基于改进帝王蝶算法的群优化算法加速框架

来源：计算机技术与发展杂志2024年第10期北京时间：

作者：巨重阳;刘立群*

摘要：该文提出了一个通过改进的帝王蝶算法的群优化算法加速框架,该架构旨在改善群智能算法的优化特性和收敛效率。 传统的帝王蝶算法具有收敛速度慢和容易进入局部最优的问题。 为解决上述问题,该文在帝王蝶算法中引入了一系列改进措施,改进帝王蝶算法并使其作为加速框架与其它群智能算法组合使用。 首先,通过应用混沌映射来更新群体起始状态以增强其成员的多元性,这能有效扩大搜寻范围并采用反向学习和随机干扰取代传统的移动操作,从而提升整体的稳定性,防止算法被困于局部最优。 此外,采用非线性的自适应运算因子,初期强化了变异力以避开局部最优,后期减弱它以便深入寻找更好的结果,进而提高了精度。 通过组合不同的群智能优化算法 30 维下寻优在 10 个测试函数的综合评估,验证了该算法框架可以有效提升其它群智能优化算法的收敛速度和精度。

关键词：帝王蝶算法;反向学习;混沌映射;群优化算法;自适应算子