針對鯨魚優(yōu)化算法收斂速度慢,收斂精度低等問題,提出一種基于非線性收斂因子和慣性權(quán)重的鯨魚優(yōu)化算法.首先使用改進后的Logistic混沌映射來初始化種群,增加種群多樣性.然后將線性變化的收斂因子改進為一種分段式非線性收斂因子,同時增加了非線性慣性權(quán)重來增強算法的勘探和開發(fā)能力.最后選取7個基準函數(shù)進行測試,實驗表明改進后算法收斂速度快、精度高. 

【文章來源】：微電子學與計算機. 2019,36(01)北大核心

【文章頁數(shù)】：5 頁

【文章目錄】：
1 引言
2 基本鯨魚優(yōu)化算法
    2.1 收縮包圍機制
    2.2 螺旋更新位置
    2.3 隨機搜索獵物
3 改進鯨魚優(yōu)化算法
    3.1 改進的Logistic映射初始化種群
    3.2 非線性收斂因子
    3.3 非線性慣性權(quán)重
4 實驗與結(jié)果分析
5 結(jié)束語


【參考文獻】：
期刊論文
[1]基于鯨魚算法優(yōu)化WKELM的滾動軸承故障診斷[J]. 徐繼亞,王艷,紀志成.  系統(tǒng)仿真學報. 2017(09)
[2]正余混沌雙弦鯨魚優(yōu)化算法[J]. 劉竹松,李生.  計算機工程與應用. 2018(07)
[3]基于鯨魚優(yōu)化算法的汽輪機熱耗率模型預測[J]. 牛培峰,吳志良,馬云鵬,史春見,李進柏.  化工學報. 2017(03)
[4]Logistic混沌映射性能分析與改進[J]. 陳志剛,梁滌青,鄧小鴻,張穎.  電子與信息學報. 2016(06)



本文編號：3174632