改进的麻雀搜索算法及其求解旅行商问题

旅行商问题(TSP)是经典的NP难问题,对该问题的研究从未停止,也得到了很多的近似求解算法,但每一种算法都各有特色,正因如此,对旅行商问题总有新的算法在提出.麻雀算法是新近提出的算法,本文对麻雀搜索算法(SSA)的原理、搜索策略以及算法的基本流程进行研究分析,针对SSA搜索接近全局最优时,种群的多样性减少,容易陷入局部最优等问题提出一种改进的麻雀搜索算法(ISSA).使用6个标准测试函数与基本SSA以及其他群体智能算法进行仿真实验,测试ISSA的性能.最后应用ISSA对旅行商问题进行求解.实验表明,改进的麻雀搜索算法的能够改善麻雀搜索算法的缺点,提升寻优能力,并且验证了其求解旅行商问题的可行性与优越性.     

基于改进麻雀搜索算法的分数阶PID参数整定

针对分数阶PID控制器的设计问题,提出一种改进麻雀搜索算法(ISSA)对分数阶PID控制器进行参数整定.在麻雀搜索算法(SSA)中引入Chebyshev混沌映射,提高SSA的种群多样性和全局搜索能力;采用自适应t分布和萤火虫算法,设置转换概率p使二者交替执行,提高SSA的收敛精度和寻优性能.对10个基准测试函数进行寻优,结果表明相较于已有的4种经典算法, ISSA在收敛速度、收敛精度、全局搜索能力等方面均有较大提升.最后,对两类被控系统进行仿真分析,相比现有成果,证实了ISSA算法对求解分数阶PID控制器参数整定问题的有效性和实用性.     

改进麻雀搜索算法在分布式电源配置中的应用

针对麻雀搜索算法（Sparrow Search Algorithm,SSA）在解决高维、非线性的分布式电源（Distributed Generation,DG）优化配置问题中求解精度与稳定性不足的问题,提出一种改进麻雀搜索算法进行求解。通过引入Tent混沌提高初始解的质量,利用Levy飞行策略和柯西高斯变异,增强算法搜索方向的多元性以及跳出局部最优的能力,针对算法在工程应用中产生大量无效麻雀的问题,优化了麻雀位置更新公式,以提高SSA的工程实用性。分别用标准SSA、ISSA、蝴蝶优化算法（Butterfly Optimization Algorithm,BOA）、鲸鱼优化算法（Whale Optimization Algorithm,WOA）测试基准函数,对比验证ISSA的有效性,并将ISSA应用于IEEE33节点系统的DG化配置模型求解,所求的DG配置方案能更大程度地降低配电网有功损耗与电压偏差。     

多策略协同改进的麻雀搜索算法

针对麻雀搜索算法(SSA)种群多样性差、易陷入局部最优等问题，提出了一种多策略协同改进的麻雀搜索算法(ISSA)。首先，ISSA采用一种融合转移概率的边界学习策略的发现者位置更新方式，扩大发现者搜索范围并丰富其种群多样性；其次，ISSA在麻雀跟随者更新过程中引入混合粒子群机制，扩大目标跟随个体的选择范围；最后在算法寻优过程中，ISSA利用模糊推理系统动态监控种群陷入局部最优的概率，以差分变异操作提高种群跳出局部最优的能力。采用CEC2017测试函数中的12个函数作为性能基准函数，将ISSA与标准SSA及其他四种改进的麻雀搜索算法(ESSA、CSSOA、SSASC、MSSA)进行性能测试，基于实验数据的Friedman检验表明，ISSA能获取更好的性能。     

改进的麻雀搜索优化算法及其应用

麻雀搜索算法SSA在求解目标函数最优解时,存在种群多样性不丰富,易陷于局部最优,多维函数求解精度差等问题,针对这些问题提出改进的麻雀搜索算法ISSA。首先,利用反向学习策略初始化种群,增加种群多样性;然后,对步长因子进行动态调整,提高算法的求解精度;最后,在侦查预警的麻雀位置更新公式中引入Levy飞行,提高算法寻优能力和跳出局部极值的能力。将ISSA、SSA和其他算法在8个测试函数上进行求解,并进行秩和检验,仿真结果表明,ISSA具有更高的寻优性能。还将ISSA应用到认知无线电的频谱分配中,实验结果表明,ISSA的系统效益和公平性优于其他算法,验证了ISSA在实际应用中的可行性。     

