夏永承　沈金榮　劉夢權

關鍵詞：cat 混沌映射；反向學習；單純形法；收斂因子；金豺優(yōu)化算法

中圖分類號：TP18 文獻標識碼：A 文章編號：1006-8228（2023）11-34-07

0 引言

金豺優(yōu)化算法（GJO）是新近提出的群智能優(yōu)化算法[1]，具有易于實施、穩(wěn)定性高、調整參數少等優(yōu)點，在很多領域得到了應用[2-3]。但GJO 算法存在勘探和開發(fā)能力不平衡，容易導致過度開發(fā)并陷入局部最優(yōu)的問題[4]。針對該算法現有缺陷，文獻[5]改進了其收斂因子，文獻[6]利用了精英對立學習策略。基于以上對GJO 算法的改進經驗，本文利用Cat 混沌映射和精英反向學習策略初始化種群，利用單純形法優(yōu)化較差個體，改進了收斂因子，引入自適應權重的方式更新位置，最后引入個體記憶方法加快收斂速度并用采用高斯變異擾動優(yōu)化最優(yōu)解。通過八個基準函數的尋優(yōu)測試對比，改進后的算法在原基礎上提高了收斂速度和尋優(yōu)精度。

1 金豺優(yōu)化算法

GJO算法模擬了金豺成對狩獵的習性，包括三個階段：搜索獵物；搜索并包圍獵物直到獵物停止逃跑；圍攻獵物。

⑴ 種群初始化