基于惯性权重与柯西混沌变异的改进正余弦算法IWCCSCA

1.理论分析

1.基本正弦余弦算法

• 由Mirjalili于 2016 年提出。具有初始参数少、结构简单易实现等优点。

• 参数说明：种群规模为 N，搜索空间维度为 D，将优化目标问题的每个解映射为搜索空间中每个个体的位置，则第 i( i = 1，2，…，N) 个个体在D维搜索空间中的位置可表示为xi = ( xi1， xi2，…，xiD )。

• 初始化种群：首先，再搜索空间中随机初始化N个个体位置；然后，根据目标函数计算个体适应度值；最后，选择并保存当代最优个体适应度值及位置。

• 迭代更新：个体位置更新公式如下：
  

  • t 为当前迭代次数; xt(iD) 为第 t 次迭代时第 i 个个体在第 D维空间中的位置; Pt(D) 为第 t 次迭代后算法在第 D 维空间的全局最优值。

  • r1 :振幅转换因子，平衡个体的全局搜索和局部开发能力，定义式如下：
    
    其中: a 为常数，一般取2; T 为最大迭代次数。

  • r2 ∈［0，2π］: 随机数，决定个体的移动方向，表明当前解是靠近或远离目标解。

  • r3 ∈［0，2］：目标位置的随机权重，随机数，若|r3|<1，表明需要增强目标解对当前解牵引的影响若|r3|>1，则表明需要削弱目标解对当前解的牵引影响。

    </