常 青，贺兴时

（西安工程大学理学院，陕西西安 710048）

基于t分布变异的蝙蝠算法

常 青，贺兴时

（西安工程大学理学院，陕西西安 710048）

为了进一步提高BA算法的性能，提出一种基于t分布变异的蝙蝠算法（TMBA）.该算法通过对最优的蝙蝠个体进行高斯变异，对非最优蝙蝠个体进行自适应t分布变异，使得算法在进化初期具有良好的全局探索性，而在进化后期具有较优的局部开发性.通过选取6个典型函数对BA、ABA和TMBA进行对比实验，结果表明TMBA优于BA、ABA.

蝙蝠算法；t分布变异；高斯变异

0 引 言

蝙蝠算法是基于微蝙蝠回声定位行为提出的一种元启发式算法，并已广泛地应用于复杂优化问题.蝙蝠算法（Bat Algorithm，BA）［1］是2010年由Yang提出的一种基于种群随机寻优的全局优化算法.由于该算法模型简单，收敛速度快，已广泛应用于多目标优化［2］、工程优化［3］等问题中.为了进一步提高算法的性能，国内许多学者对蝙蝠算法进行了改进.文献［4］开发了一种混合蝙蝠乍法，使用差分进化作为蝙蝠算法局部搜索的一部分，改进了该算法.文献［5］将蝙蝠算法与和声搜索结合，产生了用于函数基准数值优化的混合蝙蝠算法.文献［6］将模拟退火的思想引入到蝙蝠优化算法中.这些改进算法在不同程度上提高了算法的性能.但是，针对高维目标函数的改进方法，目前成果较少.

本文针对BA易早熟，对高维函数寻优精度低等缺陷，在分析原有算法优化机理的基础上，提出一种基于自适应t分布变异的蝙蝠算法，在优……