基于动态多子族群自适应群居蜘蛛优化算法（4.docVIP

基于动态多子族群自适应群居蜘蛛优化算法? ? 作者（通讯作者）简介：刘洲洲（1981-），博士生，主要从事智能优化算法和无线传感器网络研究Email:nazi2005@126.com 基金项目：国家自然科学基金资助项目,陕西省教育厅科研计划项目资助(16JK1395) 刘洲洲1, 李彬2 (1. 西安航空学院，西安 陕西7100772，2. 西北工业大学电子信息学院，西安 陕西 710072) 摘 要：为了提高群居蜘蛛优化算法（SSO）样本多样性和算法收敛性能，提出了一种基于动态多子族群自适应群居蜘蛛优化算法（DMASSO）。根据算法样本多样性和算法进化程度，动态的将蜘蛛种群分成若干个主导子族群和辅助子族群，在不同子族群中分别引入自适应学习因子和高斯扰动因子改进算法个体更新方式，实现提高算法全局寻优能力和保持群体样本多样性。针对具有典型特点的测试函数仿真结果表明，较SSO算法、MSFLA算法等优化算法相比，新算法在收敛速度和收敛精度上均有明显改善。 关键词：群居蜘蛛优化算法；多子族群；自适应；函数优化 中图分类号：TP273 文献标识码：A An Adaptation Social Spider Optimization Algorithm Based on Dynamic Multi-swarm Strategy LIUZhouzhou1 , LIBin2, (1. Xi’an Aeronautical University, Xi’an710077, China, 2. School of Electronics and Information, Northwestern Polytechnical University,Xi’an 710072, China) Abstract: In order to improve the samples diversity and convergence properties of social spiders optimization algorithm (SSO), an adaptation social spider optimization algorithm based on dynamic multi-swarm strategy (DMASSO) is proposed. According to the algorithm samples diversity and evolutionary level, the spider population is dynamically divided into different sizes leading groups and supporting groups, and the adaptive learning factor and Gaussian disturbance factor are introduced to improve the algorithm update ways, which helps to improve the algorithm global optimization ability and maintain the diversity of the sample population. For the test results of typical characteristics functions show that compared to SSO algorithm, SFLA algorithm and other optimization algorithms, the new algorithm has better convergence speed and convergence accuracy. Key words: social spider optimization algorithm; multi-swarm; adaptation; function optimization 0 引言 群居蜘蛛优化算法（Social Spider Optimization Algorithm，SSO）是Cuevas等学者[1]通过模拟群居蜘蛛协作行为，提出的一种新型随机全局优化技术。在SSO算法中，雌性和雄性两类不同搜索个体按照不同的搜索准则协同进化，能够实现全局寻优[2]。经典函数测试表明，与PSO算法、ABC算法相比，SSO具有良好的收敛性能和鲁棒性[3]。由于SSO算法提出时间不长，与其相关的理论研究和实践应用还相对较少，特别是对于复杂多极值函数优化问题，提高算法收敛效果仍是SSO需要解决的难题。 目前，已有部分