典型文献
一种改进的麻雀搜索算法
文献摘要：
麻雀搜索算法(SSA)作为一种新颖的群体智能优化算法,已被证明具有较好的寻优性能.但由于SSA在某些情况下迭代中后期搜索性减小,种群多样性降低,导致算法存在收敛速度慢、求解精度低、易陷入局部最优解等不足.针对SSA存在的缺陷,融合萤火虫算法(FA)迭代策略,提出了一种加入萤火虫搜索扰动的麻雀搜索优化算法(FSSA).首先,在麻雀搜索后,利用萤火虫扰动策略对种群中所有个体进行位置更新,使得算法在解空间搜索更加充分,有效避免陷入局部最优,进而提升算法的收敛速度以及收敛精度.其次,通过6个基准测试函数对改进算法与粒子群优化算法(PSO)、鲸鱼优化算法(WOA)、原始的SSA算法进行对比,仿真结果表明该算法能够克服SSA易陷入局部最优的不足,在寻优精度、收敛速度以及鲁棒性等方面均获提升.最后,将FSSA应用于具有14座城市的旅行商问题(TSP)求解,仿真实验对比原始的SSA算法,该算法具有更好的结果,进一步验证了FSSA的寻优能力.
文献关键词：
麻雀搜索算法;群体智能优化算法;萤火虫算法;旅行商问题;寻优能力
中图分类号：
作者姓名：
刘睿;莫愿斌
作者机构：
广西民族大学 电子信息学院,广西 南宁 530006;广西民族大学 混杂计算与集成电路设计分析重点实验室,广西 南宁 530006;广西民族大学 人工智能学院,广西 南宁 530006
文献出处：
引用格式：
[1]刘睿;莫愿斌-.一种改进的麻雀搜索算法)[J].计算机技术与发展,2022(03):21-26
A类：
FSSA
B类：
改进的麻雀搜索算法,群体智能优化算法,寻优性能,种群多样性,收敛速度,速度慢,局部最优解,萤火虫算法,FA,迭代策略,麻雀搜索优化算法,萤火虫扰动策略,位置更新,解空间,收敛精度,基准测试函数,改进算法,粒子群优化算法,PSO,鲸鱼优化算法,WOA,寻优精度,旅行商问题,TSP,实验对比,寻优能力
AB值：
0.226891
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。
