多策略改进浣熊优化算法

  • 打印
  • 收藏
收藏成功


打开文本图片集

摘 要:针对浣熊优化算法(COA)易陷入局部最优、收敛速度快的缺点,本文提出了一种多策略融合的浣熊优化算法(MICOA)。该算法采用自适应适应度距离平衡策略,平衡个体的适应度函数值和个体与最优解的距离,增强了算法跳出局部最优的能力;采用自适应协方差学习策略,COA算法能够在开发阶段充分利用优势种群信息;采用了局部最优扰动方案,有利于帮助算法跳出局部最优。(剩余172字)

monitor
客服机器人