融合边界处理机制的学习型麻雀搜索算法

作者：王子恺; 黄学雨^*; 朱东林; 闫少强; 李权; 郭伟

来源：北京航空航天大学学报, 2024, 50(01): 286-298.

DOI：10.13700/j.bh.1001-5965.2022.0195

• 麻雀搜索算法
• Piecewise map
• 排序配对学习
• 竞争学习
• 多策略边界处理

为改善麻雀搜索算法（SSA）初始化阶段种群分布不充分，寻优过程中容易受到局部最优解干扰的不足，提出融合边界处理机制的学习型麻雀搜索算法(HSSA)。使用Piecewise map初始化种群，提高种群的分散程度；使用排序配对学习与竞争学习策略分别更新跟随者和警戒者，确保各代的最优解信息能够引导下一代的位置更新；自适应的警戒者数量使得警戒者作用被强调，提供灵活的应变机制；根据不同阶段的寻优特点制定多策略边界处理机制，保留住种群数量的同时，为超出边界的个体提供更加合理的搜索位置。经过12个基准函数的仿真实验，并借助消融实验、Wilcoxon秩和检验等证明了HSSA在收敛速度上的稳定性和寻优的高效性。

• 单位
  江西理工大学