许 乐，莫愿斌,2+，卢彦越

(1.广西民族大学 人工智能学院，广西 南宁 530006；2.广西民族大学 广西混杂计算与集成电路设计 分析重点实验室，广西 南宁 530006；3.广西民族大学 化学化工学院，广西 南宁 530006)

0 引 言

目前，求解方程组的智能优化算法有环拓扑混合群体智能算法[1]、粒子群优化算法[2]、正余弦算法[3]、锥模型信赖域算法[4]以及布谷鸟算法[5,6]等，这些算法解决了很多科学、社会、工程等领域的复杂问题。

其中，海鸥优化算法(SOA)[7,8]是Dhiman G博士等提出的一种智能优化算法，通过模拟海鸥的生活习性(迁徙行为和攻击行为)而建立的数学模型，和其它智能优化算法进行比较，SOA算法的基本原理易懂，易于实现，具有全局搜索和局部搜索的能力等特点。但是，SOA算法也存在容易陷入局部最优、过早收敛以及求解精确度低的缺点，因此，许多学者进行了一系列的研究和改进。例如：文献[9]将改进的海鸥优化算法用于PEM燃料电池实验建模，提高了算法的性能。文献[10]将海鸥优化算法应用在四川盆地渝西区块H井区页岩气储层最优化测井解释中。

为解决基本的海鸥优化算法(SOA)存在的缺点，提出一种具有记忆功能的海鸥优化算法(MSOA)。该算法考虑到了海鸥具有记忆功能，即海鸥的前期搜索经验对后期搜索提供了一系列的支持。通过引入记忆功能来提高算法的求解能力和精确度，避免算法陷入局部最优。文中通过引入标准测试函数对MSOA算法进行性能的测试，同时引入了方程组进行仿真实验，通过算法之间的对比表明该算法在解的数量和质量上都具有优势，进一步验证了MSOA算法的寻优能力。……