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
更新时间:
为了改善麻雀搜索算法(SSA)初始阶段种群分布不足和优化过程中易受局部最优解干扰的问题,提出了一种结合边界处理机制的学习麻雀搜索算法,简称HSSA。首先,利用Piecewise-map对种群进行初始化,以改善种群的分散性。其次,采用排名配对学习和竞争学习策略分别对关注者和警戒者进行更新,以确保每一代的最优解信息能够指导下一代的位置更新。同时,警员数量的适应性使警员的作用得到了强调,并提供了灵活的反应机制。最后,根据不同阶段的优化特点,建立了多策略边界处理机制,以保留种群,并为边界外的个体提供更合理的搜索位置。通过对12个基准函数的模拟实验,结合烧蚀实验和Wilcoxon秩和检验,证明了HSSA在收敛速度和优化效率上的稳定性。