融合排序弹性碰撞的改进麻雀搜索算法

为了改善麻雀搜索算法(SSA)种群初始化结果不充分导致多样性丧失,勘探和开采过程中易受到个别位置信息干扰影响寻优精度等缺点,提出了融合排序弹性碰撞的新型麻雀搜索算法(XSSA)。首先,采用改进的无限折叠迭代混沌映射(ICMIC)初始化种群,提升了初始种群分布的分散程度;其次,使用高斯随机游走策略平衡算法的探勘和开发能力;此外,在发现者更新后对所有个体执行排序弹性碰撞策略,避免算法过早地收敛到局部极值;最后,根据不同阶段的寻优特点制定多策略边界处理机制,保留住种群数量,避免多样性的丧失。同时,结合重要的位置信息对超出边界的个体进行位置再更新,使得处理后的位置更加合理,为接下来的迭代搜索提供质量保证。对12个基准函数进行仿真实验,并画出收敛精度图直观展示算法性能。借助各策略的贡献测试、Wilcoxon秩和检验、Friedman检验的综合排名等证明了XSSA的有效性、独特性和具有较好的寻优性能。