一种多策略协同改进的海鸥算法及其应用

摘要：

海鸥优化算法(SOA)作为一种随机搜索算法具有显著的优化性能,但仍然存在种群多样性程度较低、易陷入局部最优而导致寻优精度变低的问题.为了改善海鸥算法的缺陷,提出了 一种多种策略协同改进的海鸥算法(CMSOA).首先,在迭代过程中使用正余弦算法(SCA)对停滞的海鸥种群个体扰动更新,改善了整体种群的多样性;然后引入缩放因子,动态调整当前海鸥个体与最优个体之间的相对位移,提高了算法的探索与开发能力;最后,采取随机对立学习的方式对最优海鸥个体位置微调,领导整个海鸥移动至给定搜索空间的正确位置,提高跳出局部最优的能力,进一步增加寻优精度.为了测试改进的CMSOA的寻优性能,利用14个CEC2017测试函数作为测试基准,将CMSOA与对比算法进行性能测试.实验表明,CMSOA在以Freidman检验为标准的统计学意义上具有寻优优势;在三维无人机路径规划问题中,CMSOA也取得了最佳效果.

关键词：海鸥优化算法、正余弦算法、缩放因子、随机对立学习、无人机路径规划

所属期刊栏目：40

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;国家自然科学基金;江西理工大学校级基金资助项目

在线出版日期：2023-05-19（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：1360-1367,1374