改进的基于差分进化的群集蜘蛛优化算法

• 作者: 向蕾 鲁海燕 胡士娟 沈莞蔷
• 来源期刊: 传感器与微系统
• 关键词: 群集蜘蛛优化算法 差分变异算子 无约束优化 惯性权重 学习因子
• 年，卷（期）: 2021,（6）
• 所属期刊栏目: 计算与测试|Calculation & Test
• 页码范围: 121-125,132
• 页数: 6页
• 分类号: TP301
• 语种: 中文
• DOI: 10.13873/J.1000-9787(2021)06-0121-05

摘要

为了克服群集蜘蛛优化(SSO)算法易陷入局部极值和收敛速度慢等缺陷,提出了一种融合差分进化和粒子群优化算法搜索机制的改进群集蜘蛛算法.在群集蜘蛛算法中引入差分变异算子,让部分雌蜘蛛进行由种群中全局最优个体和两个随机个体所引导的变异,从而增加种群多样性,提高算法跳出局部最优解的能力.另外,在上述改进的基础上,借鉴粒子群优化算法的搜索机制,在位置更新公式中添加一组动态的非线性惯性权重及学习因子,以更好地平衡算法的局部和全局搜索能力.实验结果表明:改进的群集蜘蛛算法具有更快的收敛速度和更好的求解精度.