典型文献
融合差分进化和混合多策略的麻雀搜索算法
文献摘要：
针对麻雀搜索算法(sparrow search algorithm,SSA)存在收敛速度慢、稳定性差和易陷入局部最优等问题,提出融合差分进化和混合多策略的麻雀搜索算法(DEH-SSA).引入反向学习初始化以增加种群的多样性,避免陷入局部最优;加入非线性权重因子改进麻雀发现者的位置更新公式以平衡算法的局部和全局搜索能力,使算法的收敛速度加快;融合差分进化和精英策略增强SSA算法的全局搜索能力并提高算法的收敛精度.在10个基准测试函数上与其它群智能算法进行比较实验,其结果表明,DEH-SSA具有更高的收敛精度、更快的收敛速度和更好的稳定性,通过Wilcoxon秩和检验方法也验证了DEH-SSA算法具有更好的显著性差异.
文献关键词：
麻雀搜索算法;反向学习;非线性权重;差分进化;精英策略
中图分类号：
作者姓名：
朱鹏;杜逆索;欧阳智
作者机构：
贵州大学 计算机科学与技术学院,贵州 贵阳 550025;贵州大学 贵州省大数据产业发展应用研究院,贵州 贵阳 550025
文献出处：
引用格式：
[1]朱鹏;杜逆索;欧阳智-.融合差分进化和混合多策略的麻雀搜索算法)[J].计算机工程与设计,2022(06):1609-1619
A类：
B类：
差分进化,多策略,麻雀搜索算法,sparrow,search,algorithm,SSA,收敛速度,速度慢,和易,局部最优,优等,DEH,反向学习,初始化,非线性权重,权重因子,因子改进,发现者,位置更新,全局搜索,搜索能力,精英策略,收敛精度,基准测试函数,群智能算法,比较实验,Wilcoxon,秩和检验,检验方法
AB值：
0.321928
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
