张 娜，贺兴时

(西安工程大学 理学院，陕西 西安 710048)

0 引 言

在科学技术飞速发展推动下，生产实践中面临的最优化问题的复杂度成倍增长。在探寻优化问题求解的过程中，大量群体智能算法[1-3]得以发展并广泛应用于科学研究和工程应用等领域。

正弦余弦算法(SCA)[4]是2016年澳大利亚学者Seyedali 和Mirjalili提出的一种新型智能算法。该算法将迭代过程归纳为全局搜索和局部开发2个过程。针对2个具体的过程加入不同的扰动，通过重复迭代找寻最优解。该算法参数少、结构简单、易于实现，因而得以广泛发展和应用。目前，SCA已经被用于资源配置[5]、调度问题[6]、电力系统优化[7]等组合优化问题。

正余弦算法(SCA)自身也存在缺点，如局部搜索能力差、迭代后期收敛过慢、易陷入局部最优等。对此，诸多学者从简化算法、调整参数、融合其他算法等方面提出了不同的改进策略。曲良东等为简化算法，将算法调整为正弦算法(SA)，虽然降低了算法复杂度但牺牲了部分精度[8]；刘勇等提出转换参数非线性递减的正弦余弦算法(PSCA)，在一定程度上提高了计算精度和收敛速度[9]；徐松金等在算法中引入惯性权重和反向学习策略，提出一种改进的正余弦算法(ISCA)，提升了算法性能，特别是提高了高维函数求解的精度，但算法在迭代后期易陷入局部最优[10]；王蕾等将正余弦算法改进后嵌入花粉算法，利用正弦和余弦对花粉个体进行优化，提出一种融合正弦余弦算法的花授粉算法，提升了算法寻优精度[11]；……