怎样在华为云服务器里建设网站,简单做网站的价格,深圳昊客网络推广,wordpress手机端怎么设置引言
本期介绍了一种基于加权平均位置概念的元启发式优化算法#xff0c;称为加权平均优化算法Weighted average algorithm#xff0c;WAA。该成果于2024年12月最新发表在中JCR1区、 中科院1区 SCI期刊 Knowledge-Based Systems。 在WAA算法中#xff0c;加权平均位置代表当… 引言
本期介绍了一种基于加权平均位置概念的元启发式优化算法称为加权平均优化算法Weighted average algorithmWAA。该成果于2024年12月最新发表在中JCR1区、 中科院1区 SCI期刊 Knowledge-Based Systems。 在WAA算法中加权平均位置代表当前种群分布并与个体最佳位置和全局最佳位置相结合指导下一次迭代的位置更新。
1. 初始化。和其他算法一样采用随机初始化 2.加权平均位置。加权平均位置计算的第一步是计算每个参与者的适应度并根据两个特征中的一个对总体进行重新排列即越大越好LTB或越小越好STB。之后是第一个在总体中选择候选者使用以下公式计算加权平均位置。 3.定义搜索阶段探索或开发。更具体地说f(it)≥0.5的候选解将根据开发能力移动。而在低于阈值f(it) 0.5的条件下候选解会根据探索能力而移动。探索和开发之间的相互合作将产生更好的搜索空间。 4.探索阶段。利用策略模拟了搜索代理群体如何以高概率向搜索空间移动以利用新的全局最优值。 5.开发阶段。第一种策略利用了利用Levy飞行法寻找全局最优位置的优势。 在某些情况下算法确定的全局最优值可能在全局最优位置周围的区域与全局最优位置的理想值相差太远。在这种情况下WAA在遵循第一种策略时面临收敛到局部最优的风险。为了克服这个限制我们采用第二种移动策略来调整搜索空间 原文作者为了验证WAA的有效性和可靠性将其应用于各种优化挑战其中包括无约束基准函数和约束工程挑战。基于Friedman和Wilcoxon分析可以得出结论该算法在考虑基准函数和工程问题时获得了最佳性能。 参考文献
原文作者为了验证WAA的有效性和可靠性将其应用于各种优化挑战其中包括无约束基准函数和约束工程挑战。基于Friedman和Wilcoxon分析可以得出结论该算法在考虑基准函数和工程问题时获得了最佳性能。 Matlab代码下载 2024年12月一区SCI-加权平均优化算法Weighted average algorithm-附Matlab免费代码
