基于混合策略改进的麻雀搜索算法

摘要：

为克服基本麻雀搜索算法(Sparrow Search Algorithm,SSA)存在的迭代过程中种群多样性减少、易陷入局部最优停滞、早熟收敛等不足,提出一种基于混合策略改进的麻雀搜索优化算法(EGSSA).首先,迭代时利用精英反向学习机制在个体求解过程中计算精英反向解,提升算法寻优过程中种群丰富性和种群质量,为提高算法全局寻优能力以及收敛精度奠定基础;其次,将黄金正弦策略用以改进发现者位置更新方式,协调算法局部开发和全局搜索能力,并且提高算法的收敛能力;最后,在加入者的更新中采用了莱维飞行随机步长,以使新加入者所搜索的范围更为全面,一定程度避免算法陷入"早熟收敛".选取12 个基准测试函数进行仿真实验,分别与4 种元启发式算法以及3 种改进麻雀搜索算法进行比较,实验结果以及Wilcoxon秩和检验均表明,EGSSA算法具有更好的全局探索能力和稳定性以及较强跳出局部极值的能力.

关键词：麻雀搜索算法、精英反向学习、黄金正弦算法、莱维飞行、函数优化

所属期刊栏目：33

分类号：TP18(自动化基础理论)

资助基金：甘肃农业大学研究生教育研究项目;兰州市人才创新创业项目;教育部卓越工程师教育培养计划项目产学合作协同育人项目

在线出版日期：2023-04-25（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：146-153,160