針對(duì)標(biāo)準(zhǔn)正弦余弦算法（Sine Cosine Algorithm,SCA）處理全局優(yōu)化問題時(shí)存在收斂速度慢、易陷入局部最優(yōu)和求解精度低的缺點(diǎn),文中提出了一種基于非線性轉(zhuǎn)換參數(shù)和隨機(jī)差分變異策略的改進(jìn)正弦余弦算法（LS-SCA）。首先,設(shè)計(jì)一種基于Logistic模型的非線性轉(zhuǎn)換參數(shù)策略以平衡算法的全局搜索和局部開發(fā)能力;其次,引入隨機(jī)差分變異策略以增強(qiáng)種群的多樣性與避免算法陷入局部最優(yōu);最后,將非線性轉(zhuǎn)換參數(shù)和隨機(jī)差分變異策略進(jìn)行融合。一方面,選取12個(gè)標(biāo)準(zhǔn)測(cè)試函數(shù)進(jìn)行全局尋優(yōu)的仿真實(shí)驗(yàn)。結(jié)果表明,與其他SCA類算法和最新智能算法相比,LS-SCA在收斂精度和收斂速度指標(biāo)上均能達(dá)到較優(yōu)的效果。其中,隨機(jī)差分變異策略對(duì)LS-SCA全局尋優(yōu)能力的提升尤為明顯。另一方面,利用LS-SCA優(yōu)化神經(jīng)網(wǎng)絡(luò)參數(shù)解決了兩類經(jīng)典分類問題。實(shí)驗(yàn)結(jié)果表明,與傳統(tǒng)的BP算法和其他智能算法相比,基于LS-SCA的神經(jīng)網(wǎng)絡(luò)能達(dá)到較高的分類準(zhǔn)確率。 

【文章頁數(shù)】：7 頁

【文章目錄】：
1 引言
2 正弦余弦算法
3 改進(jìn)的正弦余弦算法
    3.1 基于Logistic模型的轉(zhuǎn)換參數(shù)策略
    3.2 隨機(jī)差分變異策略
4 仿真實(shí)驗(yàn)及分析
    4.1 標(biāo)準(zhǔn)測(cè)試函數(shù)及參數(shù)設(shè)置
    4.2 LS-SCA與基本SCA和其他改進(jìn)SCA的比較
    4.3 與其他群體智能算法的比較
    4.4 優(yōu)化MLP網(wǎng)絡(luò)參數(shù)
結(jié)束語



本文編號(hào)：3679549