集成随机惯性权重和差分变异操作的樽海鞘群算法

摘要：

为了提高樽海鞘群算法(Salp Swarm Algorithm,SSA)的收敛速度、计算精度和全局优化能力,在分析总结粒子群优化(Particle Swarm Optimization,PSO)和差分进化(Differential Evolution,DE)算法相关研究成果后,提出了一种集成PSO算法随机惯性权重和DE算法差分变异操作的改进SSA算法——iSSA.首先,将PSO算法的随机惯性权重引入SSA算法的追随者位置更新公式中,用于增强和平衡SSA算法的勘探与开发能力;其次,用DE算法的变异操作替代SSA算法的领导者位置更新操作,以提高SSA算法的收敛速度和计算精度.为了检验随机惯性权重和差分变异操作对SSA算法的改进效果,在多个高维基准函数上进行了仿真实验,并与其他改进SSA算法进行了比较.实验结果及分析表明,与SSA算法和两个典型的改进SSA算法(ESSA和CASSA)相比,集成随机惯性权重和差分变异操作的iSSA算法,在没有增加算法时间复杂度的情况下,显著地提高了SSA算法的收敛速度、计算精度和全局优化能力,并且优于ESSA算法和CASSA算法.

关键词：樽海鞘群算法、群体智能、粒子群优化、随机惯性权重、差分进化、变异操作

所属期刊栏目：47

分类号：TP183(自动化基础理论)

资助基金：陕西省教育厅自然科学研究项目;陕西省科技计划项目;西安市科技计划项目

在线出版日期：2020-08-26（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：297-301