一种融合反向学习机制与差分进化策略的蛇优化算法

作     者：占宏祥 汪廷华 张昕 ZHAN Hongxiang;WANG Tinghua;ZHANG Xin

作者机构：赣南师范大学数学与计算机科学学院江西赣州341000 

出 版 物：《郑州大学学报（理学版）》 (Journal of Zhengzhou University:Natural Science Edition)

年 卷 期：2024年第56卷第6期

页      面：25-31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：国家自然科学基金项目(61966002) 江西省学位与研究生教育教学改革研究项目(JXYJG-2022-172) 

主　　题：蛇优化算法 差分进化 反向学习 参数优化 支持向量机 

摘      要：蛇优化(snake optimizer,SO)算法存在前期收敛速度慢和易陷入局部最优的问题,为此提出一种融合反向学习机制与差分进化策略的改进蛇优化(improved snake optimizer,ISO)算法。反向学习机制可提高种群质量,以提升算法寻优速度;差分进化策略有助于算法精准寻优,降低算法陷入局部最优的几率。在10个基准测试函数上的实验结果表明,ISO算法拥有更高的寻优精度和更快的收敛速率。将其应用于支持向量机(support vector machine,SVM)的参数选取中,进一步验证了ISO算法的有效性。