我们马上记住本站网址,www.kcbook.pro,若被浏/览/器/转/码,可退出转/码继续阅读,感谢支持.
热门推荐：
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+αL，i=1，2，..，n
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。
在式中，LLL为Ｌéｖｙ随机搜索路径，随机步长为Ｌéｖｙ分布
L~sλ，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=Tf，X=^Tf，X=X_iX，设置数据大小、问题维数、最大迭代次数等参数；
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∈r\inr∈与PPP对比，若r>Pr>Pr>P，则对xt+1x^xt+1进行随机改变，反之则不变。