自适应变异蝴蝶优化算法

作     者：黄学雨 罗华 HUANG Xue-yu;LUO Hua

作者机构：江西理工大学软件工程学院江西南昌330013 南昌市虚拟数字工程与文化传播重点实验室江西南昌330013 江西理工大学信息工程学院江西赣州341000 

出 版 物：《计算机工程与科学》 (Computer Engineering & Science)

年 卷 期：2023年第45卷第6期

页      面：1123-1133页

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 08[工学] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家重点研发计划(2020YFB1713700) 

主　　题：蝴蝶优化算法 帐篷映射 重心反向学习 非线性惯性权重 高斯变异 

摘      要：针对基本蝴蝶优化算法存在的收敛速度慢、求解精度低和易陷入局部最优等问题,提出一种自适应变异蝴蝶优化算法。首先,利用改进帐篷映射结合重心反向学习初始化种群,获得更好的初始解;其次,在位置更新处引入非线性惯性权重,平衡算法的全局搜索与局部搜索能力;最后,在算法运行过程中,根据群体适应度方差以及当前最优解大小来决定是否对当前最优解和最差解进行高斯变异二次寻优,增强算法跳出局部最优的能力。对12个基准测试函数的多种维度仿真实验结果表明,该算法在收敛速度、求解精度和寻优稳定性方面明显优于其他对比算法。