基于多个改进策略的增强麻雀搜索算法

针对麻雀搜索算法(SSA)存在寻优精度不高且易陷入局部最优的问题,提出一种基于多个改进策略的增强麻雀搜索算法(EMISSA)。首先,为平衡算法的全局和局部搜索能力,引入模糊逻辑来动态调整麻雀发现者的规模;其次,对麻雀跟随者进行混合差分变异操作以产生变异子群,从而增强EMISSA跳出局部最优的能力;最后,通过拓扑对立学习(TOBL)产生当前麻雀发现者个体的拓扑对立解,以充分挖掘搜索空间内的优质位置信息。通过2013年进化计算大会(CEC2013)中的12个测试函数评估EMISSA、标准SSA以及混沌麻雀搜索优化算法(CSSOA)等改进麻雀算法的性能。实验结果表明,EMISSA在30维情况下,在12个测试函数上获得了11个第一;在80维情况下,在所有的测试函数上都获得了第一。而在Friedman检验中,EMISSA的排名均获得了第一。将EMISSA应用于障碍物环境下的无线传感器网络(WSN)节点部署,实验结果表明,相较于其他算法,EMISSA获得了最高的无线节点覆盖率,节点分布更均匀,覆盖冗余更少。

混合策略改进的麻雀搜索算法及其应用

针对麻雀搜索算法(sparrow search algorithm,SSA)在优化过程中易陷入局部最优、寻优精度低等问题,提出了一种混合策略改进的麻雀搜索算法(MSSA)。为了使麻雀个体在搜索空间中能够进行充分搜索,在算法寻优过程中引入存档阶段去接收麻雀发现者向安全区域移动时可能被捕获而残留的位置信息;在算法的迭代过程中对当前最优个体作自适应邻域搜索,通过充分探索优质个体周围的位置信息来增强算法跳出局部最优的能力。通过九个基准测试函数进行性能评估,将MSSA、SSA以及四个改进的麻雀搜索算法,即混沌麻雀搜索算法、混合策略改进的麻雀搜索算法、改进的麻雀搜索算法、增强型的麻雀搜索算法,进行性能评测比较。实验结果表明,MSSA相较于其他对比算法在近80%的测试函数上都有更好的收敛精度和稳定性,并且在Friedman检验中MSSA的排名均获得了第一。最后,将MSSA应用于障碍物环境下的无线传感器网络(wireless sensor network,WSN)覆盖优化问题,MSSA比五个对比算法的覆盖率分别提高了9.77%、4.25%、6.62%、3.02%、7.38%。

求解多峰目标函数的改进阴阳对算法

针对阴阳对优化算法(YYPO)在优化多峰目标函数时存在收敛速度过快和收敛精度过低等问题,提出了一种融合差分变异策略和高斯分布扰动的D向分割方法改进的阴阳对算法MYYPO。首先,MYYPO在算法的分割阶段引入了结合自适应变异因子的差分变异操作,以提高候选解的多样性并增强算法的全局探索能力。其次,利用改进的D向分割方法进行候选解的更新,提高算法面对高维目标函数的搜索能力。实验采用CEC2013进化大会中的20个测试函数对各算法的性能进行评估。实验结果表明,MYYPO在多峰函数的优化上可以获得更好的收敛精度和更好的全局搜索能力,在大多数情况下都优于标准YYPO和YYPO的其他改进算法。最后,将MYYPO应用于一个电液位置伺服控制系统的PID参数优化问题,MYYPO也获得了最好的结果。