非线性权重纵横交叉t分布改进麻雀算法

目录

1 横向交叉操作

2 纵向交叉操作

3 非线性惯性权重

4 基于t分布变异

5 实验结果


1 横向交叉操作

       横向交叉操作类似于遗传算法中的交叉操作,是在不同 种群的相同维度中进行交叉运算。针对麻雀搜索算法全局 搜索能力不强的问题,本文应用横向交叉策略对警戒者的位 置进行更新。首先将父代个体随机配对,在第d维进行交叉操作,如下所示:

2 纵向交叉操作

       麻雀搜索算法在后期容易陷入局部最优,在很大程度上 是由于种群中某些个体在某一维度上陷入局部最优,从而使整体过早收敛。经过分析发现,在麻雀搜索算法中缺乏一定的变异机制,无法对已经陷入局部最优个体进行控制,从而阻断了搜索进程和找到全局最优解的可能性。因此,在执行横向交叉操作之后,需要对新生个体进行纵向交叉操作,提高算法规避局部最优的能力。不同于横向交叉操作,纵向交叉操作是在新生个体的所有维度进行的交叉运算,发生的概率小于横向交叉操作,类似于遗传算法中的变异操作。

3 非线性惯性权重

        探索和开发之间的平衡是影响元启发式算法的关键因素。在麻雀搜索算法中,原算法中缺乏对于步长的有效控制,在发现最优解后,其他个体迅速向最优解靠拢,使得算法 难以有效控制全局探索和局部开发进程,从而陷入局部最 优。为此,引入非线性惯性权重ω控制搜索范围和收敛速度。惯性权重ω计算方式如下所示:

4 基于t分布变异

t分布变异,并进行贪婪选择,保留优秀值。

5 实验结果

       在基准测试函数上进行实验,将ISSA与SSA、ASFSSA、GWO、GJO进行对比,ISSA收敛精度有较大提升。

F1:

The best optimal value of the objective funciton found by SSA is : 8.9979e-82
The best optimal value of the objective funciton found by ISSA is : 0
The best optimal value of the objective funciton found by ASFSSA is : 0
The best optimal value of the objective funciton found by GJO is : 6.1314e-55
The best optimal value of the objective funciton found by GWO is : 1.7217e-27

F2:

The best optimal value of the objective funciton found by SSA is : 6.9395e-39
The best optimal value of the objective funciton found by ISSA is : 0
The best optimal value of the objective funciton found by ASFSSA is : 4.76e-191
The best optimal value of the objective funciton found by GJO is : 2.0322e-63
The best optimal value of the objective funciton found by GWO is : 3.6848e-33

F5:

The best optimal value of the objective funciton found by SSA is : 8.8348e-06
The best optimal value of the objective funciton found by ISSA is : 0
The best optimal value of the objective funciton found by ASFSSA is : 4.7176e-05
The best optimal value of the objective funciton found by GJO is : 8.0757
The best optimal value of the objective funciton found by GWO is : 6.1205 

F7:

The best optimal value of the objective funciton found by SSA is : 0.00045455
The best optimal value of the objective funciton found by ISSA is : 9.7154e-05
The best optimal value of the objective funciton found by ASFSSA is : 0.00016112
The best optimal value of the objective funciton found by GJO is : 0.00099729
The best optimal value of the objective funciton found by GWO is : 0.0010465

F9:

 F12:

F13:

The best optimal value of the objective funciton found by SSA is : 1.3498e-32
The best optimal value of the objective funciton found by ISSA is : 1.3498e-32
The best optimal value of the objective funciton found by ASFSSA is : 1.8428e-32
The best optimal value of the objective funciton found by GJO is : 0.29653
The best optimal value of the objective funciton found by GWO is : 5.7685e-06

 F21:

The best optimal value of the objective funciton found by SSA is : -5.0552
The best optimal value of the objective funciton found by ISSA is : -10.1532
The best optimal value of the objective funciton found by ASFSSA is : -5.0552
The best optimal value of the objective funciton found by GJO is : -10.1368
The best optimal value of the objective funciton found by GWO is : -5.1002

