蔡艺君，贺兴时，杨新社

(1.西安工程大学 理学院，陕西 西安 710048；2.密德萨斯大学 科学与技术学院，英国 伦敦 NW4 4BT)

0 引 言

在经济社会和自然科学等领域中都存在复杂优化问题，而传统的优化方法如牛顿法、共轭梯度法等在解决这些问题时存在一定局限性。为此，科研工作者通过模拟生物群体行为设计了大量群智能算法[1],如粒子群算法[2]、蚁群算法[3]、蝙蝠算法[4]、布谷鸟算法[5]等。这类算法在过去的二三十年里得到了迅速发展，并且已经在数据挖掘、工程技术、能源、网络、经济、医学等多个领域得到了广泛应用。

樽海鞘是一种类似水母的海洋生物，它们通常首尾相连形成樽海鞘链在海洋中移动和觅食。受此启发，MIRJALILI等提出了樽海鞘算法(salp swarm algorithm，SSA)[6]。相比于其他群智能算法，该算法具有模型简单、参数少、易实现等优点，自提出以来受到了国内外学者的广泛关注，目前已被成功应用在特征选择[7]、图像处理[8]、混合动力系统[9]、目标分类[10]等领域中。

虽然SSA对大多数优化问题具有很强的求解能力，但在解高维复杂函数优化问题时存在收敛速度慢、寻优精度低、易陷入局部最优的缺点。为此，许多科研工作者针对该算法的不足做了相应改进。文献[11]提出一种基于混沌的SSA，利用混沌映射产生的混沌数代替原有的随机数，在一定程度上解决了算法易陷入局部最优、收敛速度慢的缺点，并将其应用于特征选择问题；文献[12]提出了一种增强型的SSA，并将其应用于变速风力发电机；文献[13]在SSA领导者位置更新公式中引入莱维飞行策略，提升了算法的全局搜索能力和收敛速度；……