混合策略改进的蝴蝶优化算法

针对蝴蝶优化算法存在的求解精度低、易陷入局部最优等缺陷,提出混合策略改进的蝴蝶优化算法。首先,利用Circle映射初始化蝴蝶个体的位置,增加初始个体的多样性;其次,在局部搜索阶段利用动态切换概率控制改进正弦余弦算法与蝴蝶优化算法的转换,充分利用少量的蝴蝶个体,增强算法的局部开发能力;然后,在全局和局部位置更新处引入自适应余切权重系数,控制蝴蝶个体下一代的移动方向和距离,提高算法的收敛速度和精度;最后,引入逐维变异策略,对全局最优位置变异,引导种群向最优位置进化,避免陷入局部最优。对八个基准函数进行仿真实验,结果表明,改进算法的收敛性能更佳,与其他改进算法相比具有一定的竞争力。

t-分布扰动策略和变异策略的花授粉算法

为了解决传统花授粉算法(FPA)收敛速度慢、易陷入局部最优、寻优精度低等缺陷,提出了一种t-分布扰动策略和变异策略的花授粉算法(t MFPA).首先利用混沌映射初始化花朵个体的位置,然后在全局授粉过程中,利用t-分布扰动的随机个体和莱维飞行共同实现个体位置更新,加快收敛速度的同时提高搜索空间的多样性;在局部授粉过程中,加入具有两个差分向量的变异策略和小概率策略,结合两种策略使算法能够跳出局部最优.实验结果表明,t MFPA相比于FPA和其他启发式智能算法具有更好的寻优精度和收敛速度,相对于其他改进算法具有更好的收敛性能.

基于混沌的正余弦鲸鱼优化算法

为了改善鲸鱼优化算法(WOA)的不足,如容易陷入局部最优,收敛速度慢等问题,本文提出了改进鲸鱼优化算法。首先,通过混沌Tent映射随机生成算法的初始种群位置,让种群分布更均匀,加快算法的收敛速度;其次,将正余弦算法与鲸鱼优化算法融合,对领导者位置进行筛选,一定程度上避免了算法容易早熟的缺陷;最后,提出自适应策略,保留了鲸鱼优化算法优越性的同时,加入惯性权重,以平衡算法全局探测和局部寻优的能力。实验部分通过对基准函数仿真、使用Wilcoxon检验和MAE等方法来评价改进算法的性能。仿真结果表明:本文所提改进算法具有良好的有效性和优越性。