李大海，刘庆腾，王振东

(江西理工大学 信息工程学院，江西 赣州 341000)

0 引 言

目前，越来越多的非线性、高维度的工业类优化问题已难以使用传统优化方法进行求解。随机搜索算法因为其易于实现，并且具有的灵活性、以及高效性，正被越来越广泛的应用于此类优化问题。

阴阳对算法(Yin Yang pair optimization，YYPO)是Punnathanam等[1]受中国古代阴阳平衡思想启发提出的一种轻量级单目标随机搜索算法，其基于阳点(P1)和阴点(P2)的两点的交换实现搜索。YYPO算法的优点是设置参数较少，时间复杂度相对较低，缺点是在求解复杂困难的优化问题时，易早熟收敛。

目前已有诸多YYPO的改进算法被提出。Punnathanam和Debasis等[3]提出的改进阴阳对优化算法一定程度上提高了算法的收敛性能，但同样存在对于优化复杂问题时易早熟收敛的缺陷。Song等[4]提出了一种改进阴阳对算法3D-YYPO(3 dimensional Yin Yang pair optimization)提高了算法的收敛速度。李大海等[5]提出的改进阴阳对算法YYPO-SA(Yin Yang pair optimization with simulated annealing)，实验结果表明YYPO-SA在统计学意义上拥有更稳定求解的能力以及更高的计算精度，并且YYPO-SA1比YYPO-SA2具有轻微的性能优势。

本文提出了一种基于YYPO-SA1的改进阴阳对算法YYPO-TP。YYPO-TP采用了以下的2个改进措施：

(1)引入Tent混沌机制优化P1和P2两点的初始位置的分布。其目的是使生成的P1和P2两点初始分布更加均匀，以增强算法的全局搜索能力，从而提高算法的性能。

(2)引入关于P1和P2两点的基于维度学习策略的新分割方式。新分割方式舍弃了原YYPO算法中使用的单向分割与D向分割方式，引入类似于PSO算法中的全局最佳粒子和局部最佳粒子，并使用维度学习策略以等概率进行正向搜索和反向搜索进行P1和P2两点的分割更新。……