多策略融合的黄金正弦布谷鸟搜索算法

针对布谷鸟搜索算法(CS)后期收敛速度慢、易陷入局部最优等缺陷,提出一种多策略融合的黄金正弦布谷鸟搜索算法(GSACS)。将拉丁超立方体抽样方法用于初始化种群,增强布谷鸟搜索算法的种群多样性;利用改进的双曲正切概率替代布谷鸟搜索算法的发现概率,有效地保证全局和局部寻优能力的平衡,进一步提高算法寻优能力;引入黄金正弦算法改进随机偏好游走的更新公式,以增强跳出局部最优的能力。将GSACS与布谷鸟搜索算法(CS)、自适应布谷鸟搜索算法(ASCSA)、蝙蝠算法(BAT)、萤火虫算法(FPA)在6个基准测试函数进行仿真实验对比,结果表明多策略融合的黄金正弦布谷鸟搜索算法(GSACS)具有更好的性能。