲸鱼优化算法用于寻求图像2维最大熵来确定图像分割最佳阈值的选取.对10个经典基准函数进行了试验仿真验证,得到...     

基于改进型鲸鱼优化算法和最小二乘支持向量机的炼钢终点预测模型研究

终点碳含量是决定钢质量的关键因素,是转炉炼钢过程中需要控制的核心变量之一.本文建立了一种基于莱维飞行的鲸鱼优化算法（Levy Whale Optimization Algorithm,LWOA）和最小二乘向量机（Least Squares Support Vector Machine,LSSVM）的钢水终点碳含量综合预测模型.通过莱维飞行代替了传统鲸鱼优化算法（Whale Optimization Algorithm,WOA）参数的随机选择,优化了鲸鱼算法中跳出局部最优的能力;借助改变鲸鱼算法的系数向量收敛方式明显提高了鲸鱼优化算法的泛化能力、预测精度和收敛速度.数据仿真结果表明,所提出的LWOA-LSSVM预测模型,不仅能够克服局部寻优获取全局最优解,而且具有快速的收敛速度和更高的预测精度,得出预测结果的均方根误差、平均绝对误差和平均绝对百分比误差与遗传算法BP神经网络、遗传算法最小二乘支持向量机和传统鲸鱼算法最小二乘支持向量机相比均有着明显提高.同时,通过调整目标命中率和训练输入样本量验证了预测模型具有更好的鲁棒性.     

基于圆形搜索机制的多反向复合鲸鱼优化算法

为了改进鲸鱼优化算法存在的种群多样性和勘探开采能力不足等问题,提出了基于圆形搜索机制的多反向复合鲸鱼优化算法（CSOWOA）.首先,针对种群多样性进行了改进.通过折射反向学习初始化种群,以便于搜索到更为隐蔽的空间,加强初始种群的多样性;在算法寻优过程中,通过适应度值大小来划分优势种群和劣势种群,分别对其进行折射反向学习和随机反向学习的多反向复合方式,确保算法寻优过程中种群分布的多样性,便于算法寻优。其次,针对算法勘探开采能力进行了改进.采用结合种群成功率的自适应权重来加强鲸鱼的包围搜索能力,同时在包围搜索过程中通过两种圆形搜索机制加强算法的勘探和开采能力,提升算法的收敛速度和寻优精度.最后,加入正态变异来扰动精英个体的位置,带动可能陷入停滞的鲸鱼种群,避免算法陷入局部最优.仿真实验在13个基准测试函数中与几个知名改进鲸鱼算法和经典智能优化算法进行比较,比较结果显示CSOWOA有明显的提升效果.     

基于鸡群优化算法的旁瓣抑制滤波器设计

文章针对相位编码雷达的距离旁瓣抑制问题,提出了基于鸡群优化算法的旁瓣抑制滤波器的设计方法。鸡群优化算法是一种全新的群智能优化算法,能够求解各类复杂的优化问题,具有良好的收敛性能,更容易找到全局最优值。最小峰值旁瓣(PSL)滤波器和最小积分旁瓣(ISL)滤波器的设计即为较复杂的优化问题,本文利用鸡群优化算法对这两种滤波器进行求解。实验仿真分析表明,通过鸡群优化算法设计的旁瓣抑制滤波器能有效地抑制距离旁瓣,并适用于各类编码信号。     

基于模糊神经网络的二相码旁瓣抑制

研究了模糊神经网络在二相码旁瓣抑制中的应用,对网络的学习算法进行了改进,采用梯度下降算法优化规则前件参数,而用最小二乘算法优化规则后件参数.对13位巴克码进行的仿真结果表明,改进的算法具有极快的收敛速度,可获得60 dB以上的输出主副比,提高了雷达的探测性能.     

精英反向黄金正弦鲸鱼算法及其工程优化研究

针对鲸鱼优化算法（Whale Optimization Algorithm,WOA）存在的收敛速度慢、寻优稳定性不足等问题,本文提出了精英反向学习的黄金正弦鲸鱼优化算法（Elite Opposition-Based Golden-Sine Whale Optimization Algorithm,EGolden-SWOA）.利用精英反向学习策略提高种群的多样性和质量可以有效提升算法的收敛速度,同时引入黄金分割数优化WOA的寻优方式,从而协调算法的全局探索与局部开发能力.对20个单模态和多模态测试函数进行寻优实验,并与RLPSO（Reverse-learning and Local-learning Particle Swarm Optimization）、IWOA（Improved Whale Optimization Algorithm based on nonlinear convergence factor）等多个算法进行对比,实验结果表明EGolden-SWOA具有更好的寻优精度和稳定性.进一步对EGolden-SWOA进行求解大规模问题的实验,实验结果表明EGolden-SWOA可以有效解决大规模优化问题.最后将EGolden-SWOA应用于压力容器和蝶形弹簧设计优化问题,结果表明EGolden-SWOA在工程优化方面的性能优于RCSA（Rough Crow Search Algorithm）、CPSO（Co-evolutionary Particle Swarm Optimization）等改进算法,可以有效运用于实际工程优化问题.     

