MSSSA：一种针对全局优化问题的多策略增强型麻雀搜索算法

2022年第23卷第12期

摘要

关键词

相关研究

回顶部

《信息与电子工程前沿（英文）》 >> 2022年第23卷第12期 doi: 10.1631/FITEE.2200237

MSSSA：一种针对全局优化问题的多策略增强型麻雀搜索算法

1北京理工大学自动化学院，中国北京市，100081；2复杂系统智能控制与决策国家重点实验室，中国北京市，100081

收稿日期： 2022-05-30 录用日期： 2022-12-14 发布日期： 2022-12-14

HTML49 PDF 24 收藏 0

摘要

麻雀搜索算法(SSA)是一种新的元启发式优化方法，具有简单和灵活的优点。然而，在处理多模态优化问题时，该算法仍存在早熟收敛、探索与开发不平衡等缺陷。针对上述问题，本文提出一种多策略增强的麻雀搜索算法(MSSSA)。首先，引入混沌映射以获取高质量的初始种群，并采用对立学习策略增加种群的多样性。其次，设计了一种自适应参数控制策略，以在全局探索与局部开发之间保持适当的平衡。最后，在个体更新阶段嵌入混合扰动机制，以避免算法陷入局部最优。为了验证所提方法的有效性，在IEEE CEC2014和IEEE CEC2019测试集的40个函数，以及10个不同维度的经典函数上进行了大量的实验。实验结果表明，与一些先进的算法相比，所提出的MSSSA表现出突出的优化性能。该算法还成功地应用于两个工程优化问题，证明了MSSSA在解决实际问题方面的优越性。

关键词

群智能 ; 麻雀搜索算法 ; 自适应参数控制策略 ; 混合扰动机制 ; 优化问题