计算机应用研究

作者：李大海,熊文清,王振东,

单位：江西理工大学信息工程学院,江西赣州341000；

关键词：海鸥优化算法,正余弦算法,缩放因子,随机对立学习,无人机路径规划,

基金：国家自然科学基金资助项目(61563019,615620237)；江西理工大学校级基金资助项目(205200100013)；；

海鸥优化算法（SOA）作为一种随机搜索算法具有显著的优化性能，但仍然存在种群多样性程度较低、易陷入局部最优而导致寻优精度变低的问题。为了改善海鸥算法的缺陷，提出了一种多种策略协同改进的海鸥算法（CMSOA）。首先，在迭代过程中使用正余弦算法（SCA）对停滞的海鸥种群个体扰动更新，改善了整体种群的多样性；然后引入缩放因子，动态调整当前海鸥个体与最优个体之间的相对位移，提高了算法的探索与开发能力；最后，采取随机对立学习的方式对最优海鸥个体位置微调，领导整个海鸥移动至给定搜索空间的正确位置，提高跳出局部最优的能力，进一步增加寻优精度。为了测试改进的CMSOA的寻优性能，利用14个CEC2017测试函数作为测试基准，将CMSOA与对比算法进行性能测试。实验表明，CMSOA在以Freidman检验为标准的统计学意义上具有寻优优势；在三维无人机路径规划问题中，CMSOA也取得了最佳效果。

来源：2023年第5期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2023年第5期