典型文献
基于正交对立学习的改进麻雀搜索算法
文献摘要：
针对麻雀搜索算法种群多样性少,局部搜索能力弱的问题,本文提出了基于正交对立学习的改进型麻雀搜索算法(OOLSSA).首先,在算法中引入正态变异算子,丰富算法种群多样性;其次,利用对立学习策略,增强算法跳出局部最优的能力;然后,在加入者更新之后引入正交对立学习机制,加快算法的收敛速度;最后,基于15个基准测试函数与6个传统优化算法和2个改进型算法进行仿真实验、非参数Friedman检验以及算法平衡能力进行分析,评估OOLSSA算法寻优性能.仿真结果证明,OOLSSA与其余8种算法相比,算法的探索开发能力以及收敛速度都表现良好.
文献关键词：
麻雀搜索算法;正交学习;对立学习;正态变异算子
中图分类号：
作者姓名：
王天雷;张绮媚;李俊辉;周京;刘人菊;谭南林
作者机构：
五邑大学智能制造学部 江门529020;北京交通大学机械与电子控制工程学院 北京100044;五邑大学数学与计算科学学院 江门529020
文献出处：
引用格式：
[1]王天雷;张绮媚;李俊辉;周京;刘人菊;谭南林-.基于正交对立学习的改进麻雀搜索算法)[J].电子测量技术,2022(10):57-66
A类：
OOLSSA,正态变异算子,正交学习
B类：
交对,对立学习,改进麻雀搜索算法,种群多样性,局部搜索,搜索能力,改进型,学习策略,增强算法,跳出局部,局部最优,加入者,学习机制,收敛速度,基准测试函数,非参数,Friedman,平衡能力,算法寻优,寻优性能
AB值：
0.235507
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。
