趋优变异反向学习的樽海鞘群与蝴蝶混合优化算法

针对蝴蝶优化算法(butterfly optimization algorithm, BOA)易陷入局部最优，且收敛速度慢和寻优精度低等问题，提出了一种趋优变异反向学习的樽海鞘群与蝴蝶混合优化算法(hybrid optimization algorithm for salp swarm and butterfly with reverse mutation towards optimization learning, OMSSBOA)。引入柯西变异对最优蝴蝶个体进行扰动，避免算法陷入局部最优；将改进的樽海鞘群优化算法(salp swarm algorithm, SSA)嵌入到BOA,平衡算法全局勘探和局部开采的比重，进而提高算法收敛速度；利用趋优变异反向学习策略扩大算法搜索范围并提升解的质量，进而提高算法的寻优精度。将改进算法在10种基准测试函数上进行仿真实验，结果表明，改进算法具有较好的寻优性能和鲁棒性。