混合随机反向学习和高斯变异的混沌松鼠搜索算法
来源：计算机集成制造系统杂志2023年第2期北京时间：
作者：冯增喜, 何鑫, 崔巍, 赵锦彤, 张茂强, 杨芸芸
单位：1.西安建筑科技大学建筑设备科学与工程学院2.安徽建筑大学智能建筑与建筑节能安徽省重点实验室
摘要：针对松鼠搜索算法(SSA)易陷入局部最优、过早收敛等问题,提出一种混合随机反向学习和高斯变异的混沌松鼠搜索算法(RGCSSA)。该算法通过Tent混沌映射初始化策略生成混沌初始种群,增强初始种群分布的均匀性,实现对解空间更高效的搜索;采用非线性递减的捕食者概率策略,平衡SSA的全局搜索和局部开发能力;利用位置贪婪选择策略在迭代过程中不断保留种群中的优势个体,以提升算法收敛速度;引入随机反向学习和高斯变异策略,在增加种群多样性的同时提高算法跳出局部最优的能力。使用10个不同的基准测试函数进行仿真实验,并利用Wilcoxon符号秩检验验证所提算法的寻优性能,结果表明,RGCSSA算法在求解精度、收敛速度和稳定性等方面均有极大提升。
关键词：松鼠搜索算法,Tent混沌映射,随机反向学习,高斯变异,Wilcoxon符号秩检验
基金资助：国家重点研发计划资助项目 (2017YFC0704104-03);安徽建筑大学智能建筑与建筑节能安徽省重点实验室2018年度开放课题资助项目(IBES2018KF08)。
