鲸鱼算法优化LSTM超参数-神经元个数-dropout-batch_size

1、摘要

本文主要讲解：使用鲸鱼算法优化LSTM超参数-神经元个数-dropout-batch_size
主要思路：

1. 鲸鱼算法 Parameters ： 迭代次数、鲸鱼的维度、鲸鱼的数量， 参数的上限，参数的下限
2. LSTM Parameters 神经网络第一层神经元个数、神经网络第二层神经元个数、dropout比率、batch_size
3. 开始搜索：初始化所鲸鱼的位置、迭代寻优、返回超出搜索空间边界的搜索代理、计算每个搜索代理的目标函数、更新 Alpha, Beta, and Delta
4. 训练模型，使用鲸鱼算法找到的最好的全局最优参数
5. plt.show()

2、数据介绍

zgpa_train.csv
DIANCHI.csv

需要数据的话去我其他文章的评论区
可接受定制

3、相关技术

WOA算法设计的既精妙又富有特色，它源于对自然界中座头鲸群体狩猎行为的模拟， 通过鲸鱼群体搜索、包围、追捕和攻击猎物等过程实现优时化搜索的目的。在原始的WOA中，提供了包围猎物，螺旋气泡、寻找猎物的数学模型。


PS：如陷入局部最优建议修改参数的上下限或者修改鲸鱼寻优的速度

4、完整代码和步骤

代码输出如下：

此程序运行代码版本为：

主运行程序入口