自然科學和社會經(jīng)濟的諸多問題均可描述為優(yōu)化問題,對優(yōu)化問題高精度求解算法的研究一直吸引著眾多的研究者。鯨魚優(yōu)化算法（WOA）是一種新型的基于種群的隨機尋優(yōu)方法,通過收縮環(huán)繞和螺旋更新趨于全局最優(yōu)解,在眾多領(lǐng)域表現(xiàn)優(yōu)異,但是在處理復(fù)雜優(yōu)化問題時,仍然存在收斂速度慢,計算精度低,陷入局部最優(yōu)解等缺點,因此,針對這些問題,本文提出了三種改進的鯨魚優(yōu)化算法,并分別將其應(yīng)用于特征選擇、S-λ曲線降階、水資源需求預(yù)測,具體研究內(nèi)容如下:1.提出了一種基于自適應(yīng)鄰域和二次插值策略的鯨魚優(yōu)化算法（QINWOA）。新算法設(shè)計自身到其他鯨魚的平均距離作為自適應(yīng)鄰域半徑計算方法,選擇向鄰域中的最優(yōu)解學習代替隨機學習策略;利用二次插值函數(shù)的駐點逼近目標函數(shù)的最值點,在繼承了原始算法全局搜索能力的同時,增強了開發(fā)能力,提高了整個種群的質(zhì)量,進而提高了算法的收斂速度。提出了基于二值化QINWOA的封裝特征選擇方法。23個標準測試函數(shù)的數(shù)值實驗驗證了 QINWOA優(yōu)于當前流行的9個對比算法。12個來自UCI知識庫的標準數(shù)據(jù)集測試了 QINWOA用于特征選擇的有效性。實驗結(jié)果表明,QINWOA在提高分類準確性和減少特... 

【文章來源】：西安理工大學陜西省

【文章頁數(shù)】：103 頁

【學位級別】：碩士

【部分圖文】：

QINWOA與改進WOA求解Fig.2-2TheconvergencecurveofQINWOA2.3.5QINWOA與其他智能算法的比較

鈑漚庀嗖釕踉丁?根據(jù)表2-7，對每個測試函數(shù)，八種算法計算的平均值進行排序，得到每種算法對每個測試函數(shù)的秩。然后將每種算法的23個測試函數(shù)的秩進行求和，結(jié)果如圖2-3所示，總體分析每種算法的性能。從圖2-3中可以直觀地觀察到QINWOA算法的秩和值為30，是最小值，說明該算法的性能最優(yōu)。而SCA算法的秩和值最大，為153，說明SCA算法對于這23個基準測試函數(shù)的性能最差。根據(jù)秩和值的大小，我們對八種算法進行排序，為QINWOA<QIAEA<GWO<PSO<DE=MVO<SCA。秩和值越小，算法性能越優(yōu)，隨著秩和值的增大，算法的性能依次減弱。圖2-3QINWOA算法與其他智能算法的秩Fig.2-3TherankofQINWOAandotherintelligentalgorithms表2-8以QILWOA為基準，其他智能算法的Wilxocon秩和檢驗值pTab.2-8Thevaluep-oftheWilcoxonranksumtestbasedonQINWOAFPSOGWOSCADEMFOMVOQIAEA16.79E-86.79E-86.79E-86.79E-86.79E-86.79E-86.79E-826.79E-86.79E-86.79E-86.79E-86.79E-86.79E-86.79E-836.79E-86.79E-86.79E-86.79E-86.79E-86.79E-86.79E-848.00E-98.00E-98.00E-98.00E-98.00E-88.00E-98.06E-351.20E-66.79E-86.79E-86.79E-86.79E-86.79E-83.37E-266.79E-86.79E-86.79E-86.79E-86.79E-86.79E-86.79E-876.79E-86.79E-86.79E-86.79E-86.79E-86.79E-86.79E-886.78E-86.78E-86.78E-86.78E-86.78E-86.78E-86.78E-898.00E-92.56E-58.00E-98.00E-98.00E-98.00E-98.00E-9103.66E-83.60E-83.66E-83.66E-83.66E-83.66E-83.66E-8118.00E-91.98E-28.00E-98.00E-98.00E-98.00E-98.00E-9126.79E-86.79E-86.79E-86.79E-86.79E-86.79E-82.85E-2131.60E-46.79E-86.79E-86.79E-86.79E-86.79E-82.65E-2142.55E-21.97E-44.37E-27.86E-11.18E-21.19E-81.19E-8151.59E-55.87E-61.59E-

西安理工大學碩士學位論文24數(shù)效果較好，少數(shù)函數(shù)表現(xiàn)相當�？偟膩碚f，QINWOA的性能優(yōu)于其他對比算法。圖2-4QINWOA算法與其他智能算法的對比結(jié)果圖Fig.2-4ComparisonofQINWOAwithotherintelligentalgorithms從表2-9來看，QINWOA算法有19個測試函數(shù)運行20次的成功率達到100%，遠遠高于其他算法。尤其對于單峰和多峰函數(shù)，其他算法大部分不能達到給定標準，成功率較小，有的甚至為0。因此，QINWOA在精度和穩(wěn)定性方面明顯優(yōu)于其他算法。為了更直觀地對比算法的收斂速度和計算精度，圖2-5顯示了部分測試函數(shù)的收斂曲線圖。從圖2-5中，我們明顯地觀察到，對于測試函數(shù)1F、3F、和7F，QINWOA算法的收斂速度快，計算精度高。而對于測試函數(shù)6F，QINWOA算法的收斂速度雖然沒有QIAEA算法快，但與WOA相比，效果明顯優(yōu)異。對測試函數(shù)17F和18F，八種算法在收斂精度上沒有差距，但是根據(jù)局部放大圖可以看出，QINWOA算法的收斂速度較快，節(jié)省算法運行時間。綜上所述，QINWOA算法在收斂速度和計算精度方面優(yōu)于其他算法。

【參考文獻】：
期刊論文
[1]基于二次插值的人工蜂群算法[J]. 李翠,紀峰,吳仰玉,常霞.  科學技術(shù)與工程. 2013(20)
[2]Bézier曲線降階的迭代算法[J]. 陸利正,胡倩倩,汪國昭.  計算機輔助設(shè)計與圖形學學報. 2009(12)
[3]Bézier曲線降階的矩陣方法[J]. 任水利,張凱院,葉正麟.  工程數(shù)學學報. 2007(06)
[4]隸屬云和隸屬云發(fā)生器[J]. 李德毅,孟海軍,史雪梅.  計算機研究與發(fā)展. 1995(06)



本文編號：3248173