融合粗糙数据推理的多策略改进麻雀搜索算法
针对麻雀搜索算法在迭代过程中种群多样性减少、容易陷入局部最优的问题,提出了一种融合粗糙数据推理的多策略改进麻雀搜索算法(RSSA).该算法先结合低差异序列的思想进行种群初始化,增强算法的全局搜索能力,保障粗糙数据推理论域的完整性;然后引入粗糙数据推理理论,结合适应度与距离建立个体间的联系,提高收敛速度,增强跳出局部最优的能力,改良麻雀搜索算法在多峰值问题中的不足;并且对于迭代中的超界个体,在超界的同时将其赋值为边界附近的值而非边界最大或最小值,保证种群的多样性且提高算法收敛速度.仿真实验结果表明,RSSA与其他4种算法相比,收敛速度更快,精度更高,在面对多峰值问题时效果更好.
自适应算法、低差异序列、粗糙数据推理、群体智能、麻雀搜索算法
51
TP18(自动化基础理论)
国家自然科学基金;国家自然科学基金
2022-10-13(万方平台首次上网日期,不代表论文的发表时间)
共11页
743-753