[发明专利]基于改进麻雀搜索算法的优化方法

说明书

本发明公开了一种基于改进麻雀搜索算法的优化方法，依据适应度升序将麻雀搜索算法中的麻雀分为发现者、抢夺发现者食物的追随者、因饥肠辘辘需要广泛搜索的追随者；将卡方变异引入发现者更新公式对发现者进行更新，并根据发现者更新结果再更新追随者，然后随机挑选意识到危险的麻雀并更新；对适应度值小于所有麻雀适应度平均值的个体进行卡方变异；若当前迭代次数小于最大迭代次数，返回步骤S2，直至达到最大迭代次数。通过引入卡方变异以及牺牲部分求解时长，既保留了高斯变异一定的局部搜索能力，又提高了全局搜索能力，可改善SSA后期易陷入局部最优解的问题，提高SSA的寻优能力和稳健性。

技术领域

本发明涉及赛车技术领域，具体涉及基于改进麻雀搜索算法的优化方法。

背景技术

1975年Holland根据生物优胜劣汰的进化规律提出遗传算法，SMETS P于1991年根据蚁群觅食行为提出蚁群算法和Kennedy于1995年根据鸟类觅食行为提出粒子群算法，此后越来越多的学者根据生物特性提出了多种群智能优化算法和改进算法，如灰狼优化算法、蝗虫算法等。虽然群智能优化算法相比传统优化算法具有稳健性强、应用范围广的特点，但存在易陷入局部最优解，导致算法早熟的问题。

麻雀搜索算法(SSA)由薛建凯等于2020年提出，对比传统优化算法和传统群智能优化算法具有收敛速度快、求解精度高、稳健性强的优点，广泛应用领域广，但依然无法克服群智能优化算法在收敛后期易陷入局部最优解导致算法早熟，进而导致稳健性较差的缺点。

发明内容

本发明的目的在于，提供一种基于改进麻雀搜索算法的优化方法。本发明的寻优精度更高、稳健性更强，可以大幅提升全局寻优能力。

为解决上述技术问题，本发明提供的技术方案如下：一种基于改进麻雀搜索算法的优化方法，按以下步骤进行：

S1：依据适应度升序将麻雀搜索算法中的麻雀分为发现者、抢夺发现者食物的追随者、因饥肠辘辘需要广泛搜索的追随者；

S2：将卡方变异引入发现者更新公式对发现者进行更新，并根据发现者更新结果再更新追随者，然后随机挑选意识到危险的麻雀并更新；

S3：计算所有麻雀的适应度平均值，若个体适应度值小于所有麻雀的适应度平均值，对该个体进行卡方变异，否则不对其进行操作。

S4：若迭代次数小于最大迭代次数，返回步骤S2，否则输出最优值麻雀位置及适应度值。

上述的基于改进麻雀搜索算法的优化方法，所述的卡方变异的公式如下：

式中：t表示当前迭代次数；表示第t次迭代时第i个麻雀个体的位置；ChiSquare(ν)为服从自由度为v的卡方分布的数，λ被随机赋值为正负1。

前述的基于改进麻雀搜索算法的优化方法，所述步骤S2的具体过程如下：

1)根据公式更新发现者；

式中：t表示当前迭代次数，表示第t次迭代时第i个麻雀个体的位置；ChiSquare(ν)为服从自由度为v的卡方分布的数，λ被随机赋值为正负1；Q为服从正态分布的随机数，L为1×d的全一矩阵；当R₂＜ST时，觅食环境安全，发现者广泛搜索食物，当R₂＞ST时，出现捕食者，发现者迅速转移到其它安全的地方进行觅食；

2)根据公式更新跟随者；

式中：X_best表示当前最优位置，X_worst表示当前最差位置，A⁺＝A^T(AA^T)^-1，A表示个各元素为1或-1的1×d的矩阵，A^T为A的转置矩阵；

3)根据公式更新意识到危险的麻雀；