基于动态搜索的自适应猫群算法

陈超泉，王悦悦，谢晓兰

(桂林理工大学 信息科学与工程学院，广西 桂林 541006)

0 引 言

近几年，猫群算法[1]的应用领域越来越广泛，搜索机制也得到了优化。李昂等[2]在猫群算法中加入投食机制，通过加强算法局部搜索的能力进而提高算法搜索速度，但是这种方法也会加大陷入局部极值的概率。黄伟健等[3]用Logistic混沌映射在猫群算法的每次迭代中对位置进行一个扰动，使其避免陷入局部极值。赵东明等[4]提出一种多目标猫群算法，使得每只猫在迭代中都受最优猫的牵引，增加算法收敛速度。Pandi等[5]通过在算法寻优过程中把猫当作一个和声，同时进行和声搜索的方法，增加了猫群多样性。

以上研究虽然都一定程度上的优化了猫群算法，但是对于猫群算法收敛的速度和求解的精度还是没有得到针对性的改进。本文对于这种情况，提出一种改进方法，对分组率以及惯性权重进行先变速率增大后变速率减小的动态变化，使算法在不同的进化时刻有着不同的搜索重心，从而可以提高算法收敛的速度；同时针对猫群算法极易陷入局部极值的问题，本文让算法在不同的适应值情况下拥有自适应的变异率，增加算法跳出局部极值的概率。最后通过5个标准测试函数验证算法在收敛的速度和寻优的精度方面都具有一定的优势。

1 猫群算法

猫群算法模拟正常状态中的猫的捕猎行为。猫时刻处于一种警惕状态，对于身边的事物具有高度的警觉性。……