计算机科学与探索

作者：毛清华, 张强

单位：燕山大学 经济管理学院，河北 秦皇岛 066004

关键词：麻雀搜索算法,Sin混沌,自适应,柯西变异,反向学习

针对基本麻雀搜索算法在迭代后期种群多样性减小，容易陷入局部极值的问题，提出一种融合柯西变异和反向学习的改进麻雀算法（ISSA）。首先，采用一种映射折叠次数无限的Sin混沌初始化种群，为全局寻优奠定基础；其次，在发现者位置更新方式中引入上一代全局最优解，提高全局搜索的充分性，同时加入自适应权重，协调局部挖掘和全局探索的能力，并加快收敛速度；然后，融合柯西变异算子和反向学习策略，在最优解位置进行扰动变异，产生新解，增强算法跃出局部空间的能力；最后，与3种基本算法和2种改进的麻雀算法进行对比，对8个基准测试函数进行仿真实验以及Wilcoxon秩和检验，评估ISSA的寻优性能，并对ISSA进行时间复杂度分析。结果表明ISSA与其余5种算法相比，收敛速度更快，精度更高，全局寻优能力得到较大提升。

来源：2021年第6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2021年第6期