Affiliation of Author(s):
建筑设备科学与工程学院
Key Words:
松鼠搜索算法；Ｔｅｎｔ混沌映射；随机反向学习；高斯变异；Ｗｉｌｃｏｘｏｎ符号秩检验
Abstract:
针对松鼠搜索算法（ＳＳＡ）易陷入局部最优、过早收敛等问题，提出一种混合随机反向学习和高斯变异
的混沌松鼠搜索算法（ＲＧＣＳＳＡ）。该算法通过 Ｔｅｎｔ混沌映射初始化策略生成混沌初始种群，增强初始种群分布的
均匀性，实现对解空间更高效的搜索；采用非线性递减的捕食者概率策略，平衡 ＳＳＡ 的全局搜索和局部开发能力；
利用位置贪婪选择策略在迭代过程中不断保留种群中的优势个体，以提升算法收敛速度；引入随机反向学习和高
斯变异策略，在增加种群多样性的同时提高算法跳出局部最优的能力。使 用１０个不同的基准测试函数进行仿真
实验，并利用 Ｗｉｌｃｏｘｏｎ符号秩检验验证所提算法的寻优性能，结果表明，ＲＧＣＳＳＡ 算法在求解精度、收敛速度和稳
定性等方面均有极大提升。
Paper Publications
