1、白鲸优化算法

白鲸优化算法([Beluga whale optimization，BWO)是由是由 Changting Zhong 等于2022 年提出的一种群体智能优化算法。其灵感来源于白鲸的群体觅食行为，具有3个阶段，分别是：探索、开发、鲸落，如下

2、BWO优化VMD参数

时间序列越复杂，包络熵的计算值越大，反之亦然。因此，应用VMD对信号进行分解后，计算每个子序列的包络值，包络最小的序列为所分解序列的趋势项。

当分解数K较小时，可能导致信号分解不足，趋势项中混入其他干扰项，导致包络熵值变大。当取适当的K值时，趋势项的包络熵变小。因此，将分解出的IMF中的最小的那个熵（局部包络熵）最小化时，VMD分解为最佳。

那么如何去找到局部包络熵，就需要用到白鲸优化算法，当前其他的优化算法都是可以实现的。适应度函数如下：

'''适应度函数,最小化各VMD分量的局部包络熵'''
def fitness(pop,data):np.random.seed(0)K = int(pop[0])alpha = int(pop[1])#print(K,alpha)tau = 0  DC = 0         init = 1         tol = 1e-7imf,res,u_hat,omega=VMD(data, alpha, tau, K, DC, init, tol)comp=np.vstack([imf,res.reshape(1,-1)])SE = 0se_imf=[]for i in range(comp.shape[0]):temp= BaoLuoShang(comp[i,:])SE +=tempse_imf.append(temp)# fit = SE# fit = SE/Kfit = min(se_imf)np.random.seed(int(time.time()))return fit

3、实战

3.1 原始时间序列数据

3.2 VMD分解--直接设置参数

alpha = 10.0
K = 3
tau = 0
DC = 0
init = 1
tol = 1e-7
imf,res,u_hat,omega=VMD(data, alpha, tau, K, DC, init, tol)

3.3 采用BWO优化VMD

最优的k和alpha为5和4

t:1 ,best fit=2.7628 ,best pop= [2, 108]
t:2 ,best fit=2.7628 ,best pop= [2, 108]
t:3 ,best fit=2.7538 ,best pop= [4, 51]
t:4 ,best fit=2.7538 ,best pop= [4, 51]
t:5 ,best fit=2.7441 ,best pop= [2, 20]
t:6 ,best fit=2.7288 ,best pop= [5, 4]
t:7 ,best fit=2.7288 ,best pop= [5, 4]
t:8 ,best fit=2.7288 ,best pop= [5, 4]
t:9 ,best fit=2.7288 ,best pop= [5, 4]
t:10 ,best fit=2.7288 ,best pop= [5, 4]

4、代码

详细代码见评论区

Python-实战：基于白鲸BWO算法的VMD超参数优化相关推荐

全网最全：机器学习算法模型自动超参数优化方法汇总
什么是超参数? 学习器模型中一般有两类参数,一类是可以从数据中学习估计得到,我们称为参数(Parameter).还有一类参数时无法从数据中估计,只能靠人的经验进行设计指定,我们称为超参数(Hyper ...
【机器学习】算法模型自动超参数优化方法
什么是超参数? 学习器模型中一般有两类参数,一类是可以从数据中学习估计得到,我们称为参数(Parameter).还有一类参数时无法从数据中估计,只能靠人的经验进行设计指定,我们称为超参数(Hyper ...
Python-实战：基于鲸鱼WOA的VMD超参数优化
目录 1 原理 2 实战 2.1 原始时间序列 2.2 直接设置参数进行VMD分解 2.3 WOA优化VMD超参数 2.4 利用优化的参数进行VMD分解 3 代码在VMD--变分模态分解的使用中,他 ...
【布局优化】基于改进粒子群算法实现充电桩选址优化问题附matlab代码
1 简介当前世界环境污染和能源危机问题凸显,电动汽车以零排放和低耗能的优势得到各国的大力关注和支持.以电动汽车为代表新能源汽车产业,成为国家七大战略性新兴产业之一.电动汽车具有良好的发展前景,市场规 ...
Python集成机器学习：用AdaBoost、决策树、逻辑回归集成模型分类和回归和网格搜索超参数优化
最近我们被客户要求撰写关于集成机器的研究报告,包括一些图形和统计输出. Boosting 是一类集成机器学习算法,涉及结合许多弱学习器的预测. 视频:从决策树到随机森林:R语言信用卡违约分析信贷数据实 ...
Python 机器学习 | 超参数优化黑盒（Black-Box）非凸优化技术实践
文章目录一.关键原理二.Python 实践 CSDN 叶庭云:https://yetingyun.blog.csdn.net/ 一.关键原理为什么要做超参数优化? 机器学习建模预测时,超参数是用 ...
[机器学习]超参数优化算法-SuccessiveHalving与Hyperband
一传统优化算法机器学习中模型性能的好坏往往与超参数(如batch size,filter size等)有密切的关系.最开始为了找到一个好的超参数,通常都是靠人工试错的方式找到"最优&qu ...
[机器学习] 超参数优化算法-SuccessiveHalving, BH与BOHB
一传统优化算法机器学习中模型性能的好坏往往与超参数(如batch size,filter size等)有密切的关系.最开始为了找到一个好的超参数,通常都是靠人工试错的方式找到"最优&qu ...
【智能优化算法-白鲸算法】基于白鲸优化算法求解多目标优化问题附matlab代码
1 内容介绍在本文中,一种新的基于群体的元启发式算法灵感来自白鲸的行为鲸鱼,称为白鲸优化(BWO),是为了解决优化问题而提出的.三在 BWO 中建立了探索.开发和鲸落的阶段,对应于成对游泳.猎物和鲸 ...

Python-实战：基于白鲸BWO算法的VMD超参数优化