基于混合策略改进的樽海鞘群算法

针对樽海鞘群算法(SSA)在求解复杂优化问题时存在的易陷入局部最优、收敛精度低等缺点,提出一种基于混合策略改进的樽海鞘群算法(ISSA).首先,采用Sobol序列实现樽海鞘种群的初始化,使初始种群在解空间中分布更加均匀,进而提高算法的全局寻优能力;其次,在领导者位置更新阶段引入步长控制因子,根据不同寻优时期自动调节领导者的搜索范围,有效平衡算法的全局搜索与局部搜索;然后,采用改进的透镜成像策略对领导者进行映射,避免算法陷入局部最优;此外,在追随者位置更新阶段,引入一种自主选择追随机制,改善追随者的盲从性,以提高算法的收敛精度;最后,与其他几种代表性优化算法在12个基准测试函数上进行仿真实验对比,并进行Wilcoxon秩和检验,实验结果表明所提出ISSA在收敛速度和精度上有明显提升,相较于其他优化算法具有更好的寻优效果和稳定性.另外,通过两个工程设计案例实验进行测试,进一步验证了所提出ISSA的可行性和适用性.