具有自适应步长的柯西变异乌鸦算法

针对乌鸦算法收敛速度慢、容易陷入局部最优的问题,提出了一种具有自适应步长的柯西变异乌鸦算法(Cauchy mutation crow search algorithm with adaptive step size,CMCSA),对标准乌鸦算法中两种情况下的位置更新策略进行了改进。在每次迭代时,利用柯西变异优化gbest来增强全局搜索能力和增大变异范围,以提高种群多样性,避免陷入局部最优;引入判别概率,在引导者发现自己被跟随的情况下优化当前个体的位置更新策略;根据当前位置和引导者之间的位置距离,自适应地调整步长,使算法平稳快速地收敛到全局最优,从而控制搜索速度和精度,有效弥补了标准CSA寻优方式的盲目性和收敛速度慢的缺陷。为评价CMCSA算法的有效性,将其应用于10个基本测试函数进行寻优实验,并与其他8种智能优化算法进行比较。实验结果表明,所提算法的平均收敛性和鲁棒性都优于其他算法,寻优平均值和标准差的平均排名均为第一,总体性能良好。