多策略改进的蛇优化算法

作     者：权浩迪 刘勇国 傅翀 朱嘉静 张云 兰刚 李巧勤 QUAN Hao-di;LIU Yong-guo;FU Chong;ZHU Jia-jing;ZHANG Yun;LAN Gang;LI Qiao-qin

作者机构：电子科技大学信息与软件工程学院四川成都610054 

出 版 物：《计算机技术与发展》 (Computer Technology and Development)

年 卷 期：2024年第34卷第5期

页      面：117-125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：国家科技基础资源调查专项(2022FY102002) 国家自然科学基金资助项目(62202084) 四川省自然科学基金资助项目(2022NSFSC0883,2022NSFSC0958) 

主　　题：蛇优化算法 启发式算法 优化问题 多策略改进 神经网络 

摘      要：为改进蛇优化算法(Snake Optimizer,SO)在探索方式、变量计算、空间搜索方式和种群更新方式等方面存在的不足,提出了一种多策略改进的蛇优化算法(Improved Snake Optimizer,ISO)。首先,提出探索寻优策略,根据个体相对于优势个体的位置更新自身的位置,使种群在前期快速收敛到最优解附近。其次,优化变量计算方式,将SO算法中的指数运算改进为多项式运算,提高SO的时间效率。同时引入动态调整搜索空间的机制,随种群进化迭代次数的增加逐步扩展搜索范围以提高寻优能力。最后,引入优势进化策略,淘汰适应度较差的个体并结合优势个体的基因产生新个体,快速提高种群优势基因比例以增加收敛速度。对不同基准测试函数进行寻优实验,分别与经典SO算法和5种启发式算法进行对比,结果表明ISO具有较强的寻优能力。为进一步验证所提算法的高效性和实用性,将ISO应用于全连接神经网络的优化问题,结果表明基于ISO优化的神经网络具有更优的分类效果。