多策略融合的随机自适应引力搜索算法

针对标准引力搜索算法存在的收敛速度过快、探索能力较弱以及容易陷入局部最小区域等问题,提出了一种改进的随机自适应引力搜索算法(RSGSA)。首先,引入随机策略以改进引力常数,从而提高算法在迭代初期的全局探索能力,避免过早收敛。其次,利用混沌序列提升总作用力的随机性和遍历性,增强算法的突变能力。最后,在粒子速度更新中引入自适应权重,并在粒子位置更新中引入随机变量,以平衡算法的全局探索能力和局部挖掘能力。通过对多个基准函数进行仿真测试,并与其他智能优化算法进行对比,实验结果表明,随机自适应引力搜索算法在解决复杂基准函数时的寻优精度较引力搜索算法提高了约10个数量级。