基于天牛须搜索自适应的樽海鞘算法

杨 兴，郭明昊，方 霞，祝忠明，蒋美琪

(成都理工大学 信息科学与技术学院，四川 成都 610059)

0 引 言

樽海鞘算法(salp swarm algorithm，SSA)[1]是Mirjalili等人基于樽海鞘链在海洋中觅食的种群机制开发的一种群体仿生优化算法。与其他著名的优化算法相比，SSA在许多问题上都证明了它的优越性。但SSA作为一种随机群体优化算法，依旧存在着与其他相似算法[2-3]同样的易陷入局部最优解以及收敛速度慢等缺点。文献[4]提出一种基于反向学习和新的局部搜索算法改进樽海鞘算法用于特征选择和特征的最优子集选择，并验证了算法在大多数使用的数据集中的优越性。文献[5]在樽海鞘算法中引入反向学习与混沌局部搜索， 对测试函数进行全局寻优验证算法的性能。文献[6]在樽海鞘算法中食物源位置引入动态权重因子，构成自适应樽海鞘算法，并与BP神经网络结合形成一种新的预测模型用于对土壤墒情预测。文献[7]将樽海鞘算法运用于TDOA问题，取得了更高的定位精度。文献[8]提出一种具有交叉变换的二进制樽海鞘算法，引入交叉算子增强算法的探索能力，改进的算法在特征选择过程中约90%的数据集优于其他算法。文献[9]提出了混沌樽海鞘算法，使用十个不同的混沌图来提高收敛速度和结果精度，并在特征选择中验证了通过逻辑混沌映射可以显著提高原始SSA的性能。文献[10]提出基于二次积分和火神经模型的混沌樽海鞘算法，将二次积分和火模型产生的混沌振荡引入到SSA算法中。……