变异反向学习的自适应帝王蝶优化算法

摘要：

针对于原始帝王蝶优化算法易陷入局部最优解、收敛性不好等问题,提出变异反向学习的自适应帝王蝶优化算法.将遗传算法的变异思想与反向学习策略结合来替代原始的迁移算子,提高全局的收敛性.在原始帝王蝶优化算法的调整算子中融入自适应的策略,使种群更具多样性.在更新的种群中将排序在最后的5只帝王蝶进行柯西变异,让变异个体附近生成更大的扰动,使整个群体在更大的范围内进行寻优.为了验证改进帝王蝶优化算法,通过基准函数和Wilcoxon秩和检验对其进行测试,实验结果表明改进算法的收敛速度及寻优精度得到了很大改进.

关键词：帝王蝶优化算法、变异反向学习、自适应策略、柯西变异

所属期刊栏目：58

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金;江苏省研究生科研与实践创新计划项目

在线出版日期：2022-06-20（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：66-72