典型文献
求解大规模优化问题的改进正弦余弦算法
文献摘要：
针对正弦余弦算法(sine cosine algorithm,SCA)在求解大规模优化问题时收敛精度低、收敛速度慢和易陷入"维数灾难"的不足,提出一种带Lévy飞行的正弦余弦算法(sine cosine algorithm with Lévy flight,SCAL).SCAL算法通过将Lévy飞行分布与正弦余弦种群个体位置向量进行对应元素相乘运算,使Lévy飞行分布的特征和信息融入正弦余弦种群个体信息中,使其拥有Lévy飞行随机游走的特性,增强了个体局部开发和逃离局部极值的能力;采用基于空间距离的非线性参数调整方法,平衡算法的局部开发和全局搜索,提高了算法的收敛速度.在14个经典测试函数上,维度分别为100、1000和5000维时,与SCA、花授粉算法(flower pollination algorithm,FPA)、粒子群优化(particle swarm optimization,PSO)算法、麻雀搜索算法(sparrow search algorithm,SSA)和鲸鱼优化算法(whale optimization algorithm,WOA)5种群体智能算法进行仿真对比实验.结果表明,SCAL算法在收敛精度、收敛速度和鲁棒性上较5种群体智能算法优势明显.与解决大规模优化问题的改进狼群算法(improved wolf pack algorithm,IWPA)、改进花授粉算法(improved flower pollination algorithm,IFPA)、鲸鱼算法的两种改进版本IWOA(improved whale optimization algorithm)和MWOA(modified whale optimization algorithm)进行比较,发现SCAL的整体寻优结果优于对比算法,在求解大规模优化问题上具有显著优势和竞争力.
文献关键词：
人工智能;正弦余弦算法;大规模优化问题;Lévy飞行;基于距离的非线性参数调整;收敛速度;收敛精度
中图分类号：
作者姓名：
张超;杨忆
作者机构：
宿州职业技术学院计算机信息系,安徽宿州234101;淮北师范大学计算机科学与技术学院,安徽淮北235000;安徽省认知行为智能计算与应用工程研究中心,安徽淮北235000
文献出处：
引用格式：
[1]张超;杨忆-.求解大规模优化问题的改进正弦余弦算法)[J].深圳大学学报（理工版）,2022(06):684-692
A类：
SCAL,IWPA,基于距离的非线性参数调整
B类：
大规模优化问题,正弦余弦算法,cosine,algorithm,收敛精度,收敛速度,速度慢,和易,维数灾难,vy,flight,相乘,随机游走,局部开发,逃离,局部极值,空间距离,调整方法,全局搜索,测试函数,花授粉算法,flower,pollination,粒子群优化,particle,swarm,optimization,PSO,麻雀搜索算法,sparrow,search,SSA,鲸鱼优化算法,whale,群体智能算法,仿真对比,改进狼群算法,improved,wolf,pack,IFPA,鲸鱼算法,改进版,IWOA,MWOA,modified,对比算法,显著优势
AB值：
0.281786
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
