融合麻雀搜索和随机差分的双向学习平衡优化器算法

作     者：侯新宇 鲁海燕 卢梦蝶 徐杰 赵金金 HOU Xinyu;LU Haiyan;LU Mengdie;XU Jie;ZHAO Jinjin

作者机构：江南大学理学院江苏无锡214122 无锡市生物计算工程技术研究中心江苏无锡214122 

出 版 物：《计算机科学》 (Computer Science)

年 卷 期：2023年第50卷第11期

页      面：248-258页

学科分类：08[工学] 081202[工学-计算机软件与理论] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金(61772013) 江苏省青年基金(BK20190578) 

主　　题：平衡优化器算法 双向混沌反向学习 算法融合 随机差分 群智能优化算法 

摘      要：针对平衡优化器算法(Equilibrium Optimizer,EO)求解精度低、收敛速度慢等问题,提出一种融合麻雀搜索和随机差分的双向学习平衡优化器算法。首先,给出了基于麻雀搜索算法的自适应种群划分策略,以平衡算法的全局探索和局部勘探,从而提高算法的收敛精度和收敛速度。其次,引入随机差分策略来重建平衡池,增加个体之间的信息交流,以利于算法跳出局部最优。最后,设计了一种双向混沌反向学习策略并将其应用到更新后的种群,以增加种群多样性,从而进一步提高算法的收敛精度。通过14个测试函数进行仿真实验,使用Wilcoxon秩和检验以及平均绝对误差来评价算法性能,并将改进算法应用到两个工程设计问题,实验结果验证了3种改进策略的有效性,且改进算法的收敛精度、收敛速度和鲁棒性都有显著提高。