【群智能算法】一种改进的北方苍鹰优化算法 改进北方苍鹰算法INGO[1]【Matlab代码#1】
文章目录
- 【`获取资源`请见文章第5节：资源获取】
- 1. 基础北方苍鹰优化算法
- 1.1 猎物识别阶段（勘探阶段）
- 1.2 追击和逃逸阶段（开发阶段）
- 2. 改进的北方苍鹰优化算法
- 2.1 立方混沌Cubic映射
- 2.2 透镜成像反向学习
- 2.3 最优最差反向学习策略
- 3. 部分代码展示
- 4. 结果展示
- 5. 资源获取
- 6. 参考文献
【获取资源请见文章第5节：资源获取】
1. 基础北方苍鹰优化算法
1.1 猎物识别阶段（勘探阶段）
1.2 追击和逃逸阶段（开发阶段）
2. 改进的北方苍鹰优化算法
2.1 立方混沌Cubic映射
2.2 透镜成像反向学习
基于透镜成像的反向学习策略根据缩放因子动态调节反向解的数量，从而优化种群数量并使算法避免局部最优。
透镜成像反向学习得到的反向解为：
其中，m为缩放因子，ad和bd分别为上下限，Xi为正向解或者叫原始解，Xi*为反向解。特殊地，当m=1时为一般的反向学习策略。
2.3 最优最差反向学习策略
（1）对于最优个体，对其进行反向学习，避免算法早熟，从而提高算法的局部寻优能力。反向解如下：
（2）对于最差个体，对其进行随机反向学习，提高其全局搜索能力。随机反向解如下：
3. 部分代码展示
%%立方混沌初始化加反向折射机制的的种群初始化
X=initializationNew(SearchAgents,dimension,upperbound,lowerbound, fitness);
for i =1:SearchAgentsFlag4ub=X(i,:)>upperbound;Flag4lb=X(i,:)<lowerbound;X(i,:)=(X(i,:).*(~(Flag4ub+Flag4lb)))+upperbound.*Flag4ub+lowerbound.*Flag4lb;L=X(i,:);fit(i)=fitness(L);
end
%%
%% 改进点：混合反向学习策略% 对最优位置，透镜成像反向学习策略n=1;Temp = (upperbound + lowerbound)./2 + (upperbound + lowerbound)./(2*n) - Xbest./n;% 边界越界处理Flag4ub=Temp>upperbound;Flag4lb=Temp<lowerbound;Temp=(Temp.*(~(Flag4ub+Flag4lb)))+upperbound.*Flag4ub+lowerbound.*Flag4lb; fitTemp = fitness(Temp);%计算适应度值if(fitTemp<fbest)fbest = fitTemp;Xbest = Temp;end% 对最差位置，随机反向学习策略[fitWorst,indexWorst] = max(fit(i));WorstPosition = X(indexWorst);Temp = lowerbound + rand(1,dimension).*(upperbound - WorstPosition);Temp=(Temp.*(~(Flag4ub+Flag4lb)))+upperbound.*Flag4ub+lowerbound.*Flag4lb; fitTemp = fitness(Temp);%计算适应度值if(fitTemp<fitWorst)fit(indexWorst) = fitTemp;X(indexWorst,:) = Temp;end
4. 结果展示
5. 资源获取
在F1、F2、F3上表现优异，可以获取完整代码资源。
6. 参考文献
付雪，朱良宽，黄建平，王璟瑀，Arystan Ryspayev．基于改进的北方苍鹰算法的多阈值图像分割[J/OL]．计算机工程.
【群智能算法】一种改进的北方苍鹰优化算法 改进北方苍鹰算法INGO[1]【Matlab代码#1】相关推荐
- 【信号去噪】基于蚁群算法优化小波阈值实现信号去噪附matlab代码
1 简介 基于硬阈函数和软阈函数的小波去噪算法处理的信号分别存在着偏差和方差过大的缺点,为有效解决这一问题,提出基于蚁群算法优化小波变换去噪算法.并采用常用的信号用matlab对去噪效果进行了仿真.仿 ...
