多策略改进的天鹰优化算法及其应用

为改善天鹰优化算法(aquila optimizer, AO)在求解复杂优化问题时存在易陷入局部最优等不足,提出一种多策略改进的天鹰优化算法(multi-strategy improved aquila optimizer, MIAO)。首先,提出镜像单纯形法策略扩大天鹰搜索范围,提升种群多样性和逃离桎梏能力;其次,在天鹰算法的X3阶段融入社会自由觅食策略,摆脱全局平均值的束缚,提升迭代后期天鹰个体的多样性;同时,将阶梯步进策略引入X4阶段,保证当前优势个体加快向全局最优前进的趋势,增加收敛速度;最后,改进原有开发机制,提升算法寻优能力。对10个常用基准函数以及CEC2017部分函数进行寻优实验,实验结果与Wilcoxon符号秩和检验结果均表明改进算法具有更好的寻优精度、收敛性能和稳定性。另外,通过一个机械优化设计实验进行测试分析,进一步验证所改进算法的优越性和实用性。     

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。