基于正交对立学习的改进麻雀搜索算法

来源：电子测量技术杂志2022年第10期北京时间：

作者：王天雷，张绮媚，李俊辉，周京，刘人菊，谭南林

单位：1.五邑大学 智能制造学部 江门 529020; 2.北京交通大学 机械与电子控制工程学院 北京 100044; 3.五邑大学 数学与计算科学学院 江门 529020

摘要：针对麻雀搜索算法种群多样性少，局部搜索能力弱的问题，本文提出了基于正交对立学习的改进型麻雀搜索算法（OOLSSA）。首先，在算法中引入正态变异算子，丰富算法种群多样性；其次，利用对立学习策略，增强算法跳出局部最优的能力；然后，在加入者更新之后引入正交对立学习机制，加快算法的收敛速度；最后，基于15个基准测试函数与6个传统优化算法和2个改进型算法进行仿真实验、非参数Friedman检验以及算法平衡能力进行分析，评估OOLSSA算法寻优性能。仿真结果证明，OOLSSA与其余8种算法相比，算法的探索开发能力以及收敛速度都表现良好。

关键词：麻雀搜索算法; 正交学习; 对立学习; 正态变异算子

基金资助：国家自然科学基金（51505154、51437005）、2018广东省教学质量工程与教改项目（GDJX2019012）、2020年江门市科技计划项目（2020JC01035）、2019年江门市科技计划项目（2019JC01005）