具备逃逸机制的自学习麻雀搜索算法

针对麻雀搜索算法在迭代后期易出现搜索停滞的问题，提出一种具备逃逸机制的自学习麻雀搜索算法。首先，利用SPM混沌映射规则进行种群初始化，提高种群初始化质量；然后，通过黄金正弦算法改进发现者的位置更新规则，解决搜索维度变小的问题，同时指导个体进行自学习，使上一代的位置信息得到充分利用，提高求解速度；最后，利用逃逸机制对发生聚集的个体散射至其余搜索空间，提高种群多样性，避免算法出现搜索停滞。对基准测试函数的仿真实验表明，论文所提出的算法解决了麻雀搜索算法在迭代后期易出现搜索停滞的问题，证明了该算法的有效性。