一种改进的变权科莫多优化算法及其应用

针对科莫多算法(KMA)在求解复杂函数和高维情况下容易出现早熟收敛的问题，提出了一种改进的变权科莫多优化算法(VWCKMA)。首先利用Tent混沌映射产生的序列对科莫多个体位置进行位置初始化，为全局搜索的多样性奠定基础。然后提出可变惯性权重，分别对不同社会等级的科莫多个体的运动进行不同控制，较好地提高了收敛速度。最后利用Tent混沌映射进行局部扰动，使其能够进行更加精确的局部搜索，避免局部最优值。仿真实验表明，在单峰函数和多峰函数求解的标准差和均值中，VWCKMA在收敛精度和收敛速度方面均有很大的提高。针对实际空气污染物PM_2.5预测非线性的问题，利用VWCKMA对BP神经网络的权值和阈值进行迭代寻优，基于最优参数的条件下使用BP神经网络对PM_2.5进行预测。实验结果表明预测准确率为85.085%,相比单一BP神经网络预测准确率提高19.85个百分点，体现VWCKMA具有一定的实践应用价值。