-
题名求解大规模优化问题的改进麻雀搜索算法
被引量：12
- 1
-
-
作者
顾清华
姜秉佼
常朝朝
李学现
-
机构
西安建筑科技大学资源工程学院
-
出处
《控制与决策》
EI
CSCD
北大核心
2023年第7期1960-1968,共9页
-
基金
国家自然科学基金面上项目(52074205)
陕西省自然科学基金杰出青年基金项目(2020JC-44)。
-
文摘
针对麻雀搜索算法在求解大规模优化问题时存在收敛速度慢、寻优精度低和易陷入局部极值的缺点,提出一种基于精英反向学习策略的萤火虫麻雀搜索算法(ELFASSA).首先,通过反向学习策略初始化种群,为全局寻优奠定基础;其次,利用萤火虫扰动策略提高算法跳出局部最优的能力并加速收敛;最后,在麻雀位置更新后引入精英反向学习策略以获取精英解及动态边界,使精英反向解可以定位在狭窄的搜索空间中,有利于算法收敛.通过选取10个高维标准测试函数进行仿真实验,将其与麻雀搜索算法(SSA)及4种先进的改进算法进行性能对比,并与3种单一策略改进的麻雀搜索算法进行改进策略的有效性分析,仿真结果表明,ELFASSA算法在收敛速度和求解精度两方面明显优于其他对比算法.
-
关键词
大规模优化问题
麻雀搜索算法
精英反向学习
萤火虫扰动策略
动态边界
5g网络基站部署
-
Keywords
large scale optimization problem
sparrow search algorithm
elite reverse learning
firefly disturbance strategy
dynamic boundary
5g network base station deployment
-
分类号
TP273
[自动化与计算机技术—检测技术与自动化装置]
-
