科研之友
微信
新浪微博
Facebook
分享链接
摘要
麻雀搜索算法(SSA)作为一种新颖的群体智能优化算法，已被证明具有较好的寻优性能。但由于SSA在某些情况下迭代中后期搜索性减小，种群多样性降低，导致算法存在收敛速度慢、求解精度低、易陷入局部最优解等不足。针对SSA存在的缺陷，融合萤火虫算法(FA)迭代策略，提出了一种加入萤火虫搜索扰动的麻雀搜索优化算法(FSSA)。首先，在麻雀搜索后，利用萤火虫扰动策略对种群中所有个体进行位置更新，使得算法在解空间搜索更加充分，有效避免陷入局部最优，进而提升算法的收敛速度以及收敛精度。其次，通过6个基准测试函数对改进算法与粒子群优化算法(PSO)、鲸鱼优化算法(WOA)、原始的SSA算法进行对比，仿真结果表明该算法能够克服SSA易陷入局部最优的不足，在寻优精度、收敛速度以及鲁棒性等方面均获提升。最后，将FSSA应用于具有14座城市的旅行商问题(TSP)求解，仿真实验对比原始的SSA算法，该算法具有更好的结果，进一步验证了FSSA的寻优能力。
- 单位
