基于改进的磷虾群算法的电子鼻气体识别新优化技术

支持向量数据描述（SVDD）是构造单类数据描述的分类算法，惩罚参数[C]和核参数[σ]作为影响SVDD分类效果的关键，其合理选取一直是个难点。针对这一问题，提出了一种基于改进磷虾群算法的SVDD参数优

最基本的的磷虾群算法,群智能优化算法,可在此基础上改进。

基于杜鹃搜索的磷虾群算法解决工程优化问题

与磷虾群算法的KH.m文件一起形成一个完整的可运行的磷虾群算法。下载时将我上传的KH.m文件一起下载。

算法优化的SVR-ARMA组合预测模型。该改进的组合预测模型把具有较好连续空间非线性寻优性能的磷虾群算法用于SVR模型的参数优化过程,对原始数据进行预测,然后用ARMA模型对SVR模型产生的线性残差进

针对解决标准磷虾群算法在求解高维复杂优化问题时无法跳出局部最优,求解精度低的缺点,提出了一种基于互利共生和优胜劣汰的改进磷虾群算法。该算法首先对磷虾群(KH)算法采用互利共生策略,增强粒子间的信息交流

针对核模糊C-均值算法（kernelfuzzyC-means，KFCM）随机选择初始聚类中心而不能获得全局最优且在聚类中心较近或重合时易产生一致性聚类等问题，提出一种改进算法。改进算法在原目标函数中引

使用Python实现磷虾群算法用于求解函数优化问题最后针对优化结果进行输出并绘图保存.

提出一种自适应惯性权重的磷虾群算法(AKH)。通过理论论证,得出在采用线性递减的磷虾群算法求解全局优化问题的迭代过程中,出现大量无效迭代是受到惯性权重的影响;进而提出相关改进策略:在以目标函数作为适应

为了模拟磷虾群的自由度和不确定的个体行为,将磷虾群学习算法(OBL)和自由搜索算子引入磷虾群优化算法(KH),并提出了一种新颖的基于磷虾群的自由搜索磷虾群优化算法(FSKH )。 在FSKH中,每个磷