融合多项式差分学习与逐维变异的混沌蜉蝣算法

作     者：毛清华 赵冰 李阳 

作者机构：燕山大学经济管理学院 

出 版 物：《北京航空航天大学学报》 (Journal of Beijing University of Aeronautics and Astronautics)

年 卷 期：2024年

核心收录：

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）] 

主　　题：蜉蝣算法 改进型Logistic混沌 逐维变异 多项式差分学习 CEC2017测试函数 

摘      要：由于蜉蝣算法存在前期收敛速度缓慢，与此同时，算法的后期收敛精度也不高。本文将多项式差分学习和逐维变异相结合，构造了一种新的混沌聚类算法。此演算法先提出改进Logistic混沌使初始解均匀分布，避免算法出现早熟现象；然后采用逐维变异策略，防止算法受不同维度之间影响陷入局部最优；最后采用多项式差分策略对蜉蝣算法进行改进，通过改善种群间信息交流来提升算法的寻优精度。并将三种改进策略分别引入仿真，进行对比作消融实验分析，证明其每一改进策略的有效性，然后，在12个可变维度的基准测试函数上对改进过的蜉蝣算法进行仿真对比分析，同时将其他几种智能优化算法与较为新颖的其他策略改进的蜉蝣算法进行与本文提到的改进蜉蝣算法进行比较，同时在CEC2017测试函数上进行对比实验。经验证表明，将多项式差分学习和逐维变异相结合，使其具有更好的稳定性，更快的收敛速度和更高的精度。