加入改进正弦余弦算子的被囊群优化算法

一、理论基础

1、被囊群优化算法

请参考这里。

2、改进正弦余弦算子

请参考这里。

二、仿真实验与分析

对文献[2]的前三个函数进行独立运算30次，每次迭代500次，种群规模为$N=30$，其余参数与文献[1]相同。
结果如下：

函数：Sphere
TSA：最大值: 1.7563e-194,最小值:8.1656e-204,平均值:1.6961e-195,标准差:0
SC-TSA：最大值: 0,最小值:0,平均值:0,标准差:0
函数：Schwefel 2.22
TSA：最大值: 6.9762e-95,最小值:1.2495e-99,平均值:6.497e-96,标准差:1.6058e-95
SC-TSA：最大值: 1.7752e-233,最小值:1.9211e-238,平均值:8.3586e-235,标准差:0
函数：Schwefel 1.2
TSA：最大值: 4.4937e-166,最小值:2.116e-170,平均值:3.7707e-167,标准差:0
SC-TSA：最大值: 1.9723e-291,最小值:7.283e-320,平均值:6.7478e-293,标准差:0

可以看出，加入改进正弦余弦算子的被囊群优化算法比原始被囊群优化算法的寻优精度和求解效率都有很大提升。

三、参考文献

[1] Satnam Kaur, Lalit K. Awasthi, A.L. Sangal, et al. Tunicate Swarm Algorithm: A new bio-inspired based metaheuristic paradigm for global optimization[J]. Engineering Applications of Artificial Intelligence, 2021, 90: 103541.
[2] 毛清华, 张强, 毛承成, 等. 混合正弦余弦算法和Lévy飞行的麻雀算法[J]. 山西大学学报(自然科学版), 2021, 44(6): 1086-1091.