0、前言
前期博文提出了融合Cat混沌映射+精英反向策略+tent扰动+柯西变异的改进麻雀优化算法(IAMSSA),本期博文将IAMSSA应用于VMD模态数K与 惩罚因子(也称平衡参数)alpha的优化,适应度函数为包络熵,以最小化包络熵为目标优化VMD的模态数K与 惩罚因子alpha。
1、优化实现
融合Cat混沌映射+精英反向策略+tent扰动+柯西变异的改进麻雀优化算法(IAMSSA)的理论
点击。确定VMD待优化参数及范围以及改进麻雀优化算法(IAMSSA)的相关参数:
%% 设定改进的麻雀搜索算法参数
popsize =10; % 种群大小,可更改
iter = 10; % 最大迭代次数,可更改
dim = 2; % VMD变量个数
lb = [100 3]; % alpha范围 K范围 下限
ub = [2000 7]; % 上限
ST = 0.6;%预警值
PD = 0.7;%发现者的比列,剩下的是加入者
SD = 0.2;%意识到有危险麻雀的比重
PDNumber = round(SearchAgents_no*PD); %发现者数量
SDNumber = round( SearchAgents_no*SD);%意识到有危险麻雀数量
参数优化过程:
进化曲线:
优化结果:
最小的局部包络熵为: 10.2873
最优参数alpha K分别为: 1.0e+03 *1.1829 0.0070
各IMF分量的包络熵分别为:
9.8120
9.7683
9.7608
9.8388
9.5426
9.7379
9.7879
优化后的VMD分解结果:
(1)时域分解结果
(2)分解所得imf分量的频域分析:
未优化VMD分解分析:
按照经验设置参数:
%% 未优化VMD分解结果
alpha=1000;  % 惩罚因子,也称平衡参数
K=5;  % 分解的模态数
tau = 0;            % 噪声容忍度
DC = 0;             % 无直流分量
init = 1;           % 初始化中心频率为均匀分布
tol = 1e-7;         % 收敛准则容忍度
(1)时域分解结果
(2)频域分析
3、代码列表
Original: https://blog.csdn.net/m0_61363749/article/details/126174145
Author: 机器猫001
Title: 基于改进麻雀算法优化变分模态分解(IAMSSA—VMD)的信号分解方法
原创文章受到原创版权保护。转载请注明出处:https://www.johngo689.com/619009/
转载文章受原作者版权保护。转载请注明原作者出处!