融合多策略改进的克隆选择算法.pdfVIP

第34卷摇第6期计算机技术与发展Vol.34摇No.6

2024年6月摇摇摇摇摇摇摇摇摇摇COMPUTERTECHNOLOGYANDDEVELOPMENT摇摇摇摇摇摇摇摇摇摇Jun.摇2024

融合多策略改进的克隆选择算法

12,3114

张文豪,杨摇超,彭摇旭,王道维,范摇波

(1.湖北大学网络空间安全学院,湖北武汉430062;

2.湖北大学计算机与信息工程学院,湖北武汉430062;

3.智慧政务与人工智能应用湖北省工程研究中心,湖北武汉430062;

4.武汉大学科学技术发展研究院,湖北武汉430072)

摘摇要:针对克隆选择算法(CSA)解决复杂优化问题时存在的效率低下、收敛速度慢以及容易陷入局部最优等不足,提出

了一种融合多策略改进的克隆选择算法(MSICSA)。首先,引入Sobol序列初始化种群,丰富种群多样性,并提高算法整体

稳定性;其次,引入正余弦优化策略加强算法全局搜索能力,避免陷入局部最优而导致算法停滞;最后,引入动态浓度调节

策略,调节算法在不同时期搜索空间内的抗体浓度,控制算法加强前期全局搜索以及后期局部寻优能力,并提高算法收敛

速度。文中利用12种CEC测试函数及4种算法对MSICSA进行测试及对比,消融实验证明了改进策略的有效性,扰动实

验验证了文中算法的稳定性与鲁棒性,对比仿真以及几项实验均表明MSICSA能够有效提升收敛速度和寻优精度,并提高

跳出局部最优的能力。

关键词:克隆选择算法;正余弦优化策略;浓度调节策略;Sobol序列;抗体变异

中图分类号:TP18摇摇摇摇摇摇摇文献标识码:A摇摇摇摇摇摇摇文章编号:1673-629X(2024)06-0140-08

doi:10.20165/ki.ISSN1673-629X.2024.0080

ImprovedClonalSelectionAlgorithmFusingMultipleStrategies

12,3114

ZHANGWen-hao,YANGChao,PENGXu,WANGDao-wei,FANBo

(1.SchoolofCyberScienceandTechnology,HubeiUniversity,Wuhan430062,China;

2.SchoolofComputerandInformationEngineering,HubeiUniversity,Wuhan430062,China;

3.EngineeringResearchCenterofHubeiProvinceinIntelligentGovernmentAffairsand

ApplicationofArtificialIntelligence,Wuhan430062,China;

4.SchoolofScienceandTechnologyDevelopment,WuhanUniversity,Wuhan430072,China)

Abstract:Aimingattheshortcomings