具有自学习能力的变异蝙蝠优化算法及性能仿真

针对标准蝙蝠算法进化特点,提出了具有自学习能力和个体变异的蝙蝠优化算法,该算法中全局最优个体具有自学习能力,使全局最优解在小范围内进行自我优化,能够引导算法中个体进行深度搜索;同时算法中每个个体动态的成比例形成变异群,依据贪婪选择机制,保护了优良个体,避免个体退化。通过以上算子的融入来提高算法的优化精度和收敛速度,避免算法早熟。通过对基本标准函数的测试,验证了算法具有寻优能力强,搜索精度高的优点,能有效的跳出局部最优,一定程度上弥补了算法高维弱势的缺陷,对于工程中复杂的优化函数有较大的使用价值。