文献类型：期刊文章

作　　者：付华[1] 刘昊[1]

FU Hua;LIU Hao(Faculty of Electrical and Control Engineering,Liaoning Technical University,Huludao 125105,China)

机构地区：[1]辽宁工程技术大学电气与控制学院,辽宁葫芦岛125105

出　　处：《控制与决策》

基　　金：国家自然科学基金项目(51974151,71771111);辽宁省高等学校国(境)外培养项目(2019GJWZD002);辽宁省高等学校创新团队项目(LT2019007);辽宁省教育厅科技项目(LJ2019QL015)。

年　　份：2022

卷　　号：37

期　　号：1

起止页码：87-96

语　　种：中文

收录情况：AJ、BDHX、BDHX2020、CSCD、CSCD2021_2022、EAPJ、EI、IC、JST、MR、RCCSE、SCOPUS、ZGKJHX、ZMATH、核心刊

摘　　要：针对麻雀搜索算法易陷入局部最优、收敛速度慢等不足,提出一种多策略融合的改进麻雀搜索算法.采用精英混沌反向学习策略生成初始种群,增强初始个体的质量和种群多样性,实现对更多优质搜索区域的勘探以提升算法的局部极值逃逸能力和收敛性能;结合鸡群算法的随机跟随策略,优化麻雀搜索算法中跟随者的位置更新过程,平衡算法的局部开发性能和全局搜索能力;采用柯西-高斯变异策略提升算法的种群多样性保持能力和抗停滞能力.对10个不同特征的基准测试函数进行寻优,测试结果与Wilcoxon符号秩检验结果均表明改进算法具有更好的寻优精度、收敛性能和稳定性.最后,利用改进算法对最小二乘支持向量机的参数进行优化,应用于煤与瓦斯突出危险性辨识,通过实验进一步验证改进策略的有效性和改进算法的优越性.

关 键 词：智能优化算法 麻雀搜索算法  多策略融合  煤与瓦斯突出 危险性辨识  

分 类 号：TD713]