一种多策略改进的沙猫群优化算法

https://elibrary.ru/SEDEZT

Аннотация

为了克服标准沙猫群优化算法开发能力短板, 避免其容易陷入局部最优的缺陷, 本文提出了一种融合多种策略的改进沙猫群优化算法 (MSISCSO). 首先, 使用 Sin-Tent-Cos 混沌映射初始化沙猫群初始个体, 增加沙猫初始种群多样性; 其次, 引入浣熊优化算法第一阶段全局开发策略进行沙猫位置更新, 增强其开发阶段收敛速度; 再者, 引入纵横交叉策略代替沙猫群探索阶段的位置更新公式, 增强其跳出局部最优的能力; 最后对沙猫群进行自适应 t 分布扰
动, 进一步增强其全局探索能力. 在6 个测试函数使用 MSISCSO 与其它 5 种算法上进行对比测试, 结果表明 MSISCSO 算法在6 个测试函数上均具有更快的收敛速度和收敛精度. 最后将 MSISCSO 算法用于解决弹簧设计问题, 表明改进后算法可以解决复杂的工程优化问题.