基于多阶段调度框架的麻雀搜索优化算法

本文提出一种多阶段调度框架,实现对麻雀种群的初始位置、觅食、侦查与反捕食不同阶段的多策略调度.利用Halton序列与Tent映射提升种群个体质量与初始位置的分布均匀性.在觅食阶段,针对发现者与加入者因位置争夺导致种群质量劣化,设计最佳适配比调控二者数量关系,对超出适配比的加入者采用碰撞反弹算子改变其优化轨迹.满足适配比后则通过侦查判断是否存在天敌,若有则进入反捕食阶段,并利用Levy飞行并结合指数分布设计随机迁移机制,生成潜在的全局最优解区域;当连续多次没有发现天敌时为避免种群陷入局部极值,建立模拟预警机制并采用蝗虫算法进行多路径开发,避免寻优方向单一化.不同策略与机制的交替运行、协同调度,平衡了算法的多样性与收敛性.实验结果表明,与最近麻雀变体算法和元启发改进算法相比,该算法在寻优效率与收敛精度上显著优于对比方法.