科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对麻雀搜索算法(SSA)在全局搜索初期多样性较差且后期具有陷入局部最优的风险，利用反向学习策略和混沌理论提出了一种改进的麻雀搜索算法(ISSA)。首先，在麻雀初始化种群个体位置时引入反向学习策略，以提高寻优前期麻雀种群整体质量，利于加快全局搜索速度；其次，在算法后期采用Sinusoidal map混沌映射策略，对麻雀位置进行扰动以提高算法的局部开发能力。利用12个国际基准测试函数测试改进算法的性能，并与SSA、改进灰狼算法(TGWO)、鲸鱼算法(WOA)、多分段动态定权粒子群算法(DPSO)进行对比，实验表明ISSA在收敛精度和算法的稳定性方面均表现更优，且收敛速度更快。
- 单位
