改进沙猫群优化算法(ISCSO)
文章目录
- 改进沙猫群优化算法(ISCSO)
- 1.沙猫群优化算法
- 2. 改进沙猫群优化算法
- 2.1 混沌映射初始化
- 2.2 引入互利共生策略
- 2.3 引入莱维飞行策略
- 3.实验结果
- 4.参考文献
- 5.Matlab代码
- 6.Python代码
摘要:对沙猫群优化算法进行改进。在改进的沙猫群优化算法中,利用混沌映射的均匀性初始化种群以提高种群多样性;通过融合互利共生和莱维飞行策略减少局部最优解的消极影响,提高算法的收敛速度和精度。
1.沙猫群优化算法
基础沙猫群优化算法的具体原理参考,我的博客:javascript:void(0)
2. 改进沙猫群优化算法
2.1 混沌映射初始化
混沌映射 具有良好的随机性、规律性和遍 历性, 不但能使得种群具有良好的多样性, 也能使 得算法在全局搜索能力、收敛速度、收敛精度上都 有所提高。改进公式如下:
的位置; 和 表示种群的搜索范围;
2.2 引入互利共生策略
沙猫群优化算法在攻击猎物时,会通过轮盘赌法随机选择角度来靠近猎物进行攻击。但这样的攻击方式随机性较大,也易于陷入局部最优,互利共生策略 通过加强个体与最优个体的信息交流,可以消除沙猫攻击猎物时的消极影响,提高沙猫的寻优精度和收敛速度。改进公式如下:
为更新后的位置; 为随机个体的位置; 为最优个体的位置; 表示利益因子, 随机选择 1 或 2 , 表示可能部分受益或全部受益;
2.3 引入莱维飞行策略
沙猫群优化算法在搜索猎物和攻击猎物时, 都是通过随机角度进行的, 导致算法会遗漏部分 较优的解, 降低收玫精度。为了增强搜索的周密 性, 消除局部最优解的消极影响, 本算法引入莱维 飞行策略 , 既加强了算法的局部搜索能力,又 能保证算法在全局搜索时具有良好的周密性。改 进公式如下:
为更新后的位置; 表示莱维飞行位置; 是 的随机数; 表示随机个体的位置; 是服从 的随机数, 其中 为伽马函数, 为
3.实验结果
4.参考文献
[1]贾鹤鸣,李永超,游进华等.改进沙猫群优化算法的机器人路径规划[J].福建工程学院学报,2023,21(01):72-77.
5.Matlab代码
6.Python代码