求解函数优化问题的改进鲸鱼优化算法

何庆; 魏康园; 徐钦帅

Chinese

您当前的位置：

首页 >

文章列表页 >

求解函数优化问题的改进鲸鱼优化算法

更新时间：2026-09-04

- 求解函数优化问题的改进鲸鱼优化算法
- An Enhanced Whale Optimization Algorithm for the Problems of Function Optimization
- 微电子学与计算机 2019年36卷第4期页码：72-77
- 作者机构：
  
  1. 贵州大学大数据与信息工程学院,贵州,贵阳,550025
  2. 贵州大学贵州省公共大数据重点实验室,贵州,贵阳,550025
- 作者简介：
- 基金信息：
  
  贵州省科技计划项目重大专项黔科合重大专项字20183002贵州省公共大数据重点实验室开放课题 2017BDKFJJ004贵州省教育厅青年科技人才成长项目黔科合重大专项字20183002贵州省科技计划项目重大专项黔科合KY字2016124贵州大学培育项目黔科合平台人才20175788贵州省科技计划项目重大专项黔科合重大专项字20163022
- DOI：
  中图分类号：
- 纸质出版：2019
- 稿件说明：
移动端阅览
何庆, 魏康园, 徐钦帅. 求解函数优化问题的改进鲸鱼优化算法[J]. 微电子学与计算机, 2019, 36(4): 72-77, 83.

HE Qing, WEI Kang-yuan, XU Qin-shuai. An Enhanced Whale Optimization Algorithm for the Problems of Function Optimization[J]. 2019, 36(4): 72-77.
何庆, 魏康园, 徐钦帅. 求解函数优化问题的改进鲸鱼优化算法[J]. 微电子学与计算机, 2019, 36(4): 72-77, 83. DOI：

HE Qing, WEI Kang-yuan, XU Qin-shuai. An Enhanced Whale Optimization Algorithm for the Problems of Function Optimization[J]. 2019, 36(4): 72-77. DOI：

摘要

针对鲸鱼优化算法(WOA)易陷入局部最优、寻优精度低等问题

提出一种改进的鲸鱼优化算法(EWOA).首先

将自适应策略引入鲸鱼位置更新公式中

以便平衡算法全局探索和局部开发能力的同时

加快算法收敛速度、提高算法的寻优精度; 然后

引入差分变异思想

对较优的鲸鱼位置进行变异操作以避免算法陷入局部最优

防止早熟收敛现象; 最后

通过对9个基准测试函数在固定参数和不同维度的实验表明

改进算法在寻优精度和收敛速度比传统算法均有显著提高

尤其在高维函数的优化问题中表现出更好的收敛性能.

Abstract

To resolve the problem that the whale optimization algorithm (WOA) is easy to fall into local optimum and low precision

an enhanced whale optimization algorithm (EWOA) is proposed. Firstly

the adaptive strategy was introduced into the whales position to balance the global exploration and local exploitation capabilities of the algorithm

speed up the convergence of the algorithm

and improve the optimization accuracy of the algorithm. Then

to avoid the algorithm falling into local optimum and prevent premature convergence

the idea of differential mutation was introduced to mutate the better whales position. Finally

the experimental results on nine test functions under fixed parameters and different dimensions show that the improved algorithm has significantly improved search precision and convergence speed compared with the traditional WOA. Especially in the optimization problem of high-dimensional functions

the improved algorithm shows better convergence performance than the traditional WOA and its variants.

关键词

Keywords

references

NERI F, TIRRONEN V. Recent advances in differential evolution: a survey and experimental analysis[J]. Artificial Intelligence Review, 2010, 33(1-2):61-106. DOI: 61

WATKINS W A, SCHEVILL W E. Aerial Observation of Feeding Behavior in Four Baleen Whales: Eubalaena glacialis, Balaenoptera borealis, Megaptera novaeangliae, and Balaenoptera physalus[J]. Journal of Mammalogy, 1979, 60(1):155-163. DOI: 155

STRON R, PRICE K. Differential evolution―A simple and efficient heuristic for global optimization over continuous spaces[J]. J of Global Optimization, 1997, 11(4): 341-359. DOI: 341

钟明辉, 龙文.一种随机调整控制参数的鲸鱼优化算法[J].科学技术与工程, 2017, 17(12):68-73. DOI: 68

郭振洲, 王平, 马云峰, 等.基于自适应权重和柯西变异的鲸鱼优化算法[J].微电子学与计算机, 2017, 34(9): 20-25. DOI: 20

KAUR G, ARORA S. Chaotic Whale Optimization Algorithm[J]. Journal of Computational Design % Engineering, 2018, 5(3):275-284. DOI: 275

张永, 陈锋.一种改进的鲸鱼优化算法[J].计算机工程, 2018, 44(3): 208-213. DOI: 208

龙文, 蔡绍洪, 焦建军, 等.求解大规模优化问题的改进鲸鱼优化算法[J].系统工程理论与实践, 2017, 37(11): 2983-2994. DOI: 2983

陈占伟, 李骞.一种自适应惯性权重的粒子群优化算法[J].微电子学与计算机, 2011, 28(3): 27-30. DOI: 27

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

融合正弦余弦算法的花授粉算法

一种改进的变步长的萤火虫算法

一种融合反向学习和量子优化的粒子群算法

低功耗设计的双链电源关断策略的实现与验证

超低功耗实时时钟电路的设计