排序方式: 共有1条查询结果,搜索用时 31 毫秒
1
1.
针对群智能优化算法在空间转向梯形优化在迭代后期,全局搜索能力减弱,算法易陷入局部最优解的问题,提出基于卡方变异的麻雀搜索算法的转向梯形优化方法。首先,利用卡方分布改进发现者执行广泛搜索策略时的更新公式;其次,对小于种群平均适应度的个体进行卡方变异操作,进而在保留麻雀搜索算法部分局部搜索能力的同时,增加种群的多样性,提高算法跳出局部最优解的能力。实验结果表明,文章的优化方法相对基本麻雀搜索算法和利用高斯分布和高斯变异改进的麻雀搜索算法,寻优精度分别提高5.44%和4.35%,稳健性分别提高57.78%和65.99%,但平均耗时分别增加83.47%和减少3.99%。因此,文章算法优化方法相对基本麻雀搜索算法寻优精度更高、稳健性更强,全局寻优能力提升。 相似文献
1