计算机应用研究

作者：徐杰,鲁海燕,赵金金,侯新宇,卢梦蝶,

单位：江南大学a.理学院;b.无锡市生物计算工程技术研究中心,江苏无锡214122；

关键词：蝴蝶优化算法,拉丁超立方抽样,自适应惯性权重,高斯小孔成像,高维优化,

基金：国家自然科学基金资助项目(61772013,61402201)；江苏省青年基金资助项目(BK20190578)；；

针对蝴蝶优化算法存在种群多样性差、寻优精度低、收敛速度慢的不足，提出了拉丁超立方抽样的自适应高斯小孔成像蝴蝶优化算法。首先利用拉丁超立方抽样种群初始化策略以提高种群的多样性，从而增强算法的全局搜索能力；然后引入在不同进化时期自动调节搜索范围的自适应最优引导策略，平衡算法的全局和局部搜索能力，从而提升算法的寻优精度；最后采用高斯小孔成像策略，对最优个体进行扰动，使得种群个体向最优个体靠近，以进一步提升算法的寻优精度并加快算法的收敛速度。通过对14个基准测试函数进行仿真实验以及Wilcoxon秩和检验，结果表明改进算法的寻优精度、收敛速度、稳定性和可扩展性等性能均得到了较大提高。

来源：2022年第9期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2022年第9期