一种以优秀个体记忆位置为导向的改进乌鸦搜索算法
Improved Crow Search Algorithm Based on Excellent Individual Memory Location作者机构:广西民族大学人工智能学院南宁530006 广西混杂计算与集成电路设计分析重点实验室南宁530006
出 版 物:《小型微型计算机系统》 (Journal of Chinese Computer Systems)
年 卷 期:2024年第45卷第5期
页 面:1089-1098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:国家自然科学基金资助项目(62266007)资助 广西自然科学基金资助项目(2021GXNSFAA220068)资助
主 题:乌鸦搜索算法(CSA) 智能优化 优秀个体 普通个体 工程约束优化问题
摘 要:为了克服乌鸦搜索算法搜索能力弱、易陷入局部最优之不足,提出新的以优秀个体记忆位置为导向的改进乌鸦搜索算法(EICSA):基于个体贮藏食物量之多少,种群中多数个体划归为普通个体、少数贮藏食物量较多的个体划归为优秀个体.优秀个体只在其贮藏食物的巢穴附近开展局部搜索活动.多数普通个体以优秀个体贮藏食物之巢穴为导向,在算法前期以较大步长进行全局探索,保持了种群的多样性;算法后期则以较短步长进行局部开发,使算法的全局探索能力和局部开发能力均得到了增强.通过12个基准函数和3个工程应用问题的数值实验,结果表明EICSA的全局优化能力得到了明显提高,在函数和工程应用问题优化中具有较快的全局收敛速度、较好的优化精度和稳定性.