融合多策略改进麻雀搜索算法.pdfVIP

云南大学学报（自然科学版），2025,

47（3）:430~442DOI:

10.7540/j.ynu

Journal

of

Yunnan

University:

Natural

Sciences

Edition

融合多策略改进麻雀搜索算法

**

薛思瑞，张长胜，丁

鑫，钱

斌，胡

蓉

(昆明理工大学

信息工程与自动化学院，云南

昆明650500)

摘要：针对麻雀搜索算法（sparrow

search

algorithm,

SSA）在接近全局最优解时种群多样性下降和易陷入局

部最优等问题，提出了一种融合多策略改进的麻雀搜索算法（multi-strategy

improved

sparrow

search

algorithm，

MISSA）.

首先，引入Halton序列丰富初始种群的多样性以提升算法寻优的遍历性；其次，在发现者的位置更

新机制中融入正弦余弦算法（sine

cosine

algorithm,

SCA），并引入非线性动态学习因子以平衡局部与全局搜索

能力，加快收敛速度；最后，在加入者的位置更新机制中采用了莱维飞行策略，对当前最优解实施扰动变异，

加强算法逃离局部最优解的能力.

通过14个基准函数对改进策略有效性进行验证，结果表明MISSA具有更

高的求解精度和更快的收敛速度.

此外，在焊接梁优化问题上，MISSA具有更小的目标函数值和更低的标准

差，进一步验证了MISSA在处理实际工程优化问题时的优越性和适用性.

关键词：麻雀搜索算法；Halton序列；非线性动态学习因子；正弦余弦算法；莱维飞行

中图分类号：TP301.6

文献标志码：A

文章编号：0258−7971(2025)03−0430−13

在人工智能和大数据的浪潮中，解决大规模工法(sparrow

search

algorithm,

SSA)是一种新型群体

程优化问题的复杂性变得尤为迫切，特别是针对高智能优化算法.

群体智能优化算法因其实现简单、

维、非线性以及具有多个局部极值点的全局优化易于扩展和自组织的特性而受到日益关注.

SSA在

问题，传统优化方法往往难以达到理想的求解效众多群体智能优化算法中以其高搜索精度、快速

果.

为了解决这个问题，一种结合了蒙特卡洛方法收敛、稳定性好和鲁棒性强等优势突出.

尽管如此,

和启发式搜索策略的元启发式算法应运而生.

这种SSA和其他群体智能优化算法一样，在接近全局最

算法不仅具有全局探索的能力，而且还具有局部开优解的搜索过程中，也会遭遇种群多样性下降和容

发的深度，能够在有限的时间或精度范围内有效地易陷入局部最优的问题.

为改善SSA的综合寻优

寻找复杂问题的最优解.

根据其搜索机制，这种算能力，国内外众多学者进行了大量的研究和改进，

法大致可以分为3类：第1类基于进化机制产生，主要总结如下.

[1]