基于双样本学习与单维搜索改进的精英麻雀搜索算法

摘要：

针对麻雀搜索算法初始种群分布不均匀,种群间信息交流少,易陷入局部最优,收敛速度慢等不足,提出了一种基于双样本学习与单维搜索改进的精英麻雀搜索算法.首先,采用Hammersley低差异序列与反向学习相结合产生精英初始种群,增强个体质量和多样性;然后,通过双样本学习策略,改进追随者的位置更新公式,加强种群间的信息交流,提高算法跳出局部最优的能力;最后,在算法迭代后期采用单维搜索模式,增强算法在后期的深度挖掘能力,提高算法的精度.通过对时间复杂度进行分析,证明了该改进未增加算法的时间复杂度.选取12个不同特征的测试函数进行寻优,测试结果表明,与其他算法相比,该算法在收敛速度、精度和稳定性上都有明显的优越性.

关键词：麻雀搜索算法、Hammersley低差异序列、反向学习、双样本学习、单维搜索

所属期刊栏目：50

分类号：TP301.6(计算技术、计算机技术)

资助基金：国家自然科学基金U20A201284

在线出版日期：2023-03-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：317-323