MSSSA：一种针对全局优化问题的多策略增强型麻雀搜索算法（英文）

作者：孟凯; 陈晨^*; 辛斌

来源：Frontiers of Information Technology & Electronic Engineering, 2022, 23(12): 1828-1848.

• 群智能
• 麻雀搜索算法
• 自适应参数控制策略
• 混合扰动机制
• 优化问题

麻雀搜索算法(SSA)是一种新的元启发式优化方法，具有简单和灵活的优点。然而，在处理多模态优化问题时，该算法仍存在早熟收敛、探索与开发不平衡等缺陷。针对上述问题，本文提出一种多策略增强的麻雀搜索算法(MSSSA)。首先，引入混沌映射以获取高质量的初始种群，并采用对立学习策略增加种群的多样性。其次，设计了一种自适应参数控制策略，以在全局探索与局部开发之间保持适当的平衡。最后，在个体更新阶段嵌入混合扰动机制，以避免算法陷入局部最优。为了验证所提方法的有效性，在IEEE CEC2014和IEEE CEC2019测试集的40个函数，以及10个不同维度的经典函数上进行了大量的实验。实验结果表明，与一些先进的算法相比，所提出的MSSSA表现出突出的优化性能。该算法还成功地应用于两个工程优化问题，证明了MSSSA在解决实际问题方面的优越性。

• 单位
  自动化学院; 北京理工大学; 复杂系统智能控制与决策国家重点实验室