針對傳統(tǒng)鯊魚優(yōu)化算法在求解高維目標函數(shù)時,易早熟收斂,陷入局部最優(yōu)的缺陷.提出一種基于正弦控制因子的Lateral變異鯊魚優(yōu)化算法.通過正弦曲線的特性和自適應慣性權(quán)重,改善了傳統(tǒng)鯊魚優(yōu)化算法中由于隨機選取控制因子數(shù)值大小可能導致算法在迭代后期全局搜索能力降低的問題,提高了算法在迭代后期的全局收斂能力,并對最佳鯊魚位置引入Lateral變異策略,加強了算法跳出局部最優(yōu)的可能性.改進后的算法對多個shifted單峰,多峰以及固定維測試函數(shù)進行求解,實驗結(jié)果表明,對比多種不同優(yōu)化算法而言,本文所提LSSO算法具有更高的收斂精度和搜索速度.

【文章頁數(shù)】：9 頁

【文章目錄】：
1 引言
2 鯊魚優(yōu)化算法
3 改進的鯊魚優(yōu)化算法
    3.1 正弦控制因子
    3.2 自適應慣性權(quán)重
    3.3 Lateral變異
    3.4 LSSO算法的尋優(yōu)步驟
4 仿真實驗及分析
5 結(jié)論



本文編號：3872075