胡树斌,魏霖静

(1.甘肃农业大学 理学院,甘肃 兰州 730070;2.甘肃农业大学 信息科学技术学院,甘肃 兰州 730070)

0 引 言

群智能优化算法(Intelligence Optimization Algorithm,IOA)灵感来于自然界中物理现象或生物群体行为,可用于求解函数最优化问题,其方便易操作且处理问题高效,为解决某些实际应用问题提供了新的思路。Xue等人[1]受麻雀群体觅食活动启发,于2020年提出麻雀搜索算法(SSA)。试验表明,对比其他传统优化算法,它具有优化能力强、易于实现、调节参数较少的优势。然而SSA算法同样存在不足,如迭代过程中种群丰富性降低、早熟收敛、易陷入局部最优停滞。为进一步提升原算法的性能,吕鑫等人[2]借鉴鸟群算法思想,优化SSA算法的发现者和加入者迭代方式,并将改进算法应用于多阈值图像分割中,在减少分割时间的同时提升了分割精度。魏晓鸽等人[3]采用精英反向学习策略改善初始种群,发现者位置迭代更新引入正余弦算法及动态权重因子,最后将改进算法用于火灾路径规划。付华等人[4]首先通过立方混沌序列初始化麻雀种群,然后引入透镜成像反向策略提升初始解质量,借鉴鸡群算法优化跟随者位置更新方式,最后引入柯西-高斯变异策略对最优个体进行变异帮助算法脱离局部最优停滞状态。Yuan等人[5]使用重心反向学习策略改善初始种群质量,并用学习系数改善发现者位置变换方式提升算法全局寻优能力。Yan等人[6]将加入者追随发现者时进一步划分为全局与局部搜索,并通过观察超出边界个体的数量变化来验证可变螺旋因子与改进迭代搜寻策略的有效性。……