控制与决策

作者：顾清华,姜秉佼,常朝朝,李学现

单位：西安建筑科技大学 资源工程学院,西安 710000,,西安建筑科技大学 资源工程学院,西安 710000,,西安建筑科技大学 资源工程学院,西安 710000,,西安建筑科技大学 资源工程学院,西安 710000,

关键词：大规模优化问题;麻雀搜索算法;精英反向学习;萤火虫扰动策略;动态边界;5G网络基站部署

基金：国家自然科学基金面上项目(52074205)；陕西省自然科学基金杰出青年基金项目(2020JC-44).

针对麻雀搜索算法在求解大规模优化问题时存在收敛速度慢、寻优精度低和易陷入局部极值的缺点,提出一种基于精英反向学习策略的萤火虫麻雀搜索算法(ELFASSA).首先,通过反向学习策略初始化种群,为全局寻优奠定基础;其次,利用萤火虫扰动策略提高算法跳出局部最优的能力并加速收敛;最后,在麻雀位置更新后引入精英反向学习策略以获取精英解及动态边界,使精英反向解可以定位在狭窄的搜索空间中,有利于算法收敛.通过选取10个高维标准测试函数进行仿真实验,将其与麻雀搜索算法(SSA)及4种先进的改进算法进行性能对比,并与3种单一策略改进的麻雀搜索算法进行改进策略的有效性分析,仿真结果表明,ELFASSA算法在收敛速度和求解精度两方面明显优于其他对比算法.

来源：2023年第7期

《控制与决策》期刊编辑部

查看控制与决策杂志2023年第7期