基于折射反向学习机制的樽海鞘群算法

摘要

由于樽海鞘群算法(SSA)容易陷入局部最优，导致算法收敛能力较差，为了提高算法的搜索性能，本文提出了一种基于折射反向学习的樽海鞘群算法rOSSA.算法根据折射反向学习在解空间中获得反向解，使搜索代理获得更多选择机会，增加算法找到更优解的可能性.此外，在折射反向学习中引入概率扰动机制，通过概率扰动机制使搜索代理在迭代后期能够跳出局部最优，从而增强算法的全局搜索能力.最后，通过9个单峰、多峰、复合测试函数和一个工程计算问题将rOSSA与近年提出的一些主流算法进行比较，实验结果有效证明了本文改进算法的有效性.

关键词

樽海鞘群算法 / 搜索性能 / 折射反向学习 / 概率扰动

基金资助

国家自然科学地区基金项目(32060193)资助; 云南省基础研究计划面上项目(202101AT070082)资助