融合聚集因子和正余弦搜索的阿基米德優(yōu)化算法

摘要： 針對阿基米德優(yōu)化算法(AOA)收斂精度差、跳出局部最優(yōu)能力弱的不足，提出一種融合聚合因子與正余弦搜索的改進(jìn)阿基米德優(yōu)化算法(YMAOA)。首先，引入Sobol序列初始化種群，增強(qiáng)種群多樣性；其次，將密度因子重構(gòu)為非線性遞減趨勢，同時設(shè)計非線性權(quán)值平衡算法在不同時期的探索能力和收斂速度；然后，設(shè)計基于聚集因子判斷的隨機(jī)反向?qū)W習(xí)策略，增強(qiáng)全局探索的尋優(yōu)性能；同時在算法局部優(yōu)化階段融... （共10頁）