自适应混合策略麻雀搜索算法

doi:10.3778/j.issn.1002-8331.2207-0081

摘要/Abstract

摘要： 针对麻雀搜索算法（sparrow search algorithm，SSA）求解精度低，稳定性不足，易陷入局部最优等问题，提出一种基于自适应混合策略的麻雀搜索算法（adaptive hybrid strategy sparrow search algorithm，AHSSSA）。引入Tent混沌映射初始化种群，增加种群数量，合并两个种群，再利用精英策略得到精英种群，以提高初始解质量；引入自适应周期收敛因子[α]，加强搜索能力与收敛速度；追随者与预警者位置更新方式调整，在一定程度上防止算法陷入局部最优；引入多项式变异扰动，以解决SSA陷入局部最优问题。利用12种测试函数进行测试，结果表明：AHSSSA比SSA有更好的寻优性能。

关键词: 麻雀搜索算法, Tent混沌映射, 自适应周期收敛因子, 位置更新方式调整, 多项式变异扰动

Abstract: A sparrow search algorithm based on adaptive hybrid strategy is proposed to solve the problems of low accuracy, insufficient stability and easy to fall into local optimization of sparrow search algorithm. The tent chaotic map is introduced to initialize the population, increase the population number, and merge the two populations. Then the elite population is obtained by using the elite strategy to improve the quality of the initial solution. The adaptive periodic convergence factor α is introduced to strengthen the search ability and convergence speed. The position update mode of followers and forerunners is adjusted to prevent the algorithm from falling into local optimization to a certain extent. Polynomial mutation disturbance is introduced to solve the problem of falling into local optimization of SSA. Using 12 test functions and the results show that AHSSSA has better optimization performance than SSA.

Key words: sparrow search algorithm, Tent chaotic mapping, adaptive periodic convergence factor, position update mode adjustment, polynomial variation disturbance

苏莹莹, 王升旭. 自适应混合策略麻雀搜索算法[J]. 计算机工程与应用, 2023, 59(9): 75-85.

SU Yingying, WANG Shengxu. Adaptive Hybrid Strategy Sparrow Search Algorithm[J]. Computer Engineering and Applications, 2023, 59(9): 75-85.

