摘要:狮群优化算法(Loin Swarm Optimization, LSO),是于2018年提出的一种新型智能优化算法,具有寻优能力强,收敛快的特点。 1.狮群算法原理 利用狮群算法求解目标函数全局优化问题时,将狮群分为 3 类:狮王、母狮和幼狮,3 者社会行为如下: 狮王是狮群中最强壮的公狮,需要保护幼狮和自己的领地,并给幼狮分配食物....
狮群优化算法原理: 1.狮子个体的起源:狮群优化算法中的个体通过一些初始化的机制生成,比如随机初始化或者以某个启发式的准则进行初始化。每个个体都代表了待解决的问题的一个可能解。 2.狮子的行为:每个个体被视为一只狮子,而这些狮子之间通过一些特殊的机制进行交互和合作。狮子的行为主要包括觅食(搜索)和繁殖(更新...
狮群优化(Lion Algorithm)是一种基于生物学启发的优化算法,用于解决复杂问题,包括路径规划。在机器人路径规划中,狮群优化算法可以被应用于寻找最优路径。 该算法模拟了狮子的行为,其中每个狮子代表一种可能的路径解决方案。算法的核心思想是通过模拟狮子的捕食行为来逐步优化路径。 狮群优化算法的步骤如下: 初始化狮子...
在核极限学习机(Kernel Based Extreme Learning Machine,KELM)分类应用的基础上,结合狮群算法(Loin Swarm Optimization,LSO)强全局寻优能力与收敛快的特性,提出一种LSO优化KELM算法。将测试准确率作为LSO优化KELM的适应度函数,根据移动位置获取最优适应度值进行数据分类测试的评价标准。采用UCI数据集仿真测试,实验结果表明...
动态多目标狮群优化算法(Dynamic Multi-objective Lion Swarm Optimization,DMOLSO)的种群大小设置为300,外部存档大小为500,以dMOP2_iso为例,当取第4组参数设置时,即环境变化程度、环境变化频率 和最大迭代次数分别为10/50/1000,其代码如下:(代码中更改TestProblem以此选择不同测试函数1-12,更改group选择不同参数设...
一、大规模全局优化数据集CEC2013(LSGO) 二、狮群优化算法LSO 三、狮群优化算法LSO 求解CEC2013(LSGO) full code link: https://mbd.pub/o/bread/mbd-ZJiYk51x close all clear clc SearchAgents_no=100; % 种群大小 Function_name=1; % 测试函数 1-15 ...
为了有效处理这类问题，研究人员提出了动态多目标狮群优化算法（DMOLSO）。DMOLSO算法的关键参数如种群大小（300）和外部存档大小（500）在处理dMOP2_iso时，例如设置环境变化程度、频率和最大迭代次数为10/50/1000，其详细实现可以通过调整代码中的TestProblem和group参数，共有96种不同的参数组合可供选择...
改进狮群优化算法,包括两处改进:D1、使用一种自动调参步骤来改进狮群优化算法的搜索空间,D2、引入一种新的种群更新策略来解决狮群优化算法的局部最优问题,命名为“探路骑士种群”;步骤三:利用改进狮群优化算法对双馈风力发电系统的PID控制器参数整定优化,通过一定数量的迭代,得到优化后的PID控制器的Ki、Kp两个...
本发明公开了一种基于狮群算法优化的SLAM算法,包括:改进狮王位置更新策略:将全局最优值做为狮王,并通过改进的狮王位置更新策略,实现粒子权值更新;改进母狮位置更新策略:通过改进的母狮狩猎法则,实现粒子集合的有效调整;改进幼狮更新策略:幼师向狮王位置移动,通过上述调整,实现粒子集合集中分布在高斯然区域,解决粒子权值退化...
摘要 本发明公开了一种基于狮群算法优化极限学习机集成学习的方法及系统,将改进后的狮群算法应用于极限学习机的集成学习中,充分利用狮群算法精度高、收敛快以及极限学习训练速度快的特点,通过使用狮群算法追随当前搜索到的最优值来寻找全局最优解以减少迭代次数来优化极限学习机个体,并根据极限学习机相关理论制定了相...