F23:

The best optimal value of the objective funciton found by SSA is : -10.5364
The best optimal value of the objective funciton found by ISSA is : -10.5364
The best optimal value of the objective funciton found by ASFSSA is : -5.1285
The best optimal value of the objective funciton found by GJO is : -10.5253
The best optimal value of the objective funciton found by GWO is : -10.5328

需要代码私信博主 

 

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.rhkb.cn/news/153239.html

如若内容造成侵权/违法违规/事实不符,请联系长河编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

VR酒店虚拟仿真情景实训教学演示

在传统的酒店管理教学过程中,学生往往缺乏实践操作经验,难以将理论知识与实际工作相结合。而VR酒店虚拟仿真情景实训教学应用可以为学生提供一个逼真的、沉浸式的酒店管理环境,使学生能够在模拟实践中掌握酒店管理的各项技能。 VR酒店虚拟仿真…

阿里云 腾讯云 配置二级域名并解析指向非80端口操作指南

目标:主域名 imps.com 已完成配置,新增配置 kpi.imps.com 等二级域名并指向 8083 端口。 (此操作需要主域名已经通过备案3天后,最好指向的IP地址网站也通过了备案申请,否则会提示域名没有备案。) 操作流程…

使用 nodejs,SpringBoot 两种方式实现 WebSocket

前言 WebSocket 是一种在单个 TCP 连接上进行全双工通信的协议,它可以让浏览器和服务器之间实现实时双向数据传输。 WebSocket 的优点是: 可以节省服务器资源和带宽,提高性能和效率可以让服务器主动向客户端推送数据,实现实时响…

HarmonyOS/OpenHarmony原生应用-ArkTS万能卡片组件Stack

堆叠容器,子组件按照顺序依次入栈,后一个子组件覆盖前一个子组件。该组件从API Version 7开始支持。可以包含子组件。 一、接口 Stack(value?: { alignContent?: Alignment }) 从API version 9开始,该接口支持在ArkTS卡片中使用。 二、…

alsa pcm接口之pcm设备的状态STATE

应用和库之间的协作: ALSA pcm api设计使用状态来确定应用程序和库之间的通信阶段,实际的状态可以被决定通过使用snd_pcm_state调用,下面列举出来状态: SND_PCM_STATE_OPEN: 表示pcm设备被打开的状态,使用了snd_pcm_open()之后进入该状态,并且让snd_pcm_hw_params()调用失败后,…

linux,write:xxx has messages disabled 与 Ubuntu多用户同时登录的问题 ubuntu 20.04

write:xxx has messages disabled 问题 被这问题折磨了好久,搜都搜不到,还是灵机一动想到的。 很多 帖子说,要使用 mesg y用了还是没有用,后面我登录了很多用户,发现只有root用户可以给别的用户使用write…

各类高危漏洞介绍及验证方式教程(一)

本期整理的漏洞验证教程约包含50多类漏洞,分多个章节编写,可从以下链接获取全文: 各类高危漏洞验证方式.docx (访问密码: 1455) 搭建dvwa测试环境基础教程.docx(访问密码: 1455) web逻辑漏洞挖掘快速入门基础教程.docx(访问密码: 1455) 01 Ca…

实验1机器学习之线性回归实验

一、实验目的: (1)理解一元线性回归和多元线性回归的数学原理,能够利用sklearn中相关库解决现实世界中的各类回归问题; (2)掌握利用matplotlib对一元线性回归模型进行可视化的方法&#xff0c…

【数据结构初阶】七、非线性表里的二叉树(堆的实现 -- C语言顺序结构)

相关代码gitee自取: C语言学习日记: 加油努力 (gitee.com) 接上期: 【数据结构初阶】六、线性表中的队列(链式结构实现队列)-CSDN博客 1 . 非线性表里的 树(Tree) 树的概念及结构: 树的概念 树是一种非线性的数据…

