混合策略改进的麻雀搜索算法

张伟康，刘 升，任春慧

上海工程技术大学 管理学院，上海201620

群智能算法是模拟自然界中生物的行为特点，在一定范围内搜索解空间中的最优解。近年来，随着群智能算法在工程、经济、医学领域越来越广泛的应用，如电容器优化选址、图像分割、CO2排放预测以及PID参数整定等，不断涌现出新的群智能算法。学者们通过蜜蜂、狼、鲸鱼、蝴蝶、麻雀等生物的群体行为，提出了人工蜂群算法[1]（Artificial Bee Colony Algorithm，ABC）、灰狼优化算法[2]（Grey Wolf Optimization，GWO）、鲸鱼优化算法[3]（Whale Optimization algorithm，WOA）、蝴蝶优化算法[4]（Butterfly Optimization Algorithm，BOA）、麻雀搜索算法[5]（Sparrow Search Algorithm，SSA）等等。

麻雀搜索算法是2020年由薛建凯[5]提出的一种新型群智能算法，该算法主要是受麻雀的觅食行为和反捕食行为的启发，与其他算法相比具有搜索精度高、鲁棒性强的特点。然而在搜索过程中，种群多样性减少，容易陷入局部最优。针对这个缺陷，吕鑫等人[6]引入鸟群算法中发现者和加入者位置更新方式应用到麻雀搜索算法，增强了全局搜索能力。毛清华等人[7]将Sin混沌映射、自适应权重、柯西变异以及反向学习等策略应用到麻雀算法中，提升了算法的收敛精度和全局寻优能力。虽然以上学者的研究对SSA的寻优能力有所提高，但在增强全局开发能力、权衡局部探索和全局开发能力、提高收敛速度等方面仍需更加深入的研究。

本文首先利用Circle映射初始化麻雀个体位置，增加初始种群的多样性；然后引入Arora[4]提出的蝴蝶优化算法（BOA），利用BOA中蝴蝶的位置更新策略改进麻雀搜索算法发现者的位置更新方式，提升算法全局开发能力；……