张校非，白艳萍，郝 岩，王永杰

(中北大学 理学院,太原 030051)

改进的正弦余弦算法在函数优化问题中的研究

张校非，白艳萍，郝 岩，王永杰

(中北大学 理学院,太原 030051)

正弦余弦算法(SCA)是2015年提出的一种新型的群智能算法。针对标准正弦余弦算法局部搜索能力差、精度低的缺点，提出改进的正弦余弦算法(简称ISCA)。首先，引入动态惯性权重平衡算法的局部与全局搜索能力；然后，为更进一步加强迭代后期局部搜索能力，将参数r1由线性递减函数变成了指数型递减函数；最后，引入自适应变异因子，增强种群的多样性；最后，将改进的SCA算法对10个经典的单峰、多峰函数进行测试，并同标准SCA算法、粒子群算法(PSO)、遗传算法(GA)进行比较。实验结果表明：ISCA算法优于其他几种算法。

正弦余弦算法；动态惯性权重；指数递减参数；自适应变异因子；函数优化

目前，用群智能算法解决优化问题是一个十分活跃的研究领域[1]，而用于解决优化问题的群智能算法有很多，如遗传算法(GA)[2]、粒子群算法(PSO)[3-4]、人工蜂群算法(ACO)[5-7]、果蝇算法(FOA)[8-11]等。正弦余弦算法(SCA)[12]是一种新型的元启发试算法，它是建立在正弦余弦函数上的自组织和群智能基础上的数值优化计算方法。最先由Seyedali和 Mirjalili提出了正余弦概念的自组织模型。通常来说，群优化技术开始于一组随机解，这个随机解通过一个目标函数反复被评估，并且通过一组规则来提高，这是优化技术的核心。因为基于群的优化技术随机寻找优化问题的最优解，所以不能保证再一次运行中找到最优解。……