融合混沌映射和自適應T分布的蜣螂優(yōu)化算法
摘 要:針對原始蜣螂優(yōu)化算法(DBO)存在的收斂精度低、易陷入局部最優(yōu)等問題,提出一種改進的蜣螂優(yōu)化算法。該算法采用混沌映射初始化蜣螂種群以提高種群的多樣性,引入北方蒼鷹優(yōu)化算法的勘探策略以增強算法的全局勘探能力,并改進一種非線性邊界收斂因子以平衡其收斂速度和收斂精度。同時,采用自適應T分布擾動策略以增強算法跳出局部最優(yōu)的能力。(剩余6469字)
試讀結(jié)束
目錄
- 基于深度強化學習的多智能體防竊...
- 基于SSA\|LSTM的膝關節(jié)...
- 基于隨機森林的季節(jié)性電動汽車充...
- 基于時延Petri網(wǎng)的大型工程...
- 基于隱式神經(jīng)表示的圖像超分辨率...
- 基于復合知識蒸餾的骨科影像診斷...
- 基于卷積神經(jīng)網(wǎng)絡和殘差結(jié)構(gòu)單元...
- 基于改進YOLOv8的中藥材圖...
- 融合翻筋斗覓食和正余弦策略的白...
- 基于優(yōu)化RRT算法的智能車輛路...
- 一種加速渲染NeRF烘焙數(shù)據(jù)的...
- 基于多頭注意力機制的文本檢測識...
- 融合混沌映射和自適應T分布的蜣...
- 基于少量數(shù)據(jù)集的三維點云生成模...
- 基于高斯混合模型的分布式強化學...