论文部分内容阅读
为解决樽海鞘算法收敛速度慢和易陷入局部最优解的问题,引入不同的优化策略,提出一种基于反向学习与混合位置中心相结合的樽海鞘算法。该算法在更新领导者位置时进行反向学习;在每次迭代更新中引入位置加权中心和位置均值中心,通过比较不同位置中心值的优劣程度得到更佳食物源位置。在8个不同类型的基准测试函数上的实验结果表明,改进的樽海鞘算法在求解精度、收敛速度上均有明显的提高,且具有更佳的鲁棒性。