赵玉强，钱 谦，周田江，伏云发

1(昆明理工大学 信息工程与自动化学院，昆明 650500) 2(云南省计算机技术应用重点实验室，昆明 650500)

1 引 言

近年来，众多模拟自然界生物行为和物理变化特性的智能优化算法[1]被相继提出，这些算法的问题依赖度低且易于实现，一经提出便受到广泛关注.天牛须搜索算法(Beetle Antennae Search Algorithm,BAS)[2]是2017年提出的模仿甲虫类(以天牛为例)生物觅食过程的智能优化算法，该算法基于单个体搜索，结构简单，在求解单峰值问题时有较好的收敛速度和求解精度，在许多领域中得到广泛应用[3-5].但是，BAS算法是单个个体搜索，并非群体寻优，所以该算法缺乏一定的多样性，在后期寻优中容易陷入局部最优值，不利于复杂问题的求解，因此，许多学者对其进行了改进，文献[6]将单个体搜索变成群体搜索来提高寻优能力，将BAS算法与花朵授粉算法结合提出了BASFPA算法，文献[7]将BAS算法与神经网络结合用于预测风暴潮灾害并取得了一定成果.遗传算法(Genetic Algorithm,GA)[8]是一类理论较为完备的仿生优化算法，大部分的研究围绕在如何平衡对现有解的挖掘和对未知解的探索上，因为这很大程度上决定着种群的多样性，进而对算法的寻优能力和寻优速度产生重要的影响，现有文献对GA的改进主要体现在对选择、交叉和变异算子的改进上[9-11]，但这些改进往往依赖给定的某些参数或执行顺序，这使算法对某些临界参数比较敏感且不容易控制，反而有可能让算法陷入混乱的状态，为此……