求解大规模优化问题的改进白鲨优化算法

摘要

大规模优化问题的决策变量通常达到1 000维以上。白鲨优化算法在求解大规模优化问题时，收敛精度较低，易陷入“维数灾难”的窘境。为此，文章提出了一种改进的白鲨优化(modified white shake optimizer, MWSO)算法求解大规模优化问题。首先，MWSO算法引入蜂鸟飞行特征向量对速度更新策略进行改进，使白鲨个体学习拥有蜂鸟的3种飞行技巧，能够从不同方向对搜索空间进行广泛搜索，提高算法的全局勘探能力；其次，使用经柯西分布变异后的精英白鲨引导算法的位置更新，充分利用精英白鲨的优势信息和柯西分布整体分布稳定但会间隔产生较大值的特性，维持种群多样性，提高算法的局部开发能力。在12个大规模测试函数(100维、1 000维和5 000维)及6个固定维度多峰函数上的实验结果表明，MWSO算法在收敛精度、收敛速度和鲁棒性上优于对比算法，适合求解大规模优化问题。

关键词

大规模优化问题 / 白鲨优化算法 / 蜂鸟飞行 / 柯西分布 / 元启发式算法