提高海鸥优化算法寻优能力的改进策略及其应用

作者：严爱军; 胡开成^*

来源：信息与控制, 2022, 51(06): 688-698.

DOI：10.13976/j.cnki.xk.2022.1438

• 海鸥优化算法
• 寻优能力
• 并行搜索
• 动态反向学习
• PID参数整定

针对海鸥优化算法(SOA)收敛速度慢、容易陷入局部最优等问题，提出3种提高SOA算法寻优能力的改进策略：对非线性收敛因子与螺旋系数进行改进，以改善全局与局部搜索的协调能力，加快收敛速度；通过拓展攻击行为与攻击角度，以并行搜索的方式提升局部寻优性能；引入动态反向学习，使算法快速跳出局部最优，优化全局搜索。基于马尔可夫过程分析了改进海鸥优化算法(ISOA)的收敛性。通过16个基准函数测试了ISOA算法的寻优性能，并将其应用于PID(proportional-integral-derivative)参数整定中，结果表明，提出的改进策略能显著提高SOA算法的收敛速度与求解精度，ISOA算法在参数优化领域具有较好的应用效果。

• 单位
  北京工业大学