典型文献
融合正余弦和柯西变异的麻雀搜索算法
文献摘要：
针对麻雀搜索算法(SSA)在寻优后期出现能力不足、种群多样性损失、易落进局部极值现象,造成SSA算法收敛速度慢、探索能力不足等问题,提出了融合正余弦和柯西变异的麻雀搜索算法(SCSSA).借助折射反向学习机制初始化种群,增加物种多样性;在发现者位置更新中引入正余弦策略以及非线性递减搜索因子和权重因子协调算法的全局和局部寻优能力;在跟随者位置中引入柯西变异对最优解进行扰动更新,提高算法获取全局最优解能力.通过10个经典测试函数对SCSSA算法在收敛速度、收敛精度、平均绝对误差等指标的评估,并引进工程设计优化问题进行验证.实验结果证明改进后的麻雀搜索算法在收敛速度和寻优精度有明显增强,表现出良好的鲁棒性.
文献关键词：
麻雀搜索算法;折射反向学习;正余弦算法;非线性递减搜索因子;柯西变异
中图分类号：
作者姓名：
李爱莲;全凌翔;崔桂梅;解韶峰
作者机构：
内蒙古科技大学 信息工程学院,内蒙古 包头 014010;内蒙古科技大学 基建处,内蒙古 包头 014010
文献出处：
引用格式：
[1]李爱莲;全凌翔;崔桂梅;解韶峰-.融合正余弦和柯西变异的麻雀搜索算法)[J].计算机工程与应用,2022(03):91-99
A类：
SCSSA,非线性递减搜索因子
B类：
柯西变异,麻雀搜索算法,种群多样性,落进,局部极值,收敛速度,速度慢,探索能力,折射反向学习,反向学习机制,初始化,物种多样性,发现者,位置更新,权重因子,寻优能力,跟随者,全局最优解,测试函数,收敛精度,平均绝对误差,工程设计优化,优化问题,寻优精度,明显增强,正余弦算法
AB值：
0.239815
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。
