一种利用子猫群交互的改进猫群优化算法

李松阳，于海鹏，王 淼

(河南工程学院 软件学院，河南 郑州 451191)

猫群优化(cat swarm optimization，CSO)算法是2006年Chu等[1]基于对猫群行为的观察，为解决连续和单目标优化问题，设计并提出的一种新的群体智能算法。猫群优化算法采用迭代的方式优化问题，具有易实现、能全局搜索、收敛速度较快等优点。作为新兴的群体智能算法，猫群优化算法在国外引起了众多研究者的关注。Pyari等[2]对猫群优化算法进行了扩展，提出了一种新的多目标进化算法。Tsai等[3]提出了一种并行猫群优化算法，在猫群数量和迭代次数较少的条件下实现快速收敛，并进一步研究了增强并行猫群优化算法，比如在猫群跟踪模式中引入田口法(Taguchi method)，提高猫群优化算法的收敛速度和全局搜索能力[4]。Tsai等[5]结合猫群优化算法和人工蜂群算法提出了一种混合优化算法框架。猫群优化算法与其他群体智能算法结合的混合优化算法开始发展起来。Vivek等[6]提出了一种将猫群优化算法、粒子群优化算法和遗传算法结合的混合算法用于解决情感识别问题。Nanda[7]提出了一种结合猫群优化算法和小波神经网络(wavelet neural network)的混合算法用于预测混沌和非线性时间序列。Sarswat等[8]提出了一种结合猫群优化算法、遗传算法、模拟退火算法的混合算法用于解决社交网络问题。在猫群优化算法提出后，众多学者针对该算法也提出了很多改进的方法。Sharafi等[9]提出了一种基于猫群优化算法的二进制离散优化方法，大幅提高了0/1背包问题的准确率。Siqueira等[10]提出了一种基于布尔算子的二进制猫群优化算法 ，在髙维0/1背包问题上具有较好的可行性。……