-
题名融合学习机制的多混沌麻雀搜索算法
被引量：6
- 1
-
-
作者
李光阳
潘家文
钱谦
殷继彬
伏云发
冯勇
-
机构
昆明理工大学信息工程与自动化学院
昆明理工大学云南省计算机技术应用重点实验室
中国农业大学信息与电气工程学院
-
出处
《计算机科学与探索》
CSCD
北大核心
2023年第5期1057-1074,共18页
-
基金
国家自然科学基金(32060193)
云南省科技厅基础研究专项(202101AT070082)
云南省计算机技术应用重点实验室开放基金。
-
文摘
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。
-
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)
-
Keywords
sparrow search algorithm(SSA)
golden sine algorithm
Gaussian mutation
multiple chaotic learning mechanisms
centroid opposition-based learning strategy(COBL)
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
