针对基本蝙蝠算法存在的后期收敛速度慢、易陷入局部极值、稳定性差等缺点,提出一种基于精英反向学习的混沌蝙蝠算法。该算法引入精英反向学习策略,通过比较精英个体与其的反向解并择优,充分利用优秀个体信息,加快算法收敛速度,同时,在迭代过程中对蝙蝠位置进行混沌扰动,增加种群多样性,有效地提高了算法的搜索能力和搜索精度。数值测试结果表明,新算法有较快收敛速度及较高的寻优精度。
科研之友
微信
新浪微博
Facebook
分享链接
