一种改进鲸鱼算法及其在短时交通流预测中的应用研究

胡 松，成 卫，李 艾

1(昆明理工大学 交通工程学院 ，昆明 650500)

2(玉溪市公安局交通警察支队，云南 玉溪 653100)

1 引 言

群智能算法是对自然环境中一些生物的群体行为特征进行模拟而得出的一类算法，如观察鸟类捕食方式模拟出的粒子群算法，根据生物进化得到的遗传算法[1]等在现在的众多领域如电力调度、资源配置、计算机应用、医学分析等有着广泛应用.鲸鱼优化算法(Whale Optimization Algorithm,WOA)[2]在2016年由澳大利亚学者Mirjalili通过对座头鲸觅食行为的研究，得到的一种新的群智能算法，WOA主要是模拟鲸鱼在捕猎过程中的靠近猎物的行为，从而找到复杂寻优问题的最优解.标准WOA具有参数少，全局收敛性好等优点，因此大量学者开始将该算法用于实际应用当中.如D.B.Prakash[3]等将WOA应用于径向网络中电容的选址问题，证明了WOA在维持电压的稳定性和优化运行成本上的优越性.Pradeep Jangir[4]等使用WOA训练多层感知器，解决了局部最优问题，获得了较高的寻优精度；但是同传统的群智能算法一样容易陷入局部极值及收敛速率慢这些问题，学者们提出了一些改进的方法,例如闫旭[5]等将量子算法加入WOA中并用来解决TSP问题;郭振洲[6]等使用自适应权重和柯西变异改进WOA.

在以前学者的研究基础上，本文针对WOA前期收敛速度较慢以及容易陷入局部最优解的问题，提出一种基于自适应权重和天牛须搜索[7，8](Beetle Antennae Search,BAS)的鲸鱼优化算法.改进的算法通过将鲸鱼优化算法中的搜索捕食策略使用天牛须搜索策略代替，加快前期的搜索能力和提升搜索精度；……