文件名称：论文研究-求解高维优化问题的改进正弦余弦算法.pdf
文件大小：1.09MB
文件格式：PDF
更新时间：2022-08-11 11:37:27
正弦余弦算法,高维优化问题,反向学习,惯性权重
提出一种改进的正弦余弦算法（简记为ISCA）。受粒子群优化（PSO）算法的启发，引入惯性权重以提高正弦余弦算法的收敛精度和加快收敛速度。此外，采取反向学习策略产生初始个体以提高种群的多样性和解的质量。采用八个高维基准测试函数进行仿真实验：在相同的最大适应度函数评价次数下，ISCA总体性能上均优于基本SCA和HGWO算法；当维数较高（D=1 000）时，ISCA所用计算量远小于HDEOO算法。实验结果表明ISCA在收敛精度和收敛速度指标上均优于对比算法。