狮群算法的具体实施步骤如下. step 1 初始化狮群中狮子的位置 x i 及其数目N,最大迭代次数 T,维度空间 D,成年狮占狮群比例因子 β. step 2 根据式(6)计算狮群中狮王与母狮个数,其余为幼狮. 将个体历史最优位置设置为各狮的当前位置,初始群体最优位置设置为狮王位置. step 3 根据式(7)更新狮王的位置,...
狮群优化算法模拟了狮子狩猎的方式,通过学习和模仿狮子自组织的行为,以期找到最优解。这种进化算法可以用于解决各种优化问题,包括工程设计、生产计划、航空航天等。其独特之处在于其对狮子群体行为的建模,使得其具有适应性和灵活性。 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...
%狮群算法 % %___% function [Best_pos,Best_score,curve]=LSO(pop,Max_iter,lb,ub,dim,fobj) beta = 0.5;%成年狮所占比列 Nc = round(pop*beta);%成年狮数量 Np = pop-Nc;%幼师数量 if(max(size(ub)) == 1) ub = ub.*ones(1,dim); lb = lb.*ones(1,dim); end %种群初始化 X0...
骨干粒子群算法,测试结果表明,文中算法收敛速度较快,精度较高,能较好地获得全局最优解.关键词摇 狮群算法(LSO), 粒子群算法(PSO), 函数优化, 群体智能引用格式摇 刘生建,杨艳,周永权. 一种群体智能算法———狮群算法. 模式识别与人工智能, 2018, 31(5): 431-441.DOI摇 10. 16451/ j. cnki. issn...
DMOLSO:动态多目标狮群优化算法求解cec2015(提供所有问题真实POF,含GD、IGD、HV和SP评价指标) 一、CEC2015简介 现实世界中,许多优化问题不仅具有多属性,而且与时间相关,即随着时间的变化,优化问题本身也发生改变,这类问题称为动态多目标优化问题(dynamic multi-objective optimization problems,DMOP)。DMOP是一类目标...
内容提示:摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇 摇一 一种群体智能算法———狮群算法 *刘生建 1 摇摇 杨摇 艳 1 摇摇 周永权 2摘摇 要摇 基于狮群中狮王、母狮及幼狮的自然分工,模拟狮王守护、母狮捕猎、幼狮跟随 3 种群智能行为,提出群体智能算法...
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...
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...
深度学习算法的核心是特征映射,它能够摒除原始数据中的噪声,并且当向低维度空间进行映射时,能够很好的起到对数据降维的作用,因此我们思考利用深度学习的优势特性来弥补极限学习机的弱势特性从而改善极限学习机的性能.为了进一步提升DELM预测精度,本文采用麻雀搜索算法进一步优化DELM超参数,仿真结果表明,改进算法的预测精度...