韩斐斐 刘升 王兴凡

文章编号： 2095-2163（2018）03-0122-06中图分类号： 文献标志码： A

摘要： 关键词： （School of Management Shanghai University of Engineering Science， Shanghai 201620， China）

Abstract： Bat Algorithm （BA） is a novel random search optimization algorithm. In order to overcome the shortcomings of slow convergence speed and poor optimization accuracy of bat algorithm， bat algorithm （SCABA） based on sine cosine is proposed， In the later iteration， the sine cosine operation is introduced to update the current individual position of the bat， thereby enhancing the diversity of the population， avoiding the algorithm getting into the local optimum and enhancing the global optimization ability of the algorithm. The improved algorithm， MFBA and basic BA are tested by six standard test functions. The simulating results show that the improved algorithm is feasible and effective. Compared with the basic BA algorithm， the convergence precision and robustness have been greatly improved .

Key words：

基金項目：

作者简介：

通信作者：

收稿日期： 引言

优化问题广泛存在于科学研究和工程优化等领域，传统的优化方法已经不能满足解决复杂优化问题的需要。受自然界生物群体智能行为和自然界进化规律的启发，国内外学者们提出了多种基于仿生学的群体智能优化算法，如蚁群算法（Ant Colony Algorithm，ACA）[1]来自于蚁群寻找食物的行为，蚂蚁根据信息素的浓度选择觅食路径；粒子群算法（Particle Swarm Optimization， PSO）[2]的基本思想来源于鸟群的信息交流和觅食行为；入侵杂草优化（Invasive Weed Optimization，IWO）[3]算法模拟自然界中杂草的入侵繁殖、空间扩散和优胜劣汰法则；花授粉算法（Flower Pollination Algorithm ， FPA）[4]模拟异花授粉为全局寻优，自花授粉为局部寻优。群智能算法已成为了智能优化领域的研究热点和重要研究方向，并广泛应用于大数据处理[5]、组合优化[6]、文本聚类[7]等领域。

2010年，学者Yang提出了蝙蝠算法[8]，其模拟自然界中蝙蝠利用回声定位机制寻找猎物的特性，是在特定理想化规则下简化而来的一种全局优化算法。目前，BA作为一种新的群智能优化算法，已成功用于路径规划[9]、图像压缩[10]、生产调度[11]等问题中。蝙蝠算法模型简单、算法参数少、通用性强，但也存在易陷入局部最优、收敛精度低、算法后期收敛速度慢等不足，针对这些不足，国内外众多学者根据不同的改进策略对其进行改进，文献[12]把差分进化算法中的变异、交叉、选择机制应用于蝙蝠算法，使蝙蝠算法具有变异机制，增强了算法的寻优能力；……