科研之友
微信
新浪微博
Facebook
分享链接
摘要
麻雀搜索算法在函数优化上具有较好的寻优能力，但依然存在易陷入局部最优、随机性较大等缺陷。针对上述问题，提出一种翻筋斗的改进麻雀搜索算法(Somersault Improved Sparrow Search Algorithm, SISSA)。在算法初期，引入Tent映射和反向学习初始化种群；寻优阶段融合一种非线性收敛因子优化发现者的位置，再引入翻筋斗策略使追随者的位置更新具有灵活性；最后利用两个历史最优解的差分进行局部搜索，提高跳出局部最优的概率，得到可靠的解。采取12个标准函数测试SISSA,并和6种算法进行对比，结果表明SISSA具有较强的寻优能力，并且在Wilcoxon统计检验上得到了有效的验证。同时将SISSA应用于机器人路径规划，验证了SISSA的可靠性和实用性。
- 单位
