基于发现者预选择机制的自适应群搜索算法

？为克服群搜索(gso)算法早熟的缺点，提高算法收敛速度，提出一种基于发现者预选择机制的自适应群搜索（psagso）算法。首先，依据发现者追随者模型，采用预选择机制，用倒序变异算子产生新发现者，来引导追随者寻优的方向，有效地维持了群体中个体的多样性；其次，提出一种基于线性递减的动态自适应方法来调整游荡者的分布比例，以提高种群中个体的活力，有利于算法跳出局部最优。通过对12个基准函数进行测试。对于30维函数优化，psagso算法的测试数据优于he等(hes,wuqh,saundersjr.groupsearchoptimizer:anoptimizationalgorithminspiredbyanimalsearchingbehavior.ieeetransactionsonevolutionarycomputation,2009,13(5):973-990)提供的数据；对于300维函数优化问题，psagso算法的性能更佳。实验结果表明，psagso克服了群搜索优化算法的不足，在一定程度上提高了算法的收敛速度和收敛精度。