科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对鹈鹕优化算法在寻优过程中出现种群丰富性降低、收敛速度下降、易坠入局部最优等缺点，提出一种融合多策略的改进鹈鹕优化算法(IPOA)。利用Tent混沌和折射反向学习策略初始化鹈鹕种群，增加种群多样性的同时为算法寻优能力的提升打下基础；在鹈鹕逼近猎物阶段引入非线性惯性权重因子以提高算法的收敛速度，引入樽海鞘群算法的领导者策略以协调算法的局部寻优和全局搜索能力。将IPOA与9种算法对8个基准测试函数和8个CEC 2017测试函数进行寻优性能分析，并对IPOA进行Wilcoxon秩和检验和时间复杂度分析。实验结果证明了所提算法的优越性和鲁棒性。
- 单位
