正弦余弦算法(Sine Cosine Algorithm,SCA)是一种基于基于正弦和余弦函数的种群优化算法。发表在中科院1区top期刊《Knowledge-Based Systems》上。SCA是一种新颖的随机优化算法,该算法最显著的特点是其通过简洁明了的形式完备了一个智能优化算法所应具备的必要要素,其仅利用正弦和余弦函数的波动性和周期性作为实现算子的...
它是一种改进的平方梯度法,是牛顿法的一种改进的替代,在选择梯度向量时使用正弦余弦方程,从而节省了大量计算量,高效的求解多元函数极值问题。 正弦余弦算法的概念来源于牛顿法的迭代公式,将牛顿法中的梯度向量替换成正弦余弦方程,其迭代过程可以表示为: X(n+1)=X(n)+(f(x(n))/f(x(n)))*sin(φ(n)) ...
正弦余弦算法(Sine cosine algorithm,简称SCA)是2016 年由澳大利亚学者Seyedali Mirjalili 提出的一种新型仿自然优化算法[1]。该算法通过创建多个随机候选解,利用正余弦数学模型来求解优化问题,具有结构简单、参数少、易于实现的特点,但也存在优化精度低、容易陷入局部极值、收敛速度慢等问题。 一般而言,基于总体的优化技...
正弦余弦算法(Sine Cosine Algorithm, SCA)是一种新的群体智能优化算法,具有参数少、结构简单以及易实现等特点,因此,利用正弦和余弦函数的波动性和周期性进行迭代寻优。假设种群规模为M,即包含M个个体,每个个体的维度为D,那么,个体i在第j维的空间位置表示为Xij,i∈{1,2,…,M},j∈{1,2,…,D}。首先,在解...
SCA-SVM,即基于正弦余弦算法(Sine Cosine Algorithm,SCA)优化的支持向量机(Support Vector Machine,SVM),是一种用于多特征分类预测的有效方法。以下是对SCA-SVM的详细解析: 一、SVM简介 SVM是一种强大的分类和回归方法,在机器学习领域具有广泛的应用。它通过寻找一个超平面来分隔不同类别的数据点,从而实现分类。然而...
专利摘要显示，本发明提出了基于正弦余弦算法优化处理的机房动力环境监控系统，所述系统包含数据采集模块、处理模块、报警模块、执行模块和通信模块；所述系统方法通过数据采集模块采集并传输机房内各种电力参数和环境参数，由处理模块采用正弦余弦算法的优化算法对采集到的数据进行处理分析，判断机房内是否存在异常情况，在发现...
正弦余弦算法( sine cosine algorithm,SCA) 是由澳大利亚学者 Mirjalili于 2016 年提出的一种新型群体智能优化算法。本文提出一种改进的正弦余弦算法(简记为ISCA).受粒子群优化(PSO)算法的启发,引入惯性权重以提高正弦余弦算法的收敛精度和加快收敛速度.此外,采取反向学习策略产生初始个体以提高种群的多样性和解的质量.采...
2. 正弦余弦算法: 2.1 定义和原理: 正弦余弦算法,也称为余弦相似度算法,是一种用于计算两个向量之间相似度的常见方法。 在数学上,给定两个向量A和B,它们的余弦相似度可以通过以下公式来计算: cosine similarity = (A·B) / (||A|| * ||B||) 其中,A·B表示向量A与向量B的内积(即对应元素相乘再求和)...
正弦余弦算法是一种新型仿自然优化算法,利用正余弦数学模型来求解优化问题.为提高正弦余弦算法的优化精度和收敛速度,提出了一种基于差分进化的正弦余弦算法.该算法通过非线性方式调整参数提高算法的搜索能力、利用差分进化策略平衡算法的全局探索能力及局部开发能力并加快收敛速度、通过侦察蜂策略增加种群多样性以及利用全局最...
正弦余弦优化算法(Sine Cosine Algorithm,SCA)是一种基于自然启发的优化算法,由A. Mirjalili于2016年提出。该算法受正弦和余弦函数的影响,在优化问题中展现了不错的性能。SCA的基本思想是模拟自然界中的生物行为,通过正弦和余弦函数来进行全局搜索与局部搜索。本文将介绍SCA的基本原理、流程以及如何在Python中实现该算法...