具有捕食策略的混合随机优化算法及其多极值函数优化

摘要：

SAGACIA是一种混合随机优化算法，该算法虽已吸收了模拟退火算法、遗传算法和趋化性算法的优点，但搜索过程中仍存在收敛速度慢以及采用固定步长影响搜索精度的缺点，而捕食搜索策略通过限制的调节能较快锁定最优区域，从而提高收敛速度。结合两者的优缺点，提出一种具有捕食搜索策略的自适应调整步长SAGACIA算法，改进后的算法通过捕食搜索策略平衡了算法的局域搜索和全局搜索，提高了收敛速度；邻域搜索采用自适应步长，避免了最优解附近的震荡，提高了搜索精度。实验仿真结果表明，改进后的SAGACIA算法具有较快的收敛速度和较高的寻优精度，证明了算法改进的有效性和可行性。

关键词：捕食搜索、SAGACIA、自适应步长、多极值函数、Benchmark函数

分类号：TP183(自动化基础理论)

资助基金：河北省教育厅科研项目QN20132019；唐山市科技计划项目131302118a。

在线出版日期：2014-12-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：162-165