融合多策略改進的自適應烏鴉搜索算法

陳志鵬 李環 魏文紅

(東莞理工學院 計算機科學與技術學院,廣東東莞 523808)

近些年來,啟發式優化算法吸引了眾多研究者的關注。通過模擬自然界的現象,生物行為和物理現象,一系列的啟發式算法不斷被提出。根據NFL定理,不存在一種算法能夠解決所有問題。因此,研究者需要不斷改進現有算法或提出更優秀的算法來優化不同問題。自20世紀以來,受自然界生物的啟發,研究人員提出了多種優化算法,如蝙蝠算法[1]、灰狼算法[2]以及鯨魚優化算法[3]等。這些算法一經提出就受到了廣泛的關注和研究,為不同領域問題的求解提供了更多技術支持。

烏鴉搜索算法(Crow Search Algorithm,CSA)[4]是由Askarzadeh于2016年提出的一種新的優化算法,其靈感來源于烏鴉覓食行為。CSA模擬了烏鴉進行覓食和藏匿食物的兩種行為,和其他智能算法比較,CSA具有控制參數較少、結構簡單、易于掌握且全局搜索能力強等優點。當下,烏鴉搜索算法已經成功在特征選擇[5]、圖像處理[6]、航空運力調度[7]、無人機路徑規劃[8]等領域取得了應用。

與其他的智能優化算法相比較,烏鴉搜索算法具有全局搜索能力強,搜索過程中能夠保持較高的種群多樣性優點。然而,由于該算法在搜索過程中缺乏最優個體或精英個體的引導,即使在搜索后期,算法仍然難以收斂,導致種群分散并陷入多個局部最優點。為此,國內外不少研究者提出了各種策略對烏鴉搜索算法進行了相應的改進。文獻[9]提出了正余弦指引的烏鴉搜索算法,通過采用嵌入正余弦算子的方式對烏鴉進行位置更新的引導,提高了算法的收斂精度。……