基于SMAOA的参数优化方法及系统技术方案

本发明专利技术公开了一种基于SMAOA的参数优化方法及系统，该方法包括：基于待解决问题对初始群体进行随机初始化设置；对数学优化器加速参数的计算公式进行重构；比较第一随机数和MOA的大小，当第一随机数大于MOA时，通过探索阶段公式计算各个个体下一迭代的候选解的位置；当第一随机数小于MOA时，通过开发阶段公式计算各个个体下一迭代的候选解的位置；根据适应度函数、下一迭代的候选解的位置以及当前迭代次数下的全局最优位置和各个个体的局部最优位置确定下一迭代的全局最优位置以及各个个体的局部最优位置；迭代结束时，将下一迭代的全局最优位置作为待解决问题的各个参数值。本发明专利技术可以提升传统算术优化算法的搜索能力和收敛速度。

【技术实现步骤摘要】

本专利技术实施例涉及人工智能，具体涉及一种基于smaoa的参数优化方法及系统。

技术介绍

1、算术优化算法(aoa)是一种受数学中算术运算符启发的元启发式算法。由于其原理简单且参数设置少，它在优化领域得到了广泛应用。

2、现有技术中通过结合各种策略来改进aoa算法，以提高标准算法的性能。xu等人使用混沌策略和变异策略来进一步增强aoa，以提高收敛速度。zheng等人使用随机数学优化概率和强制切换机制来改进aoa算法，以增加找到最佳结果的概率。khodadadi等人修改了mop和moa表达式，为原始算法提供了一个良好的平衡，并产生了更好的性能。abualigah等人使用差分进化策略来增强aoa的局部搜索能力。

3、现有技术存在的技术问题是算法容易存在收敛速度相对慢且容易陷入局部最优。

技术实现思路

1、为了克服现有技术的不足，本专利技术实施例的目的在于提供一种基于smaoa的参数优化方法及系统，以改进传统算术优化算法的搜索能力和收敛速度。

2、为解决上述问题，本专利技术实施例本文档来自技高网...

【技术保护点】

1.一种基于SMAOA的参数优化方法，其特征在于，其包括：

2.根据权利要求1所述的基于SMAOA的参数优化方法，其特征在于，通过探索阶段公式计算各个个体下一迭代的候选解的位置，包括：

3.根据权利要求1所述的基于SMAOA的参数优化方法，其特征在于，通过开发阶段公式计算各个个体下一迭代的候选解的位置，包括：

4.根据权利要求1所述的基于SMAOA的参数优化方法，其特征在于，根据适应度函数、所述下一迭代的候选解的位置以及当前迭代次数下的全局最优位置和各个个体的局部最优位置确定下一迭代的全局最优位置以及各个个体的局部最优位置，包括：</p>

5.根据...

【技术特征摘要】

1.一种基于smaoa的参数优化方法，其特征在于，其包括：

2.根据权利要求1所述的基于smaoa的参数优化方法，其特征在于，通过探索阶段公式计算各个个体下一迭代的候选解的位置，包括：

3.根据权利要求1所述的基于smaoa的参数优化方法，其特征在于，通过开发阶段公式计算各个个体下一迭代的候选解的位置，包括：

4.根据权利要求1所述的基于smaoa的参数优化方法，其特征在于，根据适应度函数、所述下一迭代的候选解的位置以及当前迭代次数下的全局最优位置和各个个体的局部最优位置确定下一迭代的全局最优位置以及各个个体的局部最优位置，包括：

5...

【专利技术属性】
技术研发人员：杨仁桓，黄啟东，
申请(专利权)人：暨南大学，
类型：发明
国别省市：