自学习策略和Lévy飞行的正弦余弦优化算法

摘要：

针对正弦余弦算法(SCA,sine cosine algorithm)局部搜索能力差的缺陷,提出自学习策略和Lévy飞行的正弦余弦优化算法(SCASL,sine cosine optimization algorithm with self-learning strategy and Lévy flight).首先,提出正弦余弦算法自学习策略和非线性权重因子,使搜索个体记忆自身历史最优位置,在寻优过程中指导搜索个体更新位置,提高SCA的局部搜索能力;算法寻优后期,当搜索陷入局部最优时,采用基于Lévy飞行的停滞扰动策略使算法跳出局部最优,提高SCA的局部最优规避能力.基于13个经典基准测试函数对算法性能进行测试的实验结果表明,SCASL相比标准SCA和较新的优化算法SSA,VCS,WOA,GSA,具有更高的计算效率,收敛精度以及更强的局部最优规避能力.求解无人作战飞机航迹规划的仿真结果表明,在有6个敌方威胁源的战场环境中,相比SCA,SCASL求解得到的飞行航迹具有更小的航迹代价.综上,所提出的SCASL具有较强的寻优能力.

关键词：优化算法、正弦余弦优化算法、自学习策略、Lévy飞行

所属期刊栏目：42

分类号：TP301;V247(计算技术、计算机技术)

资助基金：中国航空科学基金20175196019;陕西省自然科学基金2017JM6078

在线出版日期：2019-11-19（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：55-65