典型文献
融合粗糙数据推理的多策略改进麻雀搜索算法
文献摘要：
针对麻雀搜索算法在迭代过程中种群多样性减少、容易陷入局部最优的问题,提出了一种融合粗糙数据推理的多策略改进麻雀搜索算法(RSSA).该算法先结合低差异序列的思想进行种群初始化,增强算法的全局搜索能力,保障粗糙数据推理论域的完整性;然后引入粗糙数据推理理论,结合适应度与距离建立个体间的联系,提高收敛速度,增强跳出局部最优的能力,改良麻雀搜索算法在多峰值问题中的不足;并且对于迭代中的超界个体,在超界的同时将其赋值为边界附近的值而非边界最大或最小值,保证种群的多样性且提高算法收敛速度.仿真实验结果表明,RSSA与其他4种算法相比,收敛速度更快,精度更高,在面对多峰值问题时效果更好.
文献关键词：
自适应算法;低差异序列;粗糙数据推理;群体智能;麻雀搜索算法
中图分类号：
作者姓名：
周宁;张嵩霖;张晨
作者机构：
兰州交通大学电子与信息工程学院 兰州 730070
文献出处：
引用格式：
[1]周宁;张嵩霖;张晨-.融合粗糙数据推理的多策略改进麻雀搜索算法)[J].电子科技大学学报,2022(05):743-753
A类：
粗糙数据推理,低差异序列
B类：
多策略,改进麻雀搜索算法,种群多样性,局部最优,RSSA,想进,种群初始化,增强算法,全局搜索,搜索能力,推理论,论域,适应度,收敛速度,跳出局部,多峰值,赋值,最小值,自适应算法,群体智能
AB值：
0.20261
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。
