基于混沌映射与高斯扰动的蝙蝠优化算法

该文针对蝙蝠算法求解精度低、易陷入局部最优的问题,提出一种基于混沌映射与高斯扰动的蝙蝠优化算法。采用Tent映射产生混沌序列并进行种群初始化,提高了种群多样性与全局寻优能力。在当前全局最优位置添加高斯扰动,避免算法过早陷入局部最优。为验证改进算法的有效性,选用10个不同维度的基准测试函数,与3种已有的蝙蝠算法进行比较。试验结果表明,改进后的算法在寻优精度、收敛速度和稳定性方面明显高于另外3种算法。