基于t-分布的混沌蝙蝠算法及其在弹簧设计中的应用

摘要

蝙蝠算法(BA)作为一种新型的元启发算法,应用于解决复杂系统的优化问题。但由于算法后期收敛速度较慢,容易产生陷入局部最优的问题。采用Tent混沌映射的随机性和遍历性对种群进行初始化,可有效提升种群分布均匀度,进而通过动态递减的惯性权重更新速度公式,并在局部搜索过程中对非优蝙蝠个体进行自适应t-分布变异,在此基础上提出改进的蝙蝠算法(CTBA),有效规避了算法在搜索过程中的早熟收敛,提高了算法的探索和开发能力。模拟实验选择8个基准测试函数,与其他算法进行对比并且应用于弹簧设计问题,结果表明CTBA算法的性能更优。