针对一种最新提出的群体优化算法-麻雀搜索算法在寻优过程中存在着过早收敛且容易陷入局部最优解的缺陷。提出一种基于K-means聚类的麻雀搜索方法(KSSA),在初始化种群阶段进行K-means聚类分化，使群体间沟通效率高，增大容错率，从而提高群体开采能力。最后对10个基准函数进行仿真，实验结果表明，所提算法能够客服麻雀搜索算法易陷入局部最优的缺点，提高算法的搜索精度，收敛速度和稳定性。同时将其应用在SVM参数寻优的问题上，验证了KSSA应用于实际问题的可行性。
科研之友
微信
新浪微博
Facebook
分享链接
