科研之友
微信
新浪微博
Facebook
分享链接
摘要
麻雀搜索算法(SSA)相对其他仿生算法性能较好，但其收敛精度不足且在复杂多峰函数下会陷入局部最优。为改善这些缺陷，提出融合K-means的多策略改进麻雀搜索算法研究，该算法采用多策略搜索方式。首先将初始种群进行K-means聚类，加快种群交流，再运用正、余弦搜索策略和自适应局部搜索策略分别对追随者的位置和最优个体进行更新寻找更可靠的可行解，提高收敛精度和寻优能力。通过10个测试函数对两种策略和单独的一种策略进行对比，验证了策略的引入能够有效地改善麻雀搜索算法的寻优能力，单一策略寻优能力较强，且两种策略融合的麻雀搜索算法寻优能力较弱。最后将3种改进方式的SSA算法应用于主动悬架LQR控制，实验结果表明两种策略结合的SSA算法优化效果不理想，采用单一策略的两种方式优化效果显著，且稳定改善了主动悬架的性能。
- 单位
