融入小生境和混合变异策略的鲸鱼优化算法

TP301.6; 鲸鱼优化算法作为一种结构简单的先进优化算法,被用于解决各类学科问题.通过对鲸鱼优化算法进行深入研究,发现该算法存在收敛速度慢、无法跳出局部最优、收敛精度低以及无法平衡全局勘探与局部开发能力等问题.为解决上述问题,提出一种融入小生境和混合变异策略的鲸鱼优化算法(whale optimization algorithm integrating niche and hybrid mutation strategy,NHWOA).该算法通过引入自适应权重,平衡算法全局勘探与局部开发能力,并加快收敛速度;将种群按照相同规模划分成三个小生境并独立寻优,提高种群多样性;采用混合变异策略对种...

Full description

Saved in:
Bibliographic Details
Published in计算机工程与应用 Vol. 60; no. 10; pp. 88 - 104
Main Authors 于涛, 高岳林
Format Journal Article
LanguageChinese
Published 宁夏智能信息与大数据处理重点实验室(北方民族大学),银川 750021 10.05.2024
北方民族大学 计算机科学与工程学院,银川 750021%北方民族大学 计算机科学与工程学院,银川 750021
Subjects
hybrid mutation
混合变异
自适应权重
特征选择
whale optimization algorithm
niche
小生境
adaptive weight
鲸鱼优化算法
feature selection
Online AccessGet full text
ISSN1002-8331
DOI10.3778/j.issn.1002-8331.2310-0117

Cover

More Information
Summary:TP301.6; 鲸鱼优化算法作为一种结构简单的先进优化算法,被用于解决各类学科问题.通过对鲸鱼优化算法进行深入研究,发现该算法存在收敛速度慢、无法跳出局部最优、收敛精度低以及无法平衡全局勘探与局部开发能力等问题.为解决上述问题,提出一种融入小生境和混合变异策略的鲸鱼优化算法(whale optimization algorithm integrating niche and hybrid mutation strategy,NHWOA).该算法通过引入自适应权重,平衡算法全局勘探与局部开发能力,并加快收敛速度;将种群按照相同规模划分成三个小生境并独立寻优,提高种群多样性;采用混合变异策略对种群进行随机扰动,帮助算法跳出局部最优.通过在CEC2017测试套件上对NHWOA进行仿真实验,并将其应用于特征选择问题,验证了NHWOA的先进性和有效性.NHWOA的收敛速度更快,收敛精度更高,并且鲁棒性更好.
ISSN:1002-8331
DOI:10.3778/j.issn.1002-8331.2310-0117