基于混沌映射和萊維飛行的黏菌優化算法*

龔 然 施文娟 朱振源

（1.鹽城工學院信息工程學院 鹽城 224000）（2.鹽城師范學院物理與電子工程學院 鹽城 224000）

1 引言

近年來，元啟發式優化算法受到工程領域的廣泛關注。研究者們提出了很多先進的元啟發式優化算法來解決復雜的工程領域優化問題，如鯨魚優化算法（Whale Optimization Algorithm，WOA）［1］，灰狼優化算法（Grey Wolf Optimization Algorithm，GWO）［2］，蜻蜓優化算法（Dragonfly Optimization Algorithm，DA）［3］，蟻獅優化算法（Ant Lion Optimization Algorithm，ALO）［4］，飛蛾優化算法（Moth Optimization Algorithm，MOA）［5］。2020 年Li 等［6］提出一種新型元啟發式優化算法，稱為黏菌算法（Slime Mould Algorithm，SMA）。該算法模擬了黏菌在不同濃度環境下的覓食過程以及狀態變化，并且利用權值來模擬黏菌在覓食過程中產生的正負反饋，形成了黏菌發現食物、接近食物以及包裹食物三種不同的狀態。

針對標準黏菌算法存在收斂精度較低、迭代后期易陷入局部最優等問題，學者們提出了改進SMA的方法［7～11］。賈鶴鳴等［7］將算術優化算法與黏菌算法兩種算法結合，并加入隨機反向學習策略，提出一種融合隨機反向學習的黏菌與算術混合優化算法。郭雨鑫等［8］采取精英反向學習策略提高初始黏菌種群的多樣性，利用二次插值方法增強算法局部開發能力，提出一種精英反向與二次插值改進的黏菌算法。劉成漢等［9］將人工蜂群算法與黏菌算法兩種算法結合，并加入自適應可調節的反饋因子和交叉算子，提出了改進交叉算子的自適應人工蜂群黏菌算法。改進后的黏菌算法已成功應用于特征選擇［10］、圖像分割［11］等領域。

綜上所述，雖然近年來一些學者對黏菌算法進行了改進研究，但其依然存在收斂速度過慢、穩定性較低、易陷入局部最優等問題。……