摘要
针对狮群优化算法种群差异性低、收敛速度慢、易陷入局部极值的问题,提出融合多策略改进的自适应狮群算法.引入自适应参数改进Tent混沌映射用于种群初始化,保证随机分布的同时提高多样性和均匀遍历性;基于差分进化机制引入母狮位置更新扰动因子,增强算法跳出局部最优的能力;融合二阶范数与信息熵形成步长扰动因子,通过自适应参数动态调整幼狮不同行为方式的选择概率,从而抑制算法早熟收敛;基于自适应Tent混沌搜索策略,通过局部最优解的多个邻域点改善适应度较差的个体,进一步提升算法的寻优速度和精度.在16个多类型的标准测试函数上,与多种智能算法的对比验证了所提算法良好的优化性能.为进一步评估所提算法的有效性,将其用于反向传播神经网络初始权重和阈值的优化,2个标准数据集上的实验结果表明,相比于其他算法,所提算法具有更高的分类精度.
基金项目
国家自然科学基金项目(42002138)
黑龙江省省属本科高校基本科研业务费项目(KYCXTDQ202101)
中央引导地方科技发展资金项目(226Z0102G)
NETL
NSTL
万方数据