混合随机反向学习和高斯变异的混沌松鼠搜索算法

FENG Zengxi,HE Xin,CUI Wei,ZHAO Jintong,ZHANG Maoqiang,YANG Yunyun

wf（2023）

引用 0|浏览10

暂无评分

摘要

针对松鼠搜索算法(SSA)易陷入局部最优、过早收敛等问题,提出一种混合随机反向学习和高斯变异的混沌松鼠搜索算法(RGCSSA).该算法通过Tent混沌映射初始化策略生成混沌初始种群,增强初始种群分布的均匀性,实现对解空间更高效的搜索;采用非线性递减的捕食者概率策略,平衡SSA的全局搜索和局部开发能力;利用位置贪婪选择策略在迭代过程中不断保留种群中的优势个体,以提升算法收敛速度;引入随机反向学习和高斯变异策略,在增加种群多样性的同时提高算法跳出局部最优的能力.使用10个不同的基准测试函数进行仿真实验,并利用Wilcoxon符号秩检验验证所提算法的寻优性能,结果表明,RGCSSA算法在求解精度、收敛速度和稳定性等方面均有极大提升.

查看译文

关键词

squirrel search algorithm,Tent chaotic map,random opposition-based learning,Gaussian mutation,Wilcoxon’s signed rank test

AI 理解论文

溯源树

样例

生成溯源树，研究论文发展脉络

Chat Paper

正在生成论文摘要