求解大规模优化问题的改进海洋捕食者算法

针对海洋捕食者算法(Marine Predators Algorithm,MPA)在求解大规模问题时存在解精度低和易陷入局部最优的缺点,提出了一种改进的海洋捕食者算法(Improved Marine Predators Algorithm,IMPA)。采用Lloyd’s算法初始化种群使种群个体分布均匀;基于Q-learning算法自适应选择更新策略来平衡算法的探索和开发能力;通过反向学习机制提高种群多样性避免陷入局部最优。选取13个大规模(100维,500维和1000维)标准测试函数进行仿真实验,结果表明,IMPA算法在求解精度和收敛速度上优于其它对比算法。