首页|融合多策略改进的自适应狮群优化算法

融合多策略改进的自适应狮群优化算法

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
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.
Improved Adaptive Lion Swarm Optimization Algorithm Based on Multi-Strategy

lion swarm optimization algorithmmulti-strategyTent chaotic mapdifferential evolutioninformation entropyadaptive Tent chaotic search

刘苗苗、张玉莹、郭景峰、陈晶

展开 >

东北石油大学 计算机与信息技术学院, 大庆163318

燕山大学 信息科学与工程学院, 秦皇岛066004

狮群优化算法 多策略 Tent混沌映射 差分进化 信息熵 自适应混沌搜索

国家自然科学基金项目黑龙江省省属本科高校基本科研业务费项目中央引导地方科技发展资金项目

42002138KYCXTDQ202101226Z0102G

2024

10.13190/j.jbupt.2022-276

北京邮电大学学报
北京邮电大学

北京邮电大学学报

CSTPCD北大核心
影响因子：0.592
ISSN：1007-5321
年,卷(期)：2024.47(1)
  • 19