融合多策略的鸟群算法及油层识别ELM模型优化

• 作者: 宋飞 夏克文 杨文彪
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 鸟群算法 极限学习机 油层识别
• 年，卷（期）: 2022,（9）
• 所属期刊栏目: 工程与应用|Engineering and Applications
• 页码范围: 279-287
• 页数: 9页
• 分类号: TP39
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.2011-0378

摘要

为了改进鸟群算法易陷入局部最优、收敛速度慢以及种群多样性不足的缺点,提出融合多策略的鸟群算法.引入混沌权重和对称切线混沌加速系数以及高斯扰动策略,增强算法跳出局部最优的能力;引入混合多步选择和自适应步长因子策略,加快算法的收敛速度;引入小波变异策略,丰富算法的种群多样性.实验采用10个基准测试函数,将改进的算法与另外5种智能算法进行仿真对比,验证了改进的算法性能优于其他算法.另外,为了提高极限学习机(ELM)在油层识别中的精度,将改进的鸟群算法用于ELM模型的参数优化.实际测井应用表明基于改进鸟群算法优化的ELM模型在油层识别中效果显著,优于基于遗传算法、粒子群算法、蚁群算法优化的ELM模型.