一种具有学习机制的海鸥优化算法

作者：王培崇; 尹欣洁; 李丽荣^*

来源：郑州大学学报(工学版), 2022, 43(06): 8-14.

DOI：10.13705/j.issn.1671-6833.2022.06.010

• 海鸥优化算法
• 学习机制
• 非线性参数
• 反向学习

为了克服海鸥优化算法在求解高维问题时存在的收敛速度慢、容易早熟和解精度低等问题，提出一种具有学习机制的海鸥优化算法(ISOAL)。首先，设计了一种基于当前粒子Xi与种群均值状态Xm差异的迁移算子，提升早期个体对解空间的搜索范围。其次，引入非线性自适应参数A保证算法适合于复杂问题解空间的搜索，避免算法过早地陷入局部最优。最后，通过引入部分精英粒子执行反向学习，加强对种群内的最优粒子所在空间的勘探，提高算法的解精度。实验选择了CEC2017中的10个无约束测试函数检测算法的性能，并与HPSO-TS、V-DVGA、DADE、CMA-ES等算法进行对比，该组实验结果显示，ISOAL比其他算法具有更高的解精度和稳定性。针对张力弹簧问题进行实验，结果表明：ISOAL所获得的弹簧总代价比SOA降低了3.5%,弹簧的线圈直径和平均直径分别下降了5.7%和3.5%。ISOAL算法具有收敛速度快、精度高和鲁棒性的特点，适合求解较高维度的连续函数优化问题和带有约束的工程优化问题。

• 单位
  河北地质大学