%0 Journal Article
%A 高猛
%A 李靖超
%A 曾宪文
%T 一种多策略改进的浣熊优化算法
%D 2025
%R 
%J 北京邮电大学学报
%P 151-158
%V 48
%N 2
%X 针对浣熊优化算法收敛速度慢、寻优精度差、容易陷入局部最优解的问题,提出基于多策略改进的浣熊优化算法。引入折射反向学习初始化浣熊种群,保证种群分布的多样性和均匀遍历性,提升算法的收敛速度和寻优精度;引入Levy飞行策略改进浣熊优化算法的勘探阶段,增强算法跳出局部最优解的能力;受到鲸鱼优化算法的启发,引入螺旋搜索机制优化算法的开发阶段,增强算法的全局搜索能力和局部探索能力;引入自适应t分布变异迭代方法,平衡算法的全局搜索能力和局部开发能力。在12个标准测试函数上,与多种智能算法进行对比,验证了算法良好的优化性能。为进一步评估改进算法的有效性,将其用于极限梯度提升模型参数的优化,实验结果表明,相比于其他5种算法,改进的算法具有更高的分类精度和收敛速度。<br>
%U https://journal.bupt.edu.cn/CN/abstract/article_5396.shtml