【优化求解】基于 Sobol 序列和纵横交叉策略的麻雀搜索算法(SSASC) Matlab源码

针对麻雀搜索算法（SSA）容易陷入局部最优、收敛速度较慢等问题，本文提出一种基于Sobol序列和纵横交叉的麻雀搜索算法（SSASC）算法。首先，在初始化阶段引入类随机采样方法中的Sobol序列，增强种群的多样性和遍历性。其次，提出一种指数形式的非线性惯性权重，提高了算法的收敛效率。最后，应用纵横交叉策略对算法进行改进，利用横向交叉增强全局搜索能力，利用纵向交叉保持种群的多样性，防止算法陷入局部最优。选取了13个基准函数进行仿真实验，同时使用Wilcoxon检验和Friedman检验评价算法的性能。将基准函数从10维扩展到100维，与其他元启发式算法相比，SSASC在平均值和标准差处始终排名第一。实验结果表明，该算法在收敛速度和求解准确度方面均取得了实质性的优势。

function [FoodFitness,FoodPosition,Convergence_curve]=SSA(N,Max_iter,lb,ub,dim,fobj)
if size(ub,1)==1
   ub=ones(dim,1)*ub;
   lb=ones(dim,1)*lb;
end
Convergence_curve = zeros(1,Max_iter);
%Initialize the positions of salps
SalpPositions=initialization(N,dim,ub,lb);
FoodPosition=zeros(1,dim);
FoodFitness=inf;
%calculate the fitness of initial salps
for i=1:size(SalpPositions,1)
   SalpFitness(1,i)=fobj(SalpPositions(i,:));
end
[sorted_salps_fitness,sorted_indexes]=sort(SalpFitness);
for newindex=1:N
   Sorted_salps(newindex,:)=SalpPositions(sorted_indexes(newindex),:);
end
FoodPosition=Sorted_salps(1,:);
FoodFitness=sorted_salps_fitness(1);
%Main loop
l=2; % start from the second iteration since the first iteration was dedicated to calculating the fitness of salps
while lN/2 && iub';Tm=SalpPositions(i,:) 
 
四、仿真结果 
 
 
五、参考文献 
[1]段玉先,刘昌云.基于Sobol序列和纵横交叉策略的麻雀搜索算法[J/OL].计算机应用,{3},{4}{5}:1-9[2021-07-14].