融合自适应权重与Levy飞行的拉丁超立方体海鸥优化算法及应用

摘要：

针对海鸥优化算法(Seagull optimization algorithm,SOA)收敛速度慢、寻优精度低以及搜索能力差等缺陷,提出一种融合自适应权重与Levy飞行的拉丁超立方体海鸥优化算法(Latin Hypercube Seagull Optimization Algorithm based on adaptive Weights and Levy flight,ALLSOA).首先使用拉丁超立方体初始化海鸥种群,使海鸥种群全空间填充,分布更加均匀;其次在海鸥迁徙阶段,添加自适应权重因子,提高算法的搜索能力,加快算法收敛速度;最后在海鸥觅食阶段,采用Levy飞行策略,增加算法的多样性与跳出局部最优的能力,提高寻优精度.本文采用23个基准测试函数对改进算法进行测试,并利用图像分割来检验算法的有效性.试验结果表明,ALLSOA在收敛速度、寻优能力等方面表现更优.

关键词：海鸥优化算法、自适应权重、Levy飞行、拉丁超立方体、图像分割

所属期刊栏目：12

分类号：TP301.6(计算技术、计算机技术)

资助基金：贵州省科技计划资助项目

在线出版日期：2022-12-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：216-223