基于高斯扰动和指数递减策略的改进蝙蝠算法

来源：计算机应用研究杂志2020年第5期北京时间：

作者：宋一民,李煜,

单位：1.郑州财经学院现代物流与管理系,郑州450000；2.河南大学a.商学院;b.管理科学与工程研究所,河南开封475004；

摘要：针对基本蝙蝠算法后期收敛速度慢、收敛精度不高、稳定性不强等问题，提出基于高斯扰动和指数递减策略的改进蝙蝠算法（GDEDBA）。将指数递减策略引入速度更新公式，使算法迅速进入局部寻优并展开精确搜索；构造高斯扰动项加入到局部新解产生公式，使局部新解中所有粒子与当前全局最优粒子产生信息交流与学习，防止陷入局部最优，增加种群多样性；设计扰动控制因子来控制高斯扰动的扰动范围，增强算法的稳定性。15个测试函数的仿真结果表明，改进算法的寻优性能显著提高，收敛速度更快，求解精度更高，稳定性更强。

关键词：蝙蝠算法,高斯扰动,指数递减策略,算法改进,函数优化,

基金资助：国家自然科学基金资助项目(71601071)；国家教育部人文社科青年基金资助项目(15YJC630079)；河南省重点研发与推广专项资助项目(182102310886)；河南省科技攻关重点项目(162102110109)；；