第181章会议结束

　　方舟的小心脏瞬间骤停。

　　全场这么多教授和专家，其他人都没有说话，唯独身份最高的那位跳出来。

　　这就仿佛你打一个升级的单机游戏，才打到一半，等级还没有加满，最终Boss就跳出来说，我想要和你过两招。

　　“你的加密算法思路很不错，但是前面采用的随机算法却有些配不上后面这么优秀的搜索算法。我建议你照我说的修改一下子。

　　在第七行，通过3种理想状态的假设，寻优搜索的位置和路径的更新公式如下:

　　xit+1=xit+α⊕L(λ)，i=1，2，..，n(1)

　　式中：xi为第i个数据在第t次迭代的位置，用于控制步长的搜索范围，其值服从正态分布。

　　在式(1)中，L(λ)L(lambda)L(λ)为Ｌéｖｙ随机搜索路径，随机步长为Ｌéｖｙ分布

　　L(s，λ)~s−λ，(1<λ≤3)式中：—由前面的计算得到的随机特征。

　　从你的上式可以看出，该迭代方式是一个随机漫步的过程。由于其随机游动特征，局部极值点附近往往会出现新解，因此这样的短步长搜索更加有利于提高解的质量。另外，距离局部最优值较远的地方也存在新解，偶尔的大步长探索，使得算法不容易陷入局部极值点。

　　对于这样的问题，我个人建议更改一下步骤的顺序：

　　步骤1定义目标函数f(X)，X=(x1，...，xd)Tf(X)，X=(x_1，...，x_d)^Tf(X)，X=(x）函数初始化，并随机生成多个数据保存的初始位置Xi(i=1，2，...，n)X_i(i=1，2，...，n)X(i=1，2，...，n)，设置数据大小、问题维数、最大迭代次数等参数；

　　牺如 bxwx.co 牺如。步骤2选择适应度函数并计算每个数据位置的目标函数值，得到当前的最优函数值；

　　步骤3记录上一代最优函数值，利用式(1)对其他鸟窝的位置和状态进行更新；

　　步骤4现有位置函数值与上一代最优函数值进行比较，若较好，则改变当前最优值；

　　步骤5通过位置更新后，用随机数r∈[0，1]rin[0，1]r∈[0，1]与PPP对比，若r>Pr>Pr>P，则对xt+1x^{t+1}xt+1进行随机改变，反之则不变。

　　步骤6若未达到最大迭代次数或最小误差要求，则返回步骤2，否则，继续下一步；

　　步骤7输出全局最优位置...”

　　“以此来使得数据进行最优的存储转化，

　　请收藏：https://m.bxwtxt.com

（温馨提示：请关闭畅读或阅读模式，否则内容无法正常显示）