张小萍, 谭欢

(1. 广西大学 计算机与电子信息学院， 广西 南宁，530004;2.中国移动通信集团广西有限公司，广西 南宁 530022)

1 引言

优化问题是工程数学中的普遍适用性问题，由于其使用的广泛性和多样性一直都是研究领域中的热点.优化的方法大致可以分为两类：确定性优化方法和随机优化方法.确定性优化方法对应用条件的要求非常严格，只能用于小规模的优化问题，对于大规模的优化问题一般使用的是随机优化方法[1].在随机优化方法中，群智能优化算法近年来得到了快速的发展，出现了许多优秀的算法，包括粒子群算法(PSO)[2]、树种算法(TSA)[3]、灰狼算法(GWO)[4]和乌鸦算法(CSA)[5]等，这些算法被广泛应用到图像分割[6]、软件工程测试数据生成[7]和SVM参数优化[8]等领域，获得了良好的效果.

蝴蝶优化算法(BOA)[9]的基本思想是模拟蝴蝶觅食的过程，该算法的参数较少，迭代过程简单易于实现，而且可以获得较高的求解精度；但蝴蝶优化算法存在收敛速度较慢，容易陷入局部最优解的问题，因此需对其进行改进，以提高算法的全局搜索能力和收敛速度.文献[10]提出的改进算法(AGSABOA)在全局位置更新处融入收敛因子并结合黄金正弦指引机制来改善迭代后期种群多样性的下降，提高全局搜索的范围.文献[11]使用cubic混沌映射初始化种群，并将粒子群算法和蝴蝶算法结合(HBOAPSO).上述算法的种群多样性和全局搜索能力都获得了提高，但仍存在迭代后期种群多样性不足和难以平衡全局搜索……