基于混沌映射与高斯变异的群居蜘蛛优化算法

摘要

为改善群居蜘蛛优化算法中存在的收敛速度较慢和收敛精度低的问题,提出基于混沌映射与高斯变异的群居蜘蛛优化算法。首先,在种群初始化过程中采用混沌映射反向学习策略;其次,蜘蛛位置更新过程中引入自适应权重和动态概率因子;最后,在种群完成交配操作后,针对蜘蛛群中最优个体位置进行高斯变异扰动。通过实验证明:改进后的算法在测试函数上能够做到快速收敛,同时函数的最终收敛精度得到明显提高。通过30维与50维的实验结果可以看出,改进后的算法对于不同维度的函数都有着较好的收敛精度。