基于多策略改进的金豺优化算法

摘要

金豺优化算法(golden jackal optimization algorithm, GJO)作为一种新型的元启发算法，由于其收敛速度精度不佳，且在探索与开采阶段平衡上存在不足，陷入局部极值等算法弊端均有出现.因此，提出了改进金豺优化算法(IGJO).首先，采用改进型的多值Circle混沌映射，以增进种群多样性及初始解的品质；其次，基于特定的收缩指数函数，将能量方程优化为非线性形式，实现全局与局部搜寻的有效协调；然后，引入基于t-分布的变异策略增强搜索广度，提升全局搜索效能，有效避免局部最优问题；最后，通过调整Levy飞行参数进行细致优化，确立了一个优化值，从而显著提升了算法的收敛速度和精确度.通过9项测试函数的实验验证表明，改进后的IGJO算法在多个方面超越了若干现有的经典或新兴算法.

关键词

群智能优化算法 / 金豺优化算法 / 多值Circle混沌映射 / 任意收缩指数函数 / 自适应t分布突变