1 简介

麻 雀 搜 索 算 法 （ｓｐａｒｒｏｗ ｓｅａｒｃｈ ａｌｇｏｒｉｔｈｍ，ＳＳＡ）提 出 时 间 是2020年，它 是 根 据 麻 雀 觅 食并逃避捕食者的行为而提出的群智能优化算法。麻雀搜索算法主要模拟了麻雀群觅食的过程。每只麻雀都有３种可能的行为：发现者：搜索食物；加入者：跟随发现 者 觅 食；侦 察 者：警 戒 侦 查。其 中，发 现 者是麻雀中找 到 食 物 较 早 的 个 体，加入者则为其他个体，同时在麻雀种群中还有一定比例的个体进行侦查预警，它们的任务是在发现危险的情况下就放弃食物，选择安全第一。

工业过程常含有显著的非线性,时变等复杂特性,传统的核极限学习机有时无法充分利用数据信息,所建软测量模型预测性能较差.为了提高核极限学习机的泛化能力和预测精度,提出一种麻雀搜索优化的核极限学习机软测量建模方法.通过麻雀搜索算法优化极限学习机的惩罚系数和核宽,得到一组最优超参数;最后将该方法应用于脱丁烷塔过程软测量建模中.仿真结果表明,优化后的核极限学习机模型预测精度有明显的提高,验证了所提方法不仅是可行的,而且具有良好的预测精度和泛化性能.

2 部分代码

%_________________________________________________________________________________%____________________________________________________________________________________function [FoodFitness,FoodPosition,Convergence_curve]=SSA(N,Max_iter,lb,ub,dim,fobj)
if size(ub,1)==1ub=ones(dim,1)*ub;lb=ones(dim,1)*lb;
end
Convergence_curve = zeros(1,Max_iter);
%Initialize the positions of salps
SalpPositions=initialization(N,dim,ub,lb);
FoodPosition=zeros(1,dim);
FoodFitness=inf;
%calculate the fitness of initial salps
for i=1:size(SalpPositions,1)SalpFitness(1,i)=fobj(SalpPositions(i,:));
end
[sorted_salps_fitness,sorted_indexes]=sort(SalpFitness);
for newindex=1:NSorted_salps(newindex,:)=SalpPositions(sorted_indexes(newindex),:);
end
FoodPosition=Sorted_salps(1,:);
FoodFitness=sorted_salps_fitness(1);
%Main loop
l=2; % start from the second iteration since the first iteration was dedicated to calculating the fitness of salps
while l<Max_iter+1c1 = 2*exp(-(4*l/Max_iter)^2); % Eq. (3.2) in the paperfor i=1:size(SalpPositions,1)SalpPositions= SalpPositions';if i<=N/2for j=1:1:dimc2=rand();c3=rand();%%%%%%%%%%%%% % Eq. (3.1) in the paper %%%%%%%%%%%%%%if c3<0.5 SalpPositions(j,i)=FoodPosition(j)+c1*((ub(j)-lb(j))*c2+lb(j));elseSalpPositions(j,i)=FoodPosition(j)-c1*((ub(j)-lb(j))*c2+lb(j));end%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%endelseif i>N/2 && i<N+1point1=SalpPositions(:,i-1);point2=SalpPositions(:,i);SalpPositions(:,i)=(point2+point1)/2; % % Eq. (3.4) in the paperendSalpPositions= SalpPositions';endfor i=1:size(SalpPositions,1)Tp=SalpPositions(i,:)>ub';Tm=SalpPositions(i,:)<lb';SalpPositions(i,:)=(SalpPositions(i,:).*(~(Tp+Tm)))+ub'.*Tp+lb'.*Tm;SalpFitness(1,i)=fobj(SalpPositions(i,:));if SalpFitness(1,i)<FoodFitnessFoodPosition=SalpPositions(i,:);FoodFitness=SalpFitness(1,i); endendConvergence_curve(l)=FoodFitness;l = l + 1;
end

3 仿真结果

4 参考文献

[1]马晨佩, 李明辉, 巩强令, & 杨白月. (2021). 基于麻雀搜索算法优化支持向量机的滚动轴承故障诊断. 科学技术与工程, 21(10), 5.

[2]盛晓晨, 史旭东, 熊伟丽. 改进粒子群优化的极限学习机软测量建模方法[J]. 计算机应用研究, 2020, 37(6):5.

部分理论引用网络文献，若有侵权联系博主删除。