多策略改进的蛇优化算法

为改进蛇优化算法(Snake Optimizer, SO)在探索方式、变量计算、空间搜索方式和种群更新方式等方面存在的不足，提出了一种多策略改进的蛇优化算法(Improved Snake Optimizer, ISO)。首先，提出探索寻优策略，根据个体相对于优势个体的位置更新自身的位置，使种群在前期快速收敛到最优解附近。其次，优化变量计算方式，将SO算法中的指数运算改进为多项式运算，提高SO的时间效率。同时引入动态调整搜索空间的机制，随种群进化迭代次数的增加逐步扩展搜索范围以提高寻优能力。最后，引入优势进化策略，淘汰适应度较差的个体并结合优势个体的基因产生新个体，快速提高种群优势基因比例以增加收敛速度。对不同基准测试函数进行寻优实验，分别与经典SO算法和5种启发式算法进行对比，结果表明ISO具有较强的寻优能力。为进一步验证所提算法的高效性和实用性，将ISO应用于全连接神经网络的优化问题，结果表明基于ISO优化的神经网络具有更优的分类效果。