非线性周期和纵横交叉融合改进的沙猫群算法

摘要

沙猫群算法(SCSO)在处理复杂问题时，存在种群多样性差、收敛过早、迭代后期收敛速度慢以及全局寻优能力不足等问题，为此提出一种非线性周期和纵横交叉融合改进的沙猫群算法(ISCSO).首先，利用SPM混沌映射进行种群初始化以获得更加均匀的分布；其次，引入非线性周期调整以更好地平衡局部收敛和全局寻优能力；最后，增加基于纵横交叉策略的繁衍与竞争阶段来提升算法在迭代后期的种群多样性，并通过竞争过程确保算法向更好的结果迭代.将ISCSO与其他5种算法在CEC2017测试集中进行相同基础参数的仿真实验，并比较函数的平均值、标准差及Wilcoxon秩和检验.结果表明，ISCSO的收敛性能和寻优能力均有显著优势.将该算法应用于极限学习机参数寻优问题，并进行电池健康状态估计，证明了算法在实际应用中的有效性.

关键词

沙猫群算法 / 群智能算法 / 混沌映射 / 非线性周期调整 / 纵横交叉