采用危险度预警的进取麻雀搜索算法

为了解决麻雀搜索算法在迭代后期种群多样性降低且容易陷入局部最优的问题，提出一种采用危险度预警的进取麻雀搜索算法。首先制定保持进取策略，选取种群中适应度值优秀的个体与适应度值变化幅度大的个体共同培育生成学习样本，加快寻优速度。然后将种群进化过程分为稳定阶段和进取阶段，并在每个阶段执行不同策略：稳定阶段策略利用全局最优解和学习样本引导种群进化，增强局部开发能力；进取阶段策略利用个体历史最优解和学习样本引导种群进化，增加种群多样性并提高全局探索能力。此外，设计危险度预警策略用于检测种群是否陷入局部最优，并通过保存的优秀样本动态更新较差个体，帮助种群跳出局部最优。与其他几种有代表性的改进麻雀搜索算法一起针对CEC2017测试集进行对比实验，其结果证明了本文算法在收敛速度和收敛精度上有明显改进，能有效避免陷入局部最优。