改进麻雀搜索算法及其应用研究

针对麻雀搜索算法（SSA）收敛过早和迭代后期易陷入局部最优等缺陷,提出一种改进的麻雀搜索算法（ISSA）。首先,为提高算法的随机性和搜索性,将发现者向最优位置的跳跃操作改为向最优位置的移动,同时采用非线性的正余弦搜索对跟随者位置进行调整;其次,为解决算法在迭代后期易陷入局部最优的情况,对发现者和跟随者位置进行动态调整,同时采用反向学习策略对种群进行初始化设计;再次,利用柯西-高斯变异解决算法过早收敛的问题;最后为验证改进算法有效性,利用12种基准函数进行测试,测试结果与SSA、WOA、GWO、PSO、GA进行对比。结果表明：ISSA能够有效克服SSA收敛过早和迭代后期易陷入局部最优的缺陷,并提高了算法的收敛精度、稳定性和收敛速度。同时,将ISSA应用到车辆路径问题,验证了ISSA应用于实际工程问题的可行性。