科研之友
微信
新浪微博
Facebook
分享链接
摘要
【目的】本文研究海鸥算法求解最优化问题时存在的收敛速度慢、易陷入局部最优等缺点。【方法】首先融合Fuch混沌映射与精英反向学习策略来初始化海鸥种群，提高种群质量；其次根据余弦函数改进自身行为的特征参数A，将海鸥算法的线性搜索非线性化；最后通过加入莱维飞行机制增加海鸥飞行的随机性，对算法进一步优化。【结果】通过9个基准测试函数和3个工程设计优化问题对I-SOA(Improved-Seagull Optimization Algorithm)性能进行测试，实验结果表明：对于9个基准测试函数，I-SOA算法比标准SOA、PSO、GA算法在寻优精度和收敛速度上都要优越，尤其在求解f7、f9时均求得理论最优解0；对于3个工程设计优化问题，I-SOA算法相比于标准SOA算法寻优精度和收敛速度优势明显，相比于其他群智能优化算法的最优值，适应性和稳定性更强。【结论】I-SOA算法在基准测试函数和工程设计优化问题中均有优异的表现，证实了海鸥算法改进的有效性。
- 单位
