论文研究基于SQP局部搜索的蝙蝠优化算法.pdf

针对基本蝙蝠算法存在寻优精度不高，后期收敛速度较慢和易陷入局部最优等问题，提出一种基于序贯二次规划（Sequential Quadratic Programming，SQP）的蝙蝠优化算法。该算法应用佳点集理论构造初始种群，增强了初始种群的遍历性;为避免算法陷入早熟收敛，引入柯西变异算子对种群中精英个体进行变异操作，增加种群多样性;在迭代后期，对最优个体进行SQP局部搜索，提高蝙蝠算法的局部深度搜索能力，保证个体在靠近全局最优值时能够寻优到全局最优解，加快种群进化速度。通过仿真实验结果证明，改进后的蝙蝠算法性能优越，具有良好的寻优精度和收敛速度。