计算机科学与探索

作者：李光阳, 潘家文, 钱谦, 殷继彬, 伏云发, 冯勇

单位：1. 昆明理工大学 信息工程与自动化学院，昆明 6505002. 昆明理工大学 云南省计算机技术应用重点实验室，昆明 6505003. 中国农业大学 信息与电气工程学院，北京 100083

关键词：麻雀搜索算法（SSA）,黄金正弦算法,高斯变异,多混沌学习机制,重心反向学习策略（COBL）

针对麻雀搜索算法（SSA)易受初始解的影响陷入局部极值、迭代后期收敛速度慢等缺陷，提出了一种融合学习机制的多混沌麻雀搜索算法（MMCSSA）。首先，引入重心反向学习策略（COBL）生成精英种群增强对多源优质搜索区域的勘探能力，提升算法的局部极值逃逸能力和收敛性能。其次，提出一种动态调整的黄金正弦领导策略并嵌入SSA中以改善发现者的搜索方式，增强算法的全局搜索能力。然后，提出一种基于学习机制的多混沌映射策略，该机制利用多混沌多扰动模式的特性，通过动态调用不同混沌映射赋予算法不同类别的扰动特征。混沌扰动失败时，引入高斯变异策略对当前解进行深度开发，两种策略协同作用，相互促进，极大增强了算法逃逸局部最优的能力。最后，将所提算法应用于12个不同特征的基准函数进行实验，结果表明与其他算法相比，MMCSSA在收敛精度、寻优速度和鲁棒性方面有更好的表现。

来源：2023年第5期

《计算机科学与探索》期刊编辑部

查看计算机科学与探索杂志2023年第5期