改进型麻雀搜索算法

针对麻雀搜索算法(sparrow search algorithm, SSA)求解精度依赖于较优位置的群体, 易于陷入局部最优等问题, 提出改进型的麻雀搜索算法(improved sparrow search algorithm, ISSA). 该算法首先提出正态偏移策略, 以重心位置为导向进行种群偏移, 实现移动能量的正态分布衰减, 有效提升种群对局部搜索的勘探能力; 其次引入动态正弦扰动策略, 通过缩放因子实现发现者对前期搜索步长和后期快速收敛的双向需求. 然后针对麻雀种群中位置较差的预警者加入反向学习机制, 以预警者当前位置生成扰动的反向解, 有利于扩大搜索步长, 帮助算法跳出局部最优. 最后随机选取6个测试函数并与其他算法进行比较, 实验结果验证了ISSA算法的有效性.     

求解大规模优化问题的改进麻雀搜索算法

针对麻雀搜索算法在求解大规模优化问题时存在收敛速度慢、寻优精度低和易陷入局部极值的缺点,提出一种基于精英反向学习策略的萤火虫麻雀搜索算法(ELFASSA).首先,通过反向学习策略初始化种群,为全局寻优奠定基础;其次,利用萤火虫扰动策略提高算法跳出局部最优的能力并加速收敛;最后,在麻雀位置更新后引入精英反向学习策略以获取精英解及动态边界,使精英反向解可以定位在狭窄的搜索空间中,有利于算法收敛.通过选取10个高维标准测试函数进行仿真实验,将其与麻雀搜索算法(SSA)及4种先进的改进算法进行性能对比,并与3种单一策略改进的麻雀搜索算法进行改进策略的有效性分析,仿真结果表明, ELFASSA算法在收敛速度和求解精度两方面明显优于其他对比算法.     

混合策略改进的麻雀搜索算法及其应用

针对麻雀搜索算法（sparrow search algorithm,SSA）在优化过程中易陷入局部最优、寻优精度低等问题,提出了一种混合策略改进的麻雀搜索算法（MSSA）。为了使麻雀个体在搜索空间中能够进行充分搜索,在算法寻优过程中引入存档阶段去接收麻雀发现者向安全区域移动时可能被捕获而残留的位置信息;在算法的迭代过程中对当前最优个体作自适应邻域搜索,通过充分探索优质个体周围的位置信息来增强算法跳出局部最优的能力。通过九个基准测试函数进行性能评估,将MSSA、SSA以及四个改进的麻雀搜索算法：混沌麻雀搜索算法、混合策略改进的麻雀搜索算法、改进的麻雀搜索算法、增强型的麻雀搜索算法进行性能评测比较。实验结果表明MSSA相较于其他对比算法在近80%的测试函数上都有更好的收敛精度和稳定性,并且在Friedman检验中MSSA的排名均获得了第一。最后,将MSSA应用于障碍物环境下的无线传感器网络（wireless sensor network,WSN）覆盖优化问题,MSSA比五个对比算法的覆盖率分别提高了9.77%、4.25%、6.62%、3.02%、7.38%。     

一种改进的麻雀搜索算法

麻雀搜索算法(SSA)作为一种新颖的群体智能优化算法,已被证明具有较好的寻优性能.但由于SSA在某些情况下迭代中后期搜索性减小,种群多样性降低,导致算法存在收敛速度慢、求解精度低、易陷入局部最优解等不足.针对SSA存在的缺陷,融合萤火虫算法(FA)迭代策略,提出了一种加入萤火虫搜索扰动的麻雀搜索优化算法(FSSA).首...     

