基于正交设计的折射反向学习樽海鞘群算法

为克服基本樽海鞘群算法(SSA)存在的收敛速度慢、高维求解精度低等不足,提出正交折射反向学习机制和自适应惯性权重策略,嵌入SSA中,得到一种基于正交设计的折射反向学习樽海鞘群算法(OOSSA)。正交折射反向学习策略中,采用基于透镜成像原理的折射反向学习策略以加强对反向解空间的勘探,极大地降低了算法陷入局部最优的概率;采用正交试验设计构建若干部分维上取折射反向值的部分反向解,深度挖掘并保存当前个体和折射反向个体的优势维度信息。此外,在跟随者位置更新阶段引入惯性权重因子,有效地改善跟随者的搜索模式并增强算法的局部开采能力。采用CEC2017基准函数进行仿真实验,同时使用Wilcoxon秩和检验、Friedman检验等方法来评价OOSSA算法的优化性能,测试结果表明所提算法的寻优精度和收敛速度明显优于基本SSA算法、8种新近的改进SSA算法和9种前沿的群体智能优化算法。此外,将所提算法应用于一个工程设计问题,结果表明该算法在工程优化方面的性能优于对比算法。最后,针对求解自主移动机器人路径规划问题,提出一种基于OOSSA的路径规划算法。在3种环境设置下对所提算法进行仿真实验,并与PSO、ABC、GWO、FA和SSA等算法进行对比。仿真结果表明,本文算法能够规划出最优的无碰撞路径。系统的实验表明OOSSA算法可作为问题优化的有效工具。

Salp swarm algorithm based on orthogonal refracted opposition-based learning