摘要
针对非洲秃鹫算法(AVOA)全局搜索能力不足与局部搜索策略冗杂的缺点,提出一种改进非洲秃鹫算法(β-PAVOA)。算法采用分段线性混沌映射(PWLCM)初始化种群,增强种群多样性。引入β分布与基于饥饿率的搜索策略,增强算法全局搜索能力。改进原算法局部搜索策略,帮助算法及时跳出局部最优。通过8个测试函数验证算法的有效性,并将其应用于二维Otsu图像阈值分割模型。实验结果表明,在测试函数上,β-PAVOA相比较于非洲秃鹫算法(AVOA)、金豺狼优化算法(GJO)、灰狼算法(GWO)、鲸鱼优化算法(WOA)和粒子群算法(PSO)有着更好的精度与收敛速度;在二维Otsu图像阈值分割模型上,β-PAVOA在搜到最优解的情况下收敛速度也仍然领先,这也证明了改进算法的有效性。
- 单位