基于多策略改进的麻雀搜索算法

摘要：

针对麻雀搜索算法(SSA)迭代末期种群多样性衰减、易陷入局部最优等缺陷,提出一种基于多策略改进的麻雀搜索算法(MUSSA).MUSSA首先采用混沌透镜反向策略增强种群多样性,并根据遗忘递减策略,逐步减少使用反向迭代策略的种群数,降低无用搜索损耗,加快算法收敛速度;然后引入自适应权重螺旋搜索策略和参考系机制对发现者更新公式进行修改,进一步扩大个体的搜索范围,增强算法的全局搜索能力;最后,在追随者更新策略中引入方向因子和非静态选择策略,增强局部挖掘能力.利用13个基准测试函数进行模拟仿真测试,实验结果表明MUSSA相较于SSA、HHO、WOA和AO具有更好的寻优性能.

关键词：麻雀搜索算法、反向学习、Iterative映射、遗忘曲线、螺旋策略、自适应权重

分类号：TP301.6(计算技术、计算机技术)

在线出版日期：2023-11-15（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：23-31