基于动态预警与选择变异的改进麻雀分类算法

摘要

针对麻雀搜索算法寻优性能低、多样性不足问题，为提高算法的全局搜索能力和局部开发能力，提出一种基于动态预警与选择变异的麻雀搜索算法（CGSSA）.采用线性微分递减的方式动态设定优化过程中的预警者数量，在更新过程中设定选择因子，按照震荡衰减的规律对算法中一定数量的较差个体进行变异，并在变异结束后对更新前后的个体择优选取.实验结果表明：CGSSA算法不仅在收敛速度、搜索精度以及稳定性上具有更好的优化性能，与BP神经网络相结合应用于机器学习中的分类任务时，具有更好的分类性和鲁棒性．