融合自适应惯性权重和柯西变异的秃鹰搜索算法

摘要：

针对基本秃鹰搜索算法存在收敛速度慢、易陷入局部最优的缺点,提出了 一种融合自适应惯性权重和柯西变异的秃鹰搜索算法(CBES).首先使用Tent混沌映射初始化种群,保留了种群的多样性;其次,引入自适应惯性权重,加快算法的收敛速度,增强算法的局部开发能力;最后将柯西变异算子整合到当前全局最优位置进行变异更新,提高算法陷入局部最优的能力.通过12个单模态、多模态基准测试函数对CBES、BES、FPA、MFO、PSO5种算法进行实验对比,实验结果表明了改进后的算法在收敛速度和精度方面均得到了提升.同时将该算法应用到实际工程中,验证了算法的扩展性和适用性.

关键词：秃鹰搜索算法、Tent混沌映射、自适应惯性权重、柯西变异

所属期刊栏目：44

分类号：TP301(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;贵州省科学技术基金;贵州省自然科学基金

在线出版日期：2023-05-23（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：910-915