介绍了一种新型群智能优化算法——麻雀搜索算法(SSA)，该算法基于麻雀的觅食及反捕食行为，具有寻优能力强、收敛速度快的特点。通过在CEC2022测试集上的应用，验证了SSA的有效性和潜在优势。
一、麻雀搜索算法
麻雀搜索算法（sparrow search algorithm，SSA）由Jiankai Xue等人于2020年提出，该算法是根据麻雀觅食并逃避捕食者的行为而提出的群智能优化算法。SSA 主要是受麻雀的觅食行为和反捕食行为的启发而提出的。该算法比较新颖，具有寻优能力强，收敛速度快的优点。麻雀群觅食过程也是发现者-跟随者模型的一种，同时还叠加了侦查预警机制。麻雀中找到食物较好的个体作为发现者，其他个体作为跟随者，同时种群中选取一定比例的个体进行侦查预警，如果发现危险则放弃食物，安全第一。
二、CEC2022
CEC2022共有12个单目标测试函数，每个测试函数的可选维度分别是：10/20。下表给出了每个函数的理论最优值。CEC2022测试函数复杂，极其具有挑战力。
三、SSA求解CEC2022
本例中所测试的函数维度为10（可根据自己需要修改），SSA种群规模100，最大迭代次数500，加大迭代次数求解结果更优哦~
部分实验结果：
F1
理论值最优解：300；SSA求得值：300.0011
F2
理论值最优解：400；SSA求得值：400.0213
F3
理论值最优解：600；SSA求得值： 602.0878
从测试函数的前三个可以看出，SAA求解值非常结论理论最优值，加大迭代次数其求解结果更优。由此可知，SSA在CEC2022上具有一定的竞争力，潜力十足。
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
