融合麻雀搜索机制的改进混沌海鸥优化算法

作者：陈超泉; 王宇涵; 谢晓兰; 王佳明; 肖博怀

来源：科学技术与工程, 2023, 23(10): 4259-4271.

DOI：10.3969/j.issn.1671-1815.2023.10.026

• 海鸥优化算法
• 分段线性混沌映射
• 非线性搜索因子
• 麻雀飞行机制
• 寻优精度

针对海鸥优化算法收敛速度偏慢、易陷入局部最优解及求解精度低等问题，提出一种融合麻雀搜索机制的改进混沌海鸥优化算法(improved chaotic seagull optimization algorithm incorporating sparrow search mechanism, PSSOA)。使用分段线性混沌映射(piecewise linear chaotic map, PWLCM)对种群进行初始化，使海鸥个体更为均匀地分布在给定空间内；改进非线性搜索因子和随机因子，加快算法收敛速度，更好地平衡算法全局搜索和局部搜索；融合麻雀算法中的麻雀飞行机制，在后期局部搜索阶段扩大个体局部寻优范围，对海鸥位置进行二次更新，帮助个体跳出局部最优，提高寻优精度。使用16个基准测试函数进行仿真实验，将PSSOA与海鸥算法(seagull optimization algorithm, SOA)、粒子群算法(particle swarm optimization, PSO)、灰狼算法(grey wolf optimizer, GWO)和海洋捕食者算法(marine predators algorithm, MPA)4种元启发式算法及其他学者改进的SOA算法多角度进行比较，并通过Wilcoxon秩和检验来验证算法的有效性和稳定性。实验结果表明PSSOA和其他对比算法相比，在约80%的测试函数上有着更好的算法的收敛速度和求解精度，并且在Wilcoxon秩和检验中，PSSOA和其他对比算法存在显著性差异的比例达到了98%,证明了算法具有更显著的差异性。

• 单位
  桂林理工大学