黄金彪，白润才，刘光伟，王 东，刘 威，付 杰

（1. 辽宁工程技术大学 矿业学院，辽宁 阜新 123000；2. 宁夏煤炭基本建设有限公司，宁夏 银川 750004； 3. 辽宁工程技术大学 辽宁省高等学校矿产资源开发利用技术及装备研究院，辽宁 阜新 123000； 4. 辽宁工程技术大学 理学院，辽宁 阜新 123000）

0 引言

随着科学研究与计算工程的发展，分类问题在金融业、医疗诊断、互联网信息挖掘等领域日益突出.BP神经网络因其本身具有非线性映射能力、自适应和自学习能力以及强大的泛化性能等优势，在许多工程领域广泛使用[1]．然而，随着应用范围不断扩大，BP神经网络的局部极小化、收敛速度慢,以及预测、预训练能力矛盾等问题不断暴露．因此，如何获取一种高质量的BP神经网络，使分类问题效率有效提升显得尤为重要．

麻雀优化算法（Sparrow Search Algorithm， SSA）是由XUE J K[2]等提出的一种新型群智能优化算法，灵感来自于麻雀觅食以及逃避捕食者的行为.其优势在于算法含有侦察预警机制，具有良好的全局搜索能力.目前关于麻雀算法的改进多集中在初值的初始化阶段引入混沌映射、在搜索过程中引入正弦搜索策略、在变异方法中利用自适应t分布进行变异，对个体位置进行扰动以跳出局部最优等[3-5]，但在算法的收敛速度与精度上还有待提高．

由于麻雀搜索算法优化性能差，提出一种改进麻雀搜索算法（Coyote Genetic Sparrow Search Algorithm，CGSSA）.采用动态预警机制和震荡衰减选择变异机制结合，增强SSA算法逃逸局部极值与加快收敛的能力；然后再将该算法……