【计算机网络】高级IO初步理解

文章目录 1. 什么是IO?什么是高效 IO? 2. IO的五种模型五种IO模型的概念理解同步IO与异步IO整体理解 3. 阻塞IO4. 非阻塞IOsetnonblock函数为什么非阻塞IO会读取错误?对错误码的进一步判断检测数据没有就绪时,返回做一些其他事情完整代码myt…

黑马JVM总结(二十九)

(1)语法糖-重写桥接 (2)语法糖-匿名内部类 (3)类加载-加载 类加载可以分为3个阶段,加载、连接、初始化 我们知道java类编译成字节码以后,运行呢需要类加载器把类的字节码加载到方法…

git的基本使用

git地址 https://git-scm.com/ git首次安装必须设置签名代码,否则无法提交代码 git init git status 14 idea中连接gitee file-setting中安装gitee插件,安装gitee插件后可以在version control中看到gitee,点击 添加gitee账号&#xff…

Kafka和RabbitMQ的对比

Rabbitmq比kafka可靠,kafka更适合IO高吞吐的处理,比如ELK日志收集 Kafka和RabbitMq一样是通用意图消息代理,他们都是以分布式部署为目的。但是他们对消息语义模型的定义的假设是非常不同的。 a) 以下场景比较适合使用Kafka。如果有大量的事…

聊聊MySQL的聚簇索引和非聚簇索引

文章目录 1. 索引的分类1. 存储结构维度2. 功能维度3. 列数维度4. 存储方式维度5. 更新方式维度 2. 聚簇索引2.1 什么是聚簇索引2.2 聚簇索引的工作原理 3. 非聚簇索引(MySQL官方文档称为Secondary Indexes)3.1 什么是非聚簇索引3.2 非聚簇索引的工作原理…

Win10系统打开组策略编辑器的两种方法

组策略编辑器是Win10电脑中很实用的工具,它可以帮助用户管理和设置计算机的安全性、网络连接、软件安装等各种策略。但是,很多新手用户不知道打开Win10电脑中组策略编辑器的方法步骤,下面小编给大家介绍两种简单的方法,帮助打开快…

Gitlab+Jenkins自动化部署,解放双手

项目打包 ​ 在部署项目前需要对源码进行打包&#xff0c;一个简单的SpringBoot项目默认是打包为jar包&#xff0c;也就是在pom.xml中的<packaging>jar</packaging>方式&#xff0c;当然也会有一些打包成war包方式&#xff0c;使用外置的Tomcat应用服务器部署war包…

Python装饰器(一次搞清楚)

最重要的情绪管理是要明白&#xff0c;没有一种情绪是不应该的 一、简单装饰器 Python装饰器是一种语法糖&#xff0c;用于在不改变原有函数代码的情况下&#xff0c;为函数添加额外的功能。装饰器本质上是一个函数&#xff0c;它接收一个函数作为参数&#xff0c;并返回一个新…

【python】exec()内置函数释义

【python】exec内置函数释义 官方释义样例注意事项拓展感谢及参考博文 官方释义 官方Python API文档镇楼 exec(object, globalsNone, localsNone, /, *, closureNone) 支持动态执行 Python 代码&#xff0c; object 必须是字符串或者代码对象。 需要特别注意以下两点&#xff…

css自学框架之面板

面板是我们开发中经常用到&#xff0c;也就是页面版面中一块一块的板块&#xff0c;效果如下图&#xff1a; 一、css代码 .myth-panel {background-color: var(--white);border: solid 1px transparent;}.myth-panel .myth-panel-header {border-bottom: solid 1px transpar…

Play Beyond:Sui让优秀的游戏变得更好

自问世以来&#xff0c;视频游戏就紧随着文化产业发展。从Pong和Space Invaders的时代到Animal Crossing和Among Us&#xff0c;伟大的游戏总有能力吸引玩家&#xff0c;并推动娱乐产业发展。根据Grand View Research的数据&#xff0c;全球视频游戏市场在2022年估计为2170.6亿…