- 【FNN分类】基于粒子群结合引力搜索算法优化前向反馈神经网络实现数据分类附matlab代码
1 内容介绍 引力搜索算法(GSA)是一种基于引力定律和质量相互作用的新型启发式优化方法.实践证明,该算法具有较好的全局最优搜索能力,但在最后一次迭代中存在搜索速度较慢的问题.这项工作提出了粒子群优化 ...
- 单目标应用：瞪羚优化算法（Gazelle Optimization Algorithm，GOA）优化BiLSTM权值和阈值（提供Matlab代码）
瞪羚优化算法(Gazelle Optimization Algorithm,GOA)由Agushaka等人于2022年提出,该算法模拟了瞪羚逃避捕食者的行为,思路新颖,性能高效. 瞪羚的身高60-11 ...
- 基于模拟退火算法改进粒子群SA-PSO优化shubert函数，测试函数shubert(十)，MATLAB编程实现
测试函数shubert(十) shubert函数属于周期性多峰函数,如图1所示拥有多个全局最优值,如图二所示在一个周期内只有一个全局最优值,局部最优解较多,适合测试算法的收敛性能,粒子群算法是一种收敛 ...
- matlab双端测距算法,一种使用亚当姆斯法的双端故障测距算法
高压输电线路是电力系统的重要组成部分,随着电力系统规模的扩展,高压远距离输电线路日益增多,而高压输电线路故障对电力系统.工农业生产和人们日常生活带来一定影响.高压输电线路的准确故障测距是从技术上保证电 ...
- 【图像检测-显著性检测】基于蚁群算法优化图像视觉显着性检测附matlab代码
✅作者简介:热爱科研的Matlab仿真开发者,修心和技术同步精进,matlab项目合作可私信.
- 【回归预测-lssvm】基于粒子群算法优化最小二乘支持向量机lssvm实现数据回归预测附matlab代码
✅作者简介:热爱科研的Matlab仿真开发者,修心和技术同步精进,matlab项目合作可私信.
- 【DBN分类】基于粒子群算法优化深度置信网络PSO-DBN实现数据分类附matlab代码
✅作者简介:热爱科研的Matlab仿真开发者,修心和技术同步精进,matlab项目合作可私信.
- 【lssvm预测】基于天鹰算法优化最小二乘支持向量机lssvm实现数据回归预测附matlab代码
1 简介 短时交通流预测是实现智能交通控制与管理,交通流状态辨识和实时交通流诱导的前提及关键,也是智能化交通管理的客观需要.到目前为止,它的研究结果都不尽如人意.现有的以精确数学模型为基础的传统预测方 ...
- 【DBN分类】基于哈里斯鹰算法优化深度置信网络HHO-DBN实现数据分类附matlab代码
✅作者简介:热爱科研的Matlab仿真开发者,修心和技术同步精进,matlab项目合作可私信.
最新文章
- Delphi - 我的代码之窗体移动
- 浙江工业大学计算机学院推免生,浙江工业大学计算机科学与技术学院(专业学位)计算机技术保研...
- POJ1741 Tree 树中点对统计【树分治入门】
- android包名更换后升级方案,Android增量升级方案
- 百度内部培训PPT流出：数据分析的道与术
- 分布式事物框架Easy-Transaction--使用入门介绍
- 唯唯码 - ios/android的app下载地址合并为一个二维码
- AutoCAD全面卸载的方法
- 迅雷下gho文件变成php,window_GhostEXP将Windows新发布的补丁打入GHO文件， Windows每隔一段时间，都会 - phpStudy...
- 用Python绘制标准时钟
- 去中心化产品从趋势上的“确定性”到产品设计思路
- Rocketmq 消息的同步发送,异步发送,oneway方式
- VIM复制到系统剪切板
- vue通过URL传递参数
- MySql保留两位小数
- docker+docker-compose部署微服务项目
- 网络安全攻防演练项目项目流程
- WriteProfileInt
- YzmCMS轻量级开源CMS v6.1
- PySpark TopK 问题(分组TopK)（4）