第181章会议结束
方舟的小心脏瞬间骤停。
全场这么多教授和专家,其他人都没有说话,唯独身份最高的那位跳出来。
这就仿佛你打一个升级的单机游戏,才打到一半,等级还没有加满,最终Boss就跳出来说,我想要和你过两招。
“你的加密算法思路很不错,但是前面采用的随机算法却有些配不上后面这么优秀的搜索算法。我建议你照我说的修改一下子。
在第七行,通过3种理想状态的假设,寻优搜索的位置和路径的更新公式如下:
xit+1=xit+α⊕L(λ),i=1,2,..,n(1)
式中:xi为第i个数据在第t次迭代的位置,用于控制步长的搜索范围,其值服从正态分布。
在式(1)中,L(λ)L(lambda)L(λ)为Lévy随机搜索路径,随机步长为Lévy分布
L(s,λ)~s−λ,(1<λ≤3)式中:—由前面的计算得到的随机特征。
从你的上式可以看出,该迭代方式是一个随机漫步的过程。由于其随机游动特征,局部极值点附近往往会出现新解,因此这样的短步长搜索更加有利于提高解的质量。另外,距离局部最优值较远的地方也存在新解,偶尔的大步长探索,使得算法不容易陷入局部极值点。
对于这样的问题,我个人建议更改一下步骤的顺序:
步骤1定义目标函数f(X),X=(x1,...,xd)Tf(X),X=(x_1,...,x_d)^Tf(X),X=(x)函数初始化,并随机生成多个数据保存的初始位置Xi(i=1,2,...,n)X_i(i=1,2,...,n)X(i=1,2,...,n),设置数据大小、问题维数、最大迭代次数等参数;
牺如 bxwx.co 牺如。步骤2选择适应度函数并计算每个数据位置的目标函数值,得到当前的最优函数值;
步骤3记录上一代最优函数值,利用式(1)对其他鸟窝的位置和状态进行更新;
步骤4现有位置函数值与上一代最优函数值进行比较,若较好,则改变当前最优值;
步骤5通过位置更新后,用随机数r∈[0,1]rin[0,1]r∈[0,1]与PPP对比,若r>Pr>Pr>P,则对xt+1x^{t+1}xt+1进行随机改变,反之则不变。
步骤6若未达到最大迭代次数或最小误差要求,则返回步骤2,否则,继续下一步;
步骤7输出全局最优位置...”
“以此来使得数据进行最优的存储转化,
请收藏:https://m.zhoumunan.cc
(温馨提示:请关闭畅读或阅读模式,否则内容无法正常显示)