一种改进的变权科莫多优化算法及其应用

摘要：

针对科莫多算法(KMA)在求解复杂函数和高维情况下容易出现早熟收敛的问题,提出了一种改进的变权科莫多优化算法(VWCKMA).首先利用Tent混沌映射产生的序列对科莫多个体位置进行位置初始化,为全局搜索的多样性奠定基础.然后提出可变惯性权重,分别对不同社会等级的科莫多个体的运动进行不同控制,较好地提高了收敛速度.最后利用Tent混沌映射进行局部扰动,使其能够进行更加精确的局部搜索,避免局部最优值.仿真实验表明,在单峰函数和多峰函数求解的标准差和均值中,VWCKMA在收敛精度和收敛速度方面均有很大的提高.针对实际空气污染物PM2.s预测非线性的问题,利用VWCKMA对BP神经网络的权值和阈值进行迭代寻优,基于最优参数的条件下使用BP神经网络对PM2.5进行预测.实验结果表明预测准确率为85.085％,相比单一 BP神经网络预测准确率提高19.85个百分点,体现VWCKMA具有一定的实践应用价值.

关键词：科莫多算法、Tent混沌映射、惯性权重、局部搜索、PM2.5预测

所属期刊栏目：21

分类号：TP18(自动化基础理论)

资助基金：国家自然科学基金62006028

在线出版日期：2024-02-27（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：117-126