混合引力搜索的自适应反向学习蜉蝣优化算法

针对蜉蝣优化算法全局探索能力较弱，易陷入局部最优的不足，提出了两种改进策略：利用引力搜索算法更新蜉蝣的速度公式，以增强算法的全局探索能力和局部开发能力；对蜉蝣种群执行自适应反向学习策略，以提高算法的收敛速度及求解精度。将两种策略分别引入雌雄种群中得到六种算法变体。仿真结果表明，雄性种群混合引力搜索算法且雌性种群引入自适应反向学习策略的变体性能最好，命名为GSA-OMA算法。与8个元启发式优化算法相比，GSA-OMA算法具有更好的寻优精度和收敛速度。