針對蝴蝶優(yōu)化算法求解精度不高、收斂速度較慢等問題,提出融合正弦余弦和無限折疊迭代混沌映射(ICMIC)的蝴蝶優(yōu)化算法.首先,采用ICMIC映射對蝴蝶個體狀態(tài)進行初始化,避免算法陷入局部最優(yōu).然后,在自身認知飛行部分引入正弦余弦算子,平衡算法的局部搜索能力與全局搜索能力.最后,通過改進依賴香味大小的冪指數(shù)調(diào)整吸收程度,獲取更好的最優(yōu)解.在8個基準函數(shù)上的實驗表明,文中算法具有較優(yōu)的全局搜索能力和求解魯棒性,尋優(yōu)精度較高,收斂速度較快.

【文章頁數(shù)】：10 頁

【文章目錄】：
1 蝴蝶優(yōu)化算法
2 融合正弦余弦和無限折疊迭代混沌映射的蝴蝶優(yōu)化算法
    2.1 無限折疊迭代混沌映射的種群初始化
    2.2 正弦余弦算子
    2.3 參數(shù)a的改進
    2.4 算法步驟
    2.5 時間復(fù)雜度分析
    2.6 與前期研究成果對比分析
3 實驗及結(jié)果分析
    3.1 函數(shù)優(yōu)化結(jié)果對比
    3.2 統(tǒng)計檢驗
    3.3 迭代曲線對比
    3.4 CIBOA和SIBOA實驗對比
4 結(jié)束語



本文編號：3806315