基于改进的吸血漏液优化算法优化深度信念网络,用于废水质量预测
1College of Electrical and Information Engineering, Lanzhou University of Technology, Lanzhou 730050, China.
概括
改进的吸血漏液优化器 (IBSLO) 算法增强了探索,并防止过早的融合. 这种新的优化技术在基准测试和废水质量预测中显示出卓越的性能.
科学领域:
- 计算智能是一种计算智能.
- 优化算法 优化算法
- 机器学习 机器学习
背景情况:
- 吸血漏液优化器 (BSLO) 算法面临的挑战是有限的探索和过早的融合.
- 有效的优化对于各种科学领域的复杂问题解决至关重要.
研究的目的:
- 引入一个改进的吸血漏液优化器 (IBSLO) 算法,以克服原始BSLO的局限性.
- 增强算法的开发和探索能力,以实现更准确和更有效的优化.
- 验证IBSLO算法在基准函数和实际水质预测任务上的性能.
主要方法:
- 开发了一种使用反向S形非线性感知距离的定向吸血管切换机制.
- 整合了一个动态感知信号来指导搜索和优化过程.
- 集成了一个内存共享机制,以提高搜索效率并确保全球最佳解决方案.
主要成果:
- IBSLO算法在23个基准函数和CEC-2017测试集上表现出卓越的性能.
- 收分析证实了算法的增强功能.
- 与其他优化策略相比,IBSLO-Deep Belief Network模型在预测关键水质参数方面取得了卓越的准确性.
结论:
- 拟议的IBSLO算法有效地解决了BSLO的局限性,提供了改进的勘探和融合特性.
- IBSLO显示出在复杂的优化问题中应用的巨大潜力,包括环境监测和预测建模.
- 增强优化方法为准确预测废水处理中的水质参数提供了强大的解决方案.
