精英反向学习带扰动因子的混沌蚁狮算法

摘要

针对蚁狮算法易陷入局部最优、收敛速度慢的缺点,本文提出了基于精英反向学习带扰动因子的混沌蚁狮算法。该算法首先通过对蚂蚁的随机游走公式引入扰动因子,有效提高了寻优精度,避免算法陷入局部最优,有效平衡了全局最优搜索与局部最优搜索;对蚁狮的精英个体进行反向学习生成精英反向解,增加了种群多样性;通过比较当前最优解与精英反向解,选出优异个体作为新的全局最优解;最后在蚂蚁受轮盘赌选择蚁狮、精英蚁狮影响的随机游走公式中引入Logistic混沌映射,有效提高了算法的全局搜索能力和寻优精度。通过7个经典测试函数实验对比,就目前改进的蚁狮算法而言,本文提出的算法能有效提高寻优的精度与收敛速度、高效解决函数优化问题。