典型文献
海鸥算法的改进及其在工程设计优化问题中的应用
文献摘要：
[目的]本文研究海鸥算法求解最优化问题时存在的收敛速度慢、易陷入局部最优等缺点.[方法]首先融合Fuch混沌映射与精英反向学习策略来初始化海鸥种群,提高种群质量;其次根据余弦函数改进自身行为的特征参数A,将海鸥算法的线性搜索非线性化;最后通过加入莱维飞行机制增加海鸥飞行的随机性,对算法进一步优化.[结果]通过9个基准测试函数和3个工程设计优化问题对I-SOA(Improved-Seagull Optimization Algorithm)性能进行测试,实验结果表明:对于9个基准测试函数,I-SOA算法比标准SOA、PSO、GA算法在寻优精度和收敛速度上都要优越,尤其在求解f7、f9时均求得理论最优解0;对于3个工程设计优化问题,I-SOA算法相比于标准SOA算法寻优精度和收敛速度优势明显,相比于其他群智能优化算法的最优值,适应性和稳定性更强.[结论]I-SOA算法在基准测试函数和工程设计优化问题中均有优异的表现,证实了海鸥算法改进的有效性.
文献关键词：
海鸥算法;Fuch混沌映射;精英反向学习策略;余弦函数;莱维飞行
中图分类号：
作者姓名：
杨韬;戴健
作者机构：
辽宁工程技术大学,工商管理学院,辽宁葫芦岛 125100
文献出处：
引用格式：
[1]杨韬;戴健-.海鸥算法的改进及其在工程设计优化问题中的应用)[J].数据与计算发展前沿,2022(06):129-144
A类：
f7
B类：
海鸥算法,工程设计优化,最优化问题,收敛速度,速度慢,局部最优,优等,Fuch,混沌映射,精英反向学习策略,初始化,种群质量,余弦函数,线性化,莱维飞行,随机性,基准测试函数,SOA,Improved,Seagull,Optimization,Algorithm,PSO,GA,寻优精度,f9,最优解,算法寻优,速度优势,群智能优化算法,最优值,算法改进
AB值：
0.268945
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。
