针对哈里斯鹰优化算法(Harris Hawks optimization,HHO)易早熟收敛、寻优精度低、收敛速度慢等问题,提出一种融合非线性收敛因子与变异准反射学习的哈里斯鹰优化算法(improved Harris Hawks optimization,IHHO)。首先,初始化阶段引入Circle混沌映射,提高初始化种群多样性和种群位置质量;其次,引入Sigmoid非线性收敛因子,平衡全局探索和局部开发能力;最后,针对HHO算法易陷入局部最优问题,提出变异准反射学习(quasi-reflection-based learning,QRBL)策略,提高种群活力,进一步提高算法局部收敛能力。仿真实验采用13个标准测试函数和1个经典工程问题对改进算法进行测试,结果表明改进算法收敛精度、收敛速度均有较大提高,适用于解决实际问题。
宋美佳;贾鹤鸣;林志兴;刘庆鑫;
三明学院网络中心,福建三明365004三明学院信息工程学院,福建三明365004海南大学计算机科学与技术学院,海南海口570228
计算机与自动化
哈里斯鹰优化算法;非线性收敛因子;准反射学习;准反向学习;混沌映射;工程问题;元启发算法;群智能
《智能系统学报》 2024 (003)
P.738-748 / 11
福建省教育厅中青年教师教育科研项目(JAT211002,JAT210432,JAT220834);福建省高校教育技术研究会2022年度课题(FJET202211,FJET202206);福建省电子商务工程中心开放课题(KBX2109);国家教育部教师函〔2021〕13号第二批人工智能助推教师队伍建设试点项目(三明学院);福建省自然科学基金面上项目(2021J011128).
10.11992/tis.202205008
评论