基于改进鲸鱼优化算法的GBDT回归预测模型

针对梯度提升决策树（gradient boosting decision tree, GBDT）参数难以选择的问题, 提出一种基于改进鲸鱼优化算法（improved whale optimization algorithm, IWOA）的GBDT回归预测算法. 首先, 提出一种改进的鲸鱼优化算法, 利用混沌映射初始化种群提高种群多样性, 引入惯性权重与差分进化算法中的变异交叉策略解决迭代后期易陷入局部最优的问题； 其次, 利用IWOA对GBDT的关键参数寻优, 避免参数选择的盲目性, 提高回归预测模型的泛化能力； 最后, 建立IWOA-GBDT回归预测模型, 并利用UCI数据集对模型进行验证. 实验结果表明, 相比于决策树、 支持向量机、 Adaboost和GBDT算法, 该模型算法具有更好的拟合效果, 并有一定的实用价值.     

基于Iterative映射和非线性拟合的鲸鱼优化算法

为解决鲸鱼优化算法中收敛速度慢和寻优精度低等问题,提出一种基于Iterative映射和非线性拟合的鲸鱼优化算法（NWOA）。首先,该算法利用了Iterative映射对鲸鱼种群初始化,保证初始种群的多样性;其次,采用非线性拟合的策略对收敛因子和惯性权重进行改进,以平衡算法的全局勘测能力和局部开发能力。通过对13种函数进行仿真实验,从均方差和平均值的角度分析,改进后算法寻优精度显著提高,且稳定性较强。实验结果表明NWOA与传统的鲸鱼优化算法相比,收敛速度明显加快。     

仿生优化算法在多用户检测中的应用

通过将码分多址系统中的最佳多用户检测视作组合优化问题,利用遗传算法、进化规划、克隆选择算法在解决优化问题方面的优势,提出了3种多用户检测方案,并用计算机对所设计的多用户检测器的误码率和收敛性进行仿真.仿真结果证明了所设计的3种检测器的误码率都优于去相关多用户检测器,都是切实可行的方案,实际应用中可根据不同的性能要求进行选择.     

一种基于差分进化和灰狼算法的混合优化算法

针对差分进化易陷入局部最优和灰狼算法易早熟停滞的缺点,提出了一种基于差分进化(DE)算法和灰狼(GWO)算法的混合优化算法(DEGWO)。该算法利用差分进化的变异、选择算子维持种群的多样性,然后引入灰狼算法与差分进化的交叉、选择算子进行全局搜索。在整个寻优过程中,反复迭代渐进收敛。选取此3个测试函数进行仿真验证,结果表明,混合优化算法相比于DE算法和GWO算法,其求解精度、收敛速度、搜索能力都有了显著提高。     

改进鲸鱼优化算法及其在混流U型装配线平衡问题的应用

为提高鲸鱼优化算法的寻优效果和求解稳定性,通过改进算法的种群初始化、局部搜索、越界处理方法和收敛因子,提出一种改进的鲸鱼优化算法 。 采用基于切割法的均匀设计种群初始化方法,改善算法初始种群的均匀性;通过引入基于NEWUOA算法的局部搜索算子,提高算法的局部搜索能力;在算法的越界处理方面,提出一种基于环形区间和随机波动的方式,降低算法陷入局部最优的可能;引入了非线性收敛因子和自适用权重,均衡算法的局部和全局搜索,并进一步增强搜索的精细度。通过7个单模态、多模态以及固定维度的基准测试函数进行了数值仿真实验,验证了改进的鲸鱼优化算法相较于遗传算法、鲸鱼优化算法以及其他改进的鲸鱼优化算法,在寻优效果和求解稳定性方面具有优越性。 针对混流U型装配线平衡问题,考虑最小化装配线的节拍时间,将改进的鲸鱼优化算法用于问题求解;在解码阶段,设计一种基于阈值的解码方法,优化工序的分配过程;最后计算了21个混流装配线算例,结果表明,改进的鲸鱼优化算法在20个算例中求得了更优解,相较于其它算法,节拍时间平均降低3.02%。     

差分进化算法在机组组合问题中的应用

基于差分进化算法求解机组组合问题,差分进化算法具有全局寻优能力,通过群体内个体间的合作与竞争产生的群体智能指导优化搜索。给出了10台机组算例系统优化结果,验证了该算法用于求解机组组合问题时不易陷入局部最优解,有较好的收敛性和效率。     

基于择优学习策略的差分进化算法

传统的差分进化算法在个体变异方面只是利用了随机个体和最优个体的信息.由于选用个体的随机性,导致其搜索效率比较低并且有可能找不到最优解,为此,提出了基于择优学习策略的差分进化算法.该算法选择性地利用种群中比较优秀的个体的信息,克服种群进化过程中的盲目性,增强了搜索能力.通过对多个具有不同特性的标准测试函数进行测试研究,结果表明该方法可以明显减少迭代次数,提高计算效率.     

基于RBF神经网络多用户检测方法的设计

基于免疫算法和免疫进化网络,提出了一种训练RBF网络的混合算法.该算法采用了一种可以实现数据聚类的免疫进化网络,根据输入数据集合自适应地确定RBF网络隐层中心的数量和初始位置;采用免疫算法训练RBF网络,使优化过程趋于全局最优.通过计算机仿真证明,将该方法应用于多用户检测中获得了比传统检测器和其他方法训练的RBF网络多用户检测器更好的误码率检测性能.     