改进鲸鱼算法优化核极限学习机在水质光谱分析中的应用

为提高水质光谱分析模型的学习速度与预测精度,采用核极限学习机对水质光谱进行建模,并提出一种具有动态惯性权重的改进鲸鱼优化算法对模型进行参数优化。由于极限学习机的输入权值矩阵和偏置是随机生成的,故引入核方法以减小其输出权值矩阵的波动;将鲸鱼优化算法中的惯性权重在非线性递减的基础上引入随机因子,通过动态调整惯性权重以平衡算法的全局搜索能力与局部开发能力。与传统优化模型进行了对比实验,实验结果表明:基于该方法所建模型具有更高的预测精度,而在相同的学习迭代次数下,核极限学习机的运行时间相对于传统算法约下降50%,且改进鲸鱼优化算法能够以更快的收敛速度使模型达到全局最优。     

一种基于多策略改进的鲸鱼算法

针对标准鲸鱼算法（whale optimization algorithm,WOA）寻优精度低、可能陷入局部最优解等问题,提出一种基于多策略改进的鲸鱼算法（MSWOA）。首先使用Tent混沌映射与反向学习策略初始化鲸鱼种群;然后,引入自适应收敛因子根据适应度值动态调整个体在迭代过程中的包围步长,平衡算法的探索和开发能力;最后引入随机差分变异策略,加强算法跳出局部最优的能力。实验结果显示,MSWOA算法有效地提高了鲸鱼算法在稳定性、求解精度和收敛速度等方面的表现,展现了更优秀的求解效果。     

基于双策略差分进化算法的太赫兹MIMO阵列雷达优化

太赫兹波由于其高分辨率、高穿透性和高安全性等特点，太赫兹MIMO阵列雷达结合了多输入多输出(Multiple-Input Multiple-Output,MIMO)阵列技术，能够实现实时高分辨率成像，在人体安检等领域得到了广泛应用。然而，由于太赫兹波波长更短以及稀疏布阵使阵元间距远大于发射信号半波长，使阵列雷达波束方向图中出现高栅旁瓣电平问题，影响成像质量。针对该问题，文中在差分进化算法的基础上提出了一种双策略自适应差分进化算法(Dual Strategy Adaptive Differential Evolution,DSADE)用于阵列优化：首先，改进种群初始化方法，使用Kent混沌序列生成初始种群，该方法能够使初始个体基因在解空间中分布更加均匀；其次，提出了一种双变异策略，使算法能够根据迭代次数和个体适应度值选择合适的变异策略；最后，对参数进行了自适应改进，使参数能够根据个体进化情况进行自主调整。为验证DSADE算法收敛性选取了8组标准函数对算法进行了测试，DSADE算法在所有测试函数上均能取得最好的收敛效果。此外，使用DSADE算法对太赫兹MIMO雷达进行了仿真优化实验，该算法...     

多种群纵横双向学习和信息互换的鲸鱼优化算法

鲸鱼优化算法(WOA)相较于传统的群体智能优化算法,具有较好的寻优能力和鲁棒性,但仍存在全局寻优能力有限、局部极值难以跳出等问题.针对上述不平衡问题,该文提出一种多种群纵横双向学习的种群划分思路,子群相互独立,子群内个体受到来自横向和纵向两个方向的最优值影响,从而规避局部最优,在探索和开发之间取得均衡.对纵向种群的所有个体,该文提出一种线性下降概率的个体置换策略,促进不同子群的信息流动,加快算法收敛.基于不同个体的历史进化信息,来进行策略算子选择,从而区别于现有基于随机数的策略算子选择方法.利用基准函数进行跨文献对比,数值结果表明该文算法具有很好的优越性和稳定性,在大多数问题上都获得了全局极值,具有较好的问题适用性.     

高频地波雷达稀疏频率波形优化设计

高频地波雷达(High Frequency Surface Wave Radar, HFSWR)面临多种无线通讯系统的同频窄带干扰,发射具有频域稀疏的优化波形能够有效抑制干扰,改善HFSWR的检测性能。针对最优干扰抑制稀疏频率波形旁瓣较高及传统波形优化设计算法收敛速度较慢的问题,该文提出一种基于旁瓣约束的稀疏频率波形快速优化设计方法。首先建立了联合优化功率谱密度(Power Spectrum Density, PSD)和积分旁瓣电平(Integrated Sidelobe Level, ISL)的波形设计目标函数。随后提出了一种循环相位共轭梯度最优波形快速求解算法,该算法收敛速度快,运算量低。优化波形能够有效抑制同频窄带干扰,且旁瓣较低,有较强的战场环境适应能力。仿真结果表明了该方法的优越性。     

基于动量梯度下降优化算法的色散均衡器设计

针对梯度下降(GD)算法收敛速度较慢的问题,提出了一种基于GD优化算法的有限脉冲响应(FIR)色散均衡器.采用动量梯度下降(MGD)算法在每次更新迭代时对梯度进行指数加权平均优化(简称CMGD算法)并进行偏差修正,利用OptiSystem搭建单载波相干光传输系统并与Matlab联合仿真.仿真结果表明:在学习速率为0.1...     

基于RBF神经网络的二相码旁瓣抑制

研究了RBF神经网络在二相码雷达旁瓣抑制中的应用,对神经网络的学习算法进行了改进,采用Levenberg-Marquardt（LM）算法优化隐层神经元的中心值和扩展常数,而用最小二乘（LS）法优化隐层至输出层的连接权值。对13位巴克码进行了仿真。仿真结果表明,改进的算法具有极快的收敛速度,可获得60dB以上的输出峰均值比,提高了雷达的探测性能。     

线性约束差分恒模算法

线性约束恒模算法(LCCM)能解决恒模算法(CMA)中存在的干扰捕获问题,但该算法需要将目标模值σ作为一个参数包含在代价函数中进行优化,因而收敛速度较慢.为克服这一缺点,本文提出了一种线性约束差分恒模算法(LCDCM),它可有效避免对最优σ值的搜索.在单干扰源的情况下,该算法的收敛速度和干扰抑制度均优于σ初始值设置不合适的LCCM算法;存在多个干扰源时,即使对LCCM算法的σ初始值进行最优设置,其对独立干扰源的收敛性能也不如LCDCM算法.