一种基于多策略的改进浣熊优化算法

本发明公开了一种基于多策略的改进浣熊优化算法，旨在处理某些高维复杂优化问题时，会出现收敛速度慢、易陷入局部最优等问题。基于传统的浣熊算法，本发明提出的多策略的改进浣熊优化算法，通过引入混沌序列机制对位置初始化、勘探阶段引入自适应非线性惯性权重因子、开发阶段引入自适应t分布变异和麻雀警戒者机制等方法，有效地提高算法的全局搜索能力和收敛速度。本发明基于多策略的改进浣熊优化算法为函数优化、工程设计优化、机器学习参数优化等复杂性问题提供了一种有效的优化方案。