多策略改进的黑翅鸢优化算法

摘要

黑翅鸢优化算法具有较强的全局搜索能力，但算法存在易陷入局部最优、收敛速度慢及局部开发能力弱的问题。基于黑翅鸢优化算法，提出一种多策略融合改进的黑翅鸢优化算法。在初始化阶段使用Circle混沌映射初始化种群，扩大搜索范围，确保生成的黑翅鸢种群分布更加均匀，并提高种群质量；在攻击行为阶段提出一种自适应惯性权重因子，对种群位置进行动态调整，一方面提高算法的全局探索能力，从而增强算法跳出局部最优的能力，另一方面提高算法的收敛速度；在迁徙行为阶段提出局部挖掘策略，提高算法的局部开发能力。选取14个基准测试函数进行仿真实验，将测试函数维度从30维扩展到1 000维，结果表明改进算法的寻优精度、求解稳定性和收敛性能明显优于其他7个对比算法，并通过Wilcoxon秩和检验与Friedman检验来分析算法之间的显著性差异，实验结果证明了该算法的优越性与鲁棒性。

关键词

黑翅鸢优化算法 / Circle混沌映射 / 自适应惯性权重因子 / 局部挖掘策略