海鸥算法的改进及其在工程设计优化问题中的应用

摘要：

[目的]本文研究海鸥算法求解最优化问题时存在的收敛速度慢、易陷入局部最优等缺点.[方法]首先融合Fuch混沌映射与精英反向学习策略来初始化海鸥种群,提高种群质量;其次根据余弦函数改进自身行为的特征参数A,将海鸥算法的线性搜索非线性化;最后通过加入莱维飞行机制增加海鸥飞行的随机性,对算法进一步优化.[结果]通过9个基准测试函数和3个工程设计优化问题对I-SOA(Improved-Seagull Optimization Algorithm)性能进行测试,实验结果表明:对于9个基准测试函数,I-SOA算法比标准SOA、PSO、GA算法在寻优精度和收敛速度上都要优越,尤其在求解f7、f9时均求得理论最优解0;对于3个工程设计优化问题,I-SOA算法相比于标准SOA算法寻优精度和收敛速度优势明显,相比于其他群智能优化算法的最优值,适应性和稳定性更强.[结论]I-SOA算法在基准测试函数和工程设计优化问题中均有优异的表现,证实了海鸥算法改进的有效性.

关键词：海鸥算法、Fuch混沌映射、精英反向学习策略、余弦函数、莱维飞行

所属期刊栏目：4

分类号：TP391;TP18;S

资助基金：国家自然科学基金;辽宁省教育厅高校科研基金

在线出版日期：2023-01-06（万方平台首次上网日期，不代表论文的发表时间）

页数：共16页

页码：129-144