基于柯西-高斯变异的混沌蝙蝠算法

针对蝙蝠算法在寻优过程中易陷入局部极值的不足，提出一种基于柯西-高斯变异的混沌蝙蝠算法（Cauchy Gaussian Bat Algorithm,CGBA）。首先，在蝙蝠的初始化阶段采用混沌初始化策略，以提高蝙蝠种群个体的均匀分布能力；其次，在全局搜索过程中，在蝙蝠算法搜寻过程中引入柯西逆累积分布函数，增强蝙蝠算法的收敛速度和寻优精度；最后，对局部最优解采用高斯扰动，增强算法跳出局部最优的能力。测试结果表明，CGBA在求解精度和收敛速度均优于传统蝙蝠算法。