基于双高斯函数的一种高效鸟群优化算法

针对采用鸟群算法求解实际问题中的复杂函数时存在易陷入局部最优、学习能力差、缺乏收敛性理论分析等问题,提出基于双高斯函数的一种高效鸟群优化算法。该算法增加了鸟群的挑食行为,巧妙地避免初始寻优值易陷入局部最优点或鞍点的问题。同时,通过构建智能学习行为提高算法的自适应学习能力;然后构建双高斯函数更新法提高种群的多样性以增强算法全局搜索能力;最后,对于高效鸟群优化算法,给出时间复杂度分析。对多种标准测试函数进行仿真实验,实验结果表明,对于复杂函数优化,高效鸟群优化算法在达到收敛时其迭代次数相对基本鸟群算法减少50%左右,寻优成功率提高10%左右。