智能优化算法改进策略之局部搜索算子（二）—模式搜索（以正余弦算法和灰狼算法为研究对象）

news2024/11/16 19:26:53

一、改进点基本介绍：

在目前多数的改进智能优化算法文献中，局部搜索算子的形式多种多样。它们主要被用来增强算法的局部开发能力，进而提升它们在优化问题特别在单峰问题上的收敛性能。作为一种高效的直接搜索法，模式搜索目前已被应用于智能优化算法的改进工作中。比如基于模式搜索的粒子群算法[1,2]，融合模式搜索的人工蜂群算法[3]，带有模式搜索法的鸡群优化算法[4]，等等。仿真结果表明，作为一种具有前景的局部搜索工具，模式搜索法能够显著改进原始算法在基准测试特别是单峰问题上的收敛性能。模式搜索具体步骤可参考以下参考文献：

二、代码获取：

百度搜索“面包多”，在面包多官方主页的搜索作品栏搜索该推文标题即可

三、主要参考文献:

[1] Zhao X, Lin W, Hao J, et al. Clustering and pattern search for enhancing particle swarm optimization with Euclidean spatial neighborhood search[J]. Neurocomputing, 2016, 171: 966-981.

[2] 封京梅,刘三阳.基于模式搜索的粒子群算法求解绝对值方程[J].兰州大学学报(自然科学版),2017,53(05):701-705.DOI:10.13885/j.issn.0455-2059.2017.05.022.

[3] Kang F, Li J, Li H. Artificial bee colony algorithm and pattern search hybridized for global optimization[J]. Applied Soft Computing, 2013, 13(4): 1781-1791.

[4] 张慕雪,张达敏,何锐亮.基于模式搜索法的鸡群优化算法[J].微电子学与计算机,2018,35(04):46-52.DOI:10.19304/j.cnki.issn1000-7180.2018.04.010.

四、算法效果—以单峰函数Sphere function 与 Rosenbrock function 为例，将模式搜索分别用于改进正余弦算法与灰狼优化算法，得到的算法变体分别命名为PSSCA与PSGWO（模式搜索英文名词为：pattern search）。模式搜索法还可用于改进更多的智能优化算法。

1、SCA vs PSSCA