增强型麻雀搜索算法及其工程优化应用

提出一种增强型麻雀搜索算法(Enhanced Sparrow Search Algorithm, ESSA)并应用于压力容器设计问题的优化.首先，ESSA在初始化阶段采用Gauss映射生成混沌序列替代原算法种群；其次，在迭代阶段加入动态惯性权重和以迭代次数为参数自由度的学生t分布扰动因子引导算法搜索全局最优；最后，采用随机回归的越界处理方法进一步提升算法搜索性.通过对15组基准函数测试，对比了改进的灰狼优化算法(PSO＿GWO)、改进的鲸鱼优化算法(EGolden-SWOA)、两种改进的麻雀搜索算法(ISSA1、ISSA2)以及原算法(SSA),仿真实验结果验证了改进策略的有效性.同时，针对约束优化问题，采用一种基于自适应参数的双适应度函数对比法处理约束条件，将ESSA应用于压力容器设计问题的优化，实验数据对比其他文献中方法，取得了最优的结果.     

基于切线飞行的麻雀搜索算法

为解决在临近全局最优条件下,原始麻雀搜索算法(sparrow search algorithm, SSA)存在种群多样性降低,局部开发能力薄弱导致不容易跳出局部最优点的问题,提出基于切线飞行的麻雀搜索算法(tangent flight sparrow search algorithm, tanSSA)。首先,使用自适应t分布策略改进发现者位置更新公式,可以提高麻雀个体的寻优能力,同时防止算法早熟。然后,利用切线搜索算法中切线飞行策略所具有的可以增强算法探索搜索空间能力,且能使算法跳出局部最优解的优势,在原始麻雀搜索算法中使用切线飞行扰动策略对最优解进行扰动。这两种策略相结合,可以有效提升tanSSA算法的勘探与开发性能。最后,使用12个标准基准测试函数,结合Wilcoxon秩和检验来测试验证tanSSA算法的优化性能,并与原始SSA算法、鲸鱼优化算法、粒子群优化算法以及自适应t分布SSA算法进行比较。实验证明,基于切线飞行的麻雀搜索算法的寻优能力和收敛速度都有显著提升。     

多策略融合的改进樽海鞘群算法

为解决传统樽海鞘群算法(SSA)收敛精度低、难以跳出局部最优等问题,提出了一种多策略融合的改进樽海鞘群算法(ISSA)。首先,提出了一种新的融合中垂线算法收敛策略的追随者位置更新方法,以解决传统SSA追随者位置更新方法的不足;为提升SSA跳出局部最优的能力,提出一种基于中垂线算法收敛策略的自扰动策略。其次,通过分析传统SSA领导者位置更新策略存在的不足,提出了一种新的领导者位置更新策略,并针对SSA的固定种群顺序,提出了以适应度为指标重构樽海鞘群体排列顺序的方法以提升算法性能。最后以仿真实验对ISSA的性能进行了验证,结果表明ISSA解决了SSA收敛精度低和难以跳出局部最优的问题,提升了SSA的收敛速度和稳定性。通过与其他改进SSA的对比实验,证明了ISSA的优越性。     

多策略混合的改进麻雀搜索算法

针对基本麻雀搜索算法（sparrow search algorithm,SSA）在处理复杂优化问题时存在的搜索空间不足、收敛速度慢和易陷入局部最优等问题,提出一种多策略混合的改进麻雀搜索算法（improved sparrow search algorithm based on multi-strategy mixing,IMSSA）。利用Sine混沌映射初始化麻雀个体位置,丰富种群多样性,解决种群分布不均匀、搜索空间不足等问题;引入带有惯性权重的多样性全局最优引导策略来加快收敛速度,调控算法的全局探索与局部开发能力;采用双样本学习策略使算法跳出局部最优,提高种群对解空间的搜索能力。通过测试函数对算法进行仿真实验,验证三种改进策略的有效性,并且进行Wilcoxon秩和检验和时间复杂度分析,结果表明IMSSA算法的各项性能均有显著提升。最后用算法优化支持向量机参数,建立轴承故障诊断模型,进一步证明了改进策略是可行有效的。