基于改进鲸鱼算法的PID参数整定系统设计

被控对象数学模型的精度决定了PID控制算法的效果。为解决建模困难的问题，上位机采用混沌序列生成鲸鱼优化算法的初始种群数据并发送给下位机。下位机控制被控对象运行，并将结果反馈给上位机。多次迭代计算之后，上位机基于鲸鱼算法获得最优PID参数组合。该系统无需建立数学模型，提高了参数整定精度，简单易用。在对比实验中，混沌鲸鱼算法的寻优结果优于鲸鱼算法和混沌粒子群算法，控制效果良好。     

一种融合多种策略的改进鲸鱼优化算法

针对标准鲸鱼优化算法容易陷入局部最优、收敛精度低的问题,提出一种融合动态划分等级策略和交叉存档策略的自适应鲸鱼优化算法,记为IWOA。首先引入自适应收敛因子,根据适应度值动态调整个体在迭代过程中的包围步长,平衡算法的探索和开发能力;然后对适应度不同的个体采用不同的自主学习策略,在增加种群多样性的同时加快算法的收敛速度;最后提出一种交叉存档策略,赋予陷入更新停滞的个体更好的位置,增强算法跳出局部最优的能力。在22个基准测试函数上的实验结果表明,IWOA在收敛速度和寻优精度等方面均有显著改善。在压力容器设计问题中的应用也表明IWOA可以有效解决复杂的非线性优化问题。     

基于MBER的MC-CDMA系统多用户检测方案

针对衰落信道,提出了一种新的MC-CDMA下行链路多用户检测方案。该方案基于最小误比特率(Minimum bit error rate,MBER)准则,并利用梯度下降法实现。通过采用内核密度估计的方法来估计误码率函数,可将该方案推广到自适应的最小误比特率(Least bit error rate,LBER)多用户检测算法。仿真结果表明,与传统归一化自适应最小均方误差(Normalized least mean square,NLMS)算法相比,LBER具有更好的收敛性能和误码性能。     

基于自适应调整权重和搜索策略的鲸鱼优化算法

针对鲸鱼优化算法(WOA)收敛速度慢、收敛精度低、易陷入局部最优的问题,提出一种基于自适应调整权重和搜索策略的鲸鱼优化算法(AWOA).设计一种随着鲸鱼种群变化情况而自适应调整权重的方法,提高了算法的收敛速度; 设计一种自适应调整搜索策略,提高了算法跳出局部最优的能力.利用23个标准测试函数,分别针对高维和低维问题进行测试,仿真结果表明,AWOA在收敛精度和收敛速度方面总体上明显优于其他多种改进的鲸鱼优化算法.     

基于改进的PASTd子空间跟踪的半盲多用户检测

研究和分析了多种子空间跟踪算法.直接特征值分解和奇异值分解复杂度高,不利于工程实现,针对低复杂度的PASTd算法由于估计的特征向量不正交,从而导致收敛速度极慢的问题,提出一种改进的PASTd子空间跟踪算法,并将其应用于基于子空间的半盲多用户检测.该算法保证了特征向量的正交性,因此提高了算法的收敛速度.仿真结果表明,提出的算法收敛速度快,输出信干噪比和误码率性能优于PASTd半盲检测算法和OPAST半盲检测算法,逼近SVD半盲检测算法,并保持了较低的计算复杂度.     

基于改进鲸鱼优化算法的畜禽废弃物运输路径优化问题

畜禽养殖废弃物的合理处置,是农村生态环境治理与污染防治的关键点。为解决畜禽养殖废弃物的运输路径问题,提出一种改进鲸鱼优化算法的车辆路径优化方法。首先,在车辆路径优化问题的基础上,建立以总路程最小化为目标的畜禽养殖废弃物运输路径优化模型;其次,结合离散型问题特征和鲸鱼优化算法的寻优思想,提出改进鲸鱼优化算法。引入升序排列(ranked order value, ROV)转换机制使该算法能够求解离散问题,对每次迭代结果进行聚类分析,将优秀个体所在类依次进行基于位置的交叉(position-based crossover, PBX)操作和逆序变异操作,同时保证了种群的多样性和算法的求解效率;最后,对9个Solomon算例和1个实例进行仿真实验,并与改进粒子群优化算法、改进灰狼优化算法和改进蚁群算法进行对比。结果表明,改进鲸鱼优化算法在9个案例中均优于其他算法,在最复杂的RC103案例中,求解结果相较于其他算法至少提高14.64%,体现了改进鲸鱼优化算法有更高的求解精度和稳定性;对于畜禽废弃物运输实例仿真实验,改进鲸鱼优化算法比其他算法分别提高4.9%、6.5%和43.7%,证明本文算法能够有...     

一种新的次优多用户检测器

针对码分多址接入（CDMA）系统中最优多用户检测器的指数计算复杂度问题，从组合优化的角度，提出了一种基于遗传算法和局部最小算法的次优多用户检测器，这种多用户检测器，通过遗传算法进行初步选择，再用局部最小算法进行局部优化，可避免单纯使用遗传算法时收敛速度慢，易于出现早熟收敛等缺点，且计算复杂度小，计算机仿真结果表明，该检测器的比特误码性能接近最优多用户检测器。     

一种新的次优多用户检测器

针对码分多址接入(CDM A)系统中最优多用户检测的指数计算复杂度问题,从组合优化的角度提出了一种基于改进遗传算法的多用户检测;这种方法通过增加种群的多样性,可避免单纯使用遗传算法时收敛速度慢、易于出现早熟收敛等缺点;计算机仿真结果表明,该检测器的比特误码性能接近最佳检测器。     

基于改进粒子群优化算法的CDMA多用户检测

采用改进的粒子群优化算法,引入因子w,利用sigmoid函数离散粒子群设计CDMA多用户检测系统.针对不同信噪比和用户数,对其误码率和抗远近效应性能进行仿真分析,证实在CDMA系统中安装基于离散型粒子群优化算法的多用户检测系统具有可行性,且算法效率高,加快了运行的收敛速度.