参考文献

[1] XUE J K，SHEN B.A novel swarm intelligence optimization approach：sparrow search algorithm[J].Systems Science & Control Engineering，2020，8（1）：22-34.
[2] MARELI M，TWALA B.An adaptive cuckoo search algorithm for optimisation[J].Applied Computing and Informatics，2018，14（2）：107-115.
[3] CAO Y，LI Y Q，ZHANG G，et al.Experimental modeling of PEM fuel cells using a new improved seagull optimization algorithm[J].Energy Reports，2019，5（C）：1616-1625.
[4] 宋立钦，陈文杰，陈伟海，等.基于混合策略的麻雀搜索算法改进及应用[J/OL].北京航空航天大学学报：1-16[2022-03-24].DOI：10.13700/j.bh.1001-5965.2021.0629.
SONG L Q，CHEN W J，CHEN W H，et al.Improvement and application of hybrid strategy-based sparrow search algorithm[J/OL].Journal of Beijing University of Aeronautics and Astronautics：1-16[2022-03-24].DOI：10.13700/j.bh.1001-5965.2021.0629.
[5] 张伟康，刘升，任春慧.混合策略改进的麻雀搜索算法[J].计算机工程与应用，2021，57（24）：74-82.
ZHANG W K，LIU S，REN C H.Mixed strategy improved sparrow search algorithm[J].Computer Engineering and Applications，2021，57（24）：74-82.
[6] 王海瑞，鲜于建川.改进麻雀搜索算法在分布式电源配置中的应用[J].计算机工程与应用，2021，57（20）：245-252.
WANG H R，XIANYU J Z.Application of distributed generation configuration based on improved sparrow search algorithm[J].Computer Engineering and Applications，2021，57（20）：245-252.
[7] 毛清华，张强.融合柯西变异和反向学习的改进麻雀算法[J].计算机科学与探索，2021，15（6）：1155-1164.
MAO Q H，ZHANG Q.Improved sparrow algorithm combining cauchy mutation and opposition-based learning[J].Journal of Frontiers of Computer Science and Technology，2021，15（6）：1155-1164.
[8] 韩统，汤安迪，周欢，等.基于LASSA算法的多无人机协同航迹规划方法[J].系统工程与电子技术，2022，44（1）：233-241.
HAN T，TANG A D，ZHOU H，et al.Multiple UVA cooperative path planning based on LASSA method[J].Systems Engineering and Electronics，2022，44（1）：233-241.
[9] 贺航，马小晶，王宏伟，等.基于改进麻雀搜索算法的森林火灾图像多阈值分割[J].科学技术与工程，2021，21（26）：11263-11270.
HE H，MA X J，WANG H W，et al.Multi-threshold segmentation of forest fire image based on improved sparrow search algorithm[J].Science Technology and Engineering，2021，21（26）：11263-11270.
[10] 杨玮，杨白月，王晓雅，等.低碳环境下冷链物流企业库存-配送优化[J].包装工程，2021，42（11）：45-52.
YANG W，YANG B Y，WANG X Y，et al.Inventory- distribution optimization of cold chain logistics enterprises in low-carbon environment[J].Packaging Engineering，2021，42（11）：45-52.
[11] 吕鑫，慕晓冬，张钧，等.混沌麻雀搜索优化算法[J].北京航空航天大学学报，2021，47（8）：1712-1720.
LYU X，MU X D，ZHANG J，et al.Chaos sparrow search optimization algorithm[J].Journal of Beijing University of Aeronautics and Astronautics，2021，47（8）：1712-1720.
[12] HERBADJI D，DEROUICHE N，BELMEGUENAI A，et al.A tweakable image encryption algorithm using an improved logistic chaotic map[J].Traitement Du Signal，2019，36（5）：407-417.
[13] ARORA S，ANAND P.Chaotic grasshopper optimization algorithm for global optimization[J].Neural Computing and Applications，2019，31（8）：4385-4405.
[14] 魏玉琴，戴永寿，张亚南，等.基于Tent映射的自适应混沌嵌入式粒子群算法[J].计算机工程与应用，2013，49（10）：45-49.
WEI Y Q，DAI Y S，ZHANG Y N，et al.Adaptive chaotic embedded particle swarm optimization algorithm based on Tent mapping[J].Computer Engineering and Applications，2013，49（10）：45-49.
[15] 尹德鑫，张达敏，蔡朋宸，等.改进的麻雀搜索优化算法及其应用[J].计算机工程与科学，2022，44（10）：1844-1851.
YIN D X，ZHANG D M，CAI P C，et al.An improved sparrow search optimization algorithm and its application[J].Computer Engineering and Science，2022，44（10）：1844-1851.
[16] 林杰，何庆.混合策略改进正弦余弦算法[J].计算机应用研究，2020，37（12）：3612-3617.
LIN J，HE Q.Mixed strategy to improve sine cosine algorithm[J].Application Research of Computers，2020，37（12）：3612-3617.
[17] 黄海燕，彭虎，邓长寿，等.均匀局部搜索和高斯变异的布谷鸟搜索算法[J].小型微型计算机系统，2018，39（7）：1451-1458.
HUANG H Y，PENG H，DENG C S，et al.Cuckoo search algorithm of uniform local search and Gauss mutation[J].Journal of Chinese Computer Systems，2018，39（7）：1451-1458.
[18] 刘小娟，王联国.一种基于差分进化的正弦余弦算法[J].工程科学学报，2020，42（12）：1674-1684.
LIU X J，WANG L G.A sine cosine algorithm based on differential evolution[J].Chinese Journal of Engineering，2020，42（12）：1674-1684.
[19] 肖子雅，刘升.精英反向黄金正弦鲸鱼算法及其工程优化研究[J].电子学报，2019，47（10）：2177-2186.
XIAO Z Y，LIU S.Study on elite opposition-based golden-sine whale optimization algorithm and its application of project optimization[J].Acte Electronica Sinica，2019，47（10）：2177-2186.