科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对麻雀搜索算法在迭代收敛时易陷入局部最优的问题，提出多策略改进的麻雀搜索算法（NLSSA）。利用邻域重心反向学习策略优化麻雀算法的初始种群，提高初始个体质量。通过Levy飞行策略的长短距离跳跃更新麻雀生产者位置，从而提升麻雀算法的局部极值逃逸能力。在跟随者位置更新机制中引入自适应权重，从而平衡麻雀算法的局部挖掘和全局寻优能力。为了验证所提NLSSA算法的性能，利用8个基准测试函数进行测验，测试结果与Wilcoxon符号秩检验结果表明，与麻雀搜索算法、粒子群优化算法、灰狼优化算法和其他改进的麻雀搜索算法相比，NLSSA算法在寻优精度、稳定性能和收敛速度方面的效果更佳。
-
单位辽宁工程技术大学; 国网辽宁省电力有限公司
