科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对松鼠搜索算法(SSA)易陷入局部最优、过早收敛等问题，提出了一种混合随机反向学习和高斯变异的混沌松鼠搜索算法(RGCSSA)。该算法通过Tent混沌映射初始化策略生成混沌初始种群，增强初始种群分布的均匀性，实现对解空间更高效的搜索；采用非线性递减的捕食者概率策略，平衡SSA的全局搜索和局部开发能力；利用位置贪婪选择策略在迭代过程中不断保留种群中的优势个体，以提升算法收敛速度；引入随机反向学习和高斯变异策略，不但增加种群多样性，同时提高算法跳出局部最优的能力。使用10个不同的基准测试函数进行仿真实验并利用Wilcoxon符号秩检验来验证所提出算法的寻优性能，结果表明，RGCSSA算法在求解精度和收敛速度以及稳定性等方面都有了极大的提升。
- 单位
