多策略融合的斑馬優(yōu)化算法

摘要： 針對(duì)斑馬優(yōu)化算法易陷入局部最優(yōu)和魯棒性差的問(wèn)題，提出了一種多策略融合的斑馬優(yōu)化算法。首先采用基于Logistics混沌的收斂因子作為步長(zhǎng)控制因子，平衡了算法全局探勘與局部開(kāi)發(fā)能力，提高了算法的尋優(yōu)精度；其次采用位置擾動(dòng)策略，避免了迭代過(guò)程種群多樣性的減少，增強(qiáng)了算法跳出局部最優(yōu)的能力；最后采用記憶更新策略，降低了位置更新策略的盲目性。利用14個(gè)標(biāo)準(zhǔn)測(cè)試函數(shù)，在收斂精度、收斂速度... （共10頁(yè)）