摘要

针对人工大猩猩部队优化算法存在易陷入局部最优、收敛速度慢、寻优精度低等问题,提出了基于双重随机扰动策略的人工大猩猩部队优化算法。首先,引入Halton序列初始化种群,增加种群的多样性;其次,在算法寻优阶段使用多维随机数策略并且在探索阶段提出自适应位置搜索机制,提高了算法的收敛速度;再次,提出双重随机扰动策略,解决了大猩猩的群居效应,增强了算法跳出局部最优的能力;最后,采用逐维更新策略更新个体位置,提升了算法的收敛精度。通过10个基准测试函数寻优结果以及Wilcoxon秩和检验对比可知,改进的算法在寻优精度、收敛速度上有较大提升。另外,通过1个工程优化问题的实验对比分析,进一步验证了提出的算法在处理现实工程问题上的优越性。

全文