科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对麻雀搜索算法收敛速度慢、精确度不高、易陷入局部最优等问题，文中提出了一种融合多策略改进的麻雀搜索算法(improved sparrow search algorithm based on multiple strategies, ISSAMS)。通过引入Circle混沌映射初始化种群，增加种群的多样性，提高全局搜索能力；利用正余弦搜索策略，更新发现者的位置，选择最佳位置，增强局部搜索能力，避免陷入全局最优；加入萤火虫扰动更新最优个体位置，寻找可行解，提高局部搜索能力和寻优速度。为了验证算法改进的有效性，选取5个基准函数进行仿真实验，其中3个基准函数为单峰函数，2个为多峰函数，并与遗传算法、灰狼算法、粒子群算法和麻雀搜索算法比较。通过仿真实验结果表明基于多策略改进后的麻雀搜索算法具备跳出局部最优解能力，收敛速度更快，同时精确度更高，在对比其他4种算法后其总体性能更好。通过将该改进应用到优化BP神经网络的阈值和权值中，对比未改进的麻雀搜索算法优化的BP模型，其误差降低了14.73%,并且与另外3种算法优化的BP模型对比，其基于多策略改进的麻雀搜索算法优化模型的平均绝对百分比误差是最低的，效果最好，进一步验证了该改进算法的有效性。
- 单位
