李守玉，何 庆，杜逆索

1.贵州大学 大数据与信息工程学院，贵阳550025

2.贵州大学 贵州省大数据产业发展应用研究院，贵阳550025

蝴蝶优化算法（Butterfly Optimization Algorithm，BOA）[1]是由Arora和Singh两位学者于2019年提出的一种基于全局优化的新型蝴蝶算法。尽管BOA算法提出的时间短，但其展现出的优势不仅与较成熟的粒子群算法（Particle Swarm Optimization，PSO）[2]、遗传算法（Genetic Algorithm，GA）[3]有一定可比性，与新型的元启发式算法，如樽海鞘算法（Slap Swarm Algorithm，SSA）[4]、鲸鱼算法（Whale Optimization Algorithm，WOA）[5]、正弦余弦算法（Sine Cosine Algorithm，SCA）[6]及蚁狮算法（Ant Lion Optimizer，ALO）[7]也具有可比性。同时，蝴蝶优化算法也被应用于一些工程领域。

BOA算法根据仿生学原理得来，其原理简单，参数少，易于实现，但也存在寻优精度低、收敛速度慢以及易陷入局部最优等问题。因此，许多学者不断对BOA 算法进行改进。文献[8]在BOA 算法的基础上，引入学习自动机，通过矫正蝴蝶的行为来提高平衡全局搜索和局部搜索的能力。文献[9]引入混沌映射来提高算法的收敛速度和跳出局部最优的能力，但其寻优精度依然不高。文献[10]提出一种自适应的蝶形优化算法，通过改变感官模态的方式获得比原始算法更好的效果。文献[11]通过将BOA 和ABC 两种算法的优点结合使用来达到探索与开发平衡的目的。文献[12]将交叉熵方法引入到BOA 算法中，利用协同进化技术增强算法的全局搜索能力，避免算法陷入局部最优。尽管对BOA 的寻优能力有所提升，但在平衡全局搜索和局部搜索能力、容易陷入局部最优、收敛速度慢等方面仍需要大量的深入研究。

本文针对BOA 算法所存在的问题进行改进，提……