摘 要: | 乌鸦搜索算法(Crow Search Algorithm,CSA)和黏菌优化算法(Slime Mould Algorithm,SMA)是近年被提出的两个新型元启发式优化算法。CSA具有机制简洁、不易陷入局部最优、在工程问题上表现较好等特点,但其局部搜索能力偏弱,搜索效率不高。SMA具有可拓展性强、局部搜索能力强等优点,但其在求解高维复杂问题和最优解不在原点的函数时表现不稳定,且容易陷入局部最优。为了克服上述算法的不足,使用种群分级策略对两个算法的优点进行整合,提出基于时间阶级因子的联合黏菌—乌鸦搜索算法(SMCSA)。新算法利用时间阶级因子,将种群表示为一个时变动态结构,使CSA和SMA同步开展优化,并通过改变不同子种群的数量实现在优化初期侧重于探索,在后期开展更多开发。为验证所提出算法的优化能力和搜索效率,将SMCSA和其他7种不同类别的启发式算法应用到15个基准测试函数和3个机械设计问题的求解中。测试结果表明,SMCSA的收敛速度相较于原始算法得到提升,且具有比对照算法更好的鲁棒性与寻优精度。
|