麻雀搜索算法的改进研究

作     者：邱亚娴 

作者单位：江西理工大学 

学位级别：硕士

导师姓名：欧阳城添

授予年度：2023年

学科分类：08[工学] 081104[工学-模式识别与智能系统] 0811[工学-控制科学与工程] 

主      题：麻雀搜索算法 差分进化 可变螺旋策略 莱维飞行 旅行商问题 

摘      要：麻雀搜索算法(Sparrow Search Algorithm,SSA)是受麻雀觅食行为启发提出的一种高效智能优化算法。由于SSA的算法结构轻巧、原理通俗易懂、过程容易实现,在执行过程中需要提前定义好的参数比较少,并且具有良好的探索能力和开发能力,被各种实际领域所运用。然而,SSA算法存在初始化随机性过大、难以达到全局最值、搜索区域的重要信息无法充分挖掘、在寻找目标值的过程中具有跳跃性等问题。本文针对SSA算法的不足,聚焦于种群生成策略和更加灵活的搜索策略,提出两种改进算法。本文主要创新点及研究工作如下:(1)针对SSA算法初始种群随机性大、容易陷入局部最优的缺点,提出一种基于差分进化策略的麻雀搜索算法(Differential evolution strategy-based Sparrow Search Algorithm,DSSA)。该算法使用K-means聚类方法对初始麻雀种群分类,减少随机初始化对种群的影响,同时一定程度上减轻了部分个体局部搜索能力过强对算法整体带来的副作用;又设计了一种差分进化指导策略,利用该策略强大的勘探能力来引导麻雀进行搜寻,实现了对该算法的探索和开发能力的良好均衡。在10个基准函数上对DSSA算法及其他6种智能优化算法进行对比测试,实验结果显示DSSA算法在解决最优化问题中整体性能更好。最后,将DSSA算法应用于旅行商问题,结果表明使用DSSA算法对问题进行求解时能够生成最短路径,并获得较好的效果。(2)针对SSA算法收敛速度慢、解决高维度问题时效果不佳等缺点,提出一种自适应螺旋飞行麻雀搜索算法(Adaptive Spiral Flight Sparrow Search Algorithm,ASFSSA)。该算法首先使用Tent混沌映射,在求解范围内形成相对均匀的初始种群;在发现阶段配合自适应权值和莱维飞行策略的勘探动作,尽可能的保证种群的多样性;随后在跟随阶段引入了变螺旋搜索策略,让个体有一定概率跳出局部极值,增强其探索更优解的能力。在一定程度上改善了解决高维问题能力差、收敛时间长等缺陷。通过与5种先进智能算法在18个不同特性的基准函数上的性能分析,结果显示ASFSSA算法有更优的收敛精度和速度,验证了改进算法的有效性。