冯柯茹

(达州职业技术学院，四川 达州 635000)

1 概述

樽海鞘群算法(Salp Swarm algorithm,SSA)是由澳大利亚学者Mirjalili等人于2017年提出的一种新型启发算法[1]。SSA算法具有概念易理解、参数设置少、计算量少等优点，目前已成功应用在特征选择、电机参数辨识[2]、图像处理等领域。然而，基本的SSA算法和大多数群体智能算法一样，仍存在搜索过程中全局探索和局部开发能力难以协调，迭代后期多样性丧失易于陷入局部最优，使得算法求解精度低和收敛速度慢等缺陷。为了解决标准SSA算法存在的局限性，本文提出了一种多追随和交叉进化的樽海鞘群算法(MCSSA)。

2 标准樽海鞘群算法

3 樽海鞘群算法的改进

3.1 佳点集的种群初始化

对于群体优化算法，文献[3]指出初始个体的优劣将直接影响到算法的收敛速度和寻优精度，在搜索空间内均匀分布的初始种群，能够有效提高算法的寻优效果。优化算法的初次迭代前，由于没有任何的先验知识，通常采用随机分布的方式初始化种群，无法保证个体在搜索空间中的均匀分布。为了改善初始种群分布，本文采用佳点集的方法来初始化樽海鞘群体。

佳点集最早由华罗庚等[4]提出，其定义和构造方法为：设在s维欧式空间中的单位立方体Gs，令r∈Gs，则点集

3.2 多追随策略

为了改善SSA算法中领导者的领导能力和种群的多样性，本文提出采用多条相对较短的樽海鞘链追随多个领导者的多追随策略。将樽海鞘中的领导者进一步划分为不真正引领追随者的自由领导者和真正引领追随者的实际领导者。……