一种结合反向学习与Levy飞行策略的改进麻雀优化算法ISSA

0、简介

针对麻雀搜索算法（SSA）在求解目标函数最优解过程中所存在的种群多样性不足、易陷入局部最优解以及多维函数求解精度较低等问题，文献《改进的麻雀搜索优化算法及其应用》提出了改进型麻雀搜索算法（ISSA）。首先，通过引入反向学习策略对初始种群进行构建，从而有效提升种群的多样性；其次，对步长因子实施动态调节机制，以增强算法的收敛精度；最后，在侦查预警阶段的麻雀位置更新公式中融合了Levy飞行策略，进一步提升了算法的全局寻优能力与逃离局部极值的能力。

本研究复现了上述文献中所提出的改进麻雀搜索算法（ISSA），并将其与传统的GA、PSO及SSA算法进行了性能对比分析。

1、ISSA原理

具体内容可参见文献《改进的麻雀搜索优化算法及其应用》。

最初的SSA更新机制描述如下：

Xbestj (t) 用于描述当前全局最优位置，其中 β 是一个步长调节参数，其数值来源于均值为 0、方差为 1 的正态分布随机数。K∈[-1,1] 表示麻雀的移动方向，同时也作为步长调节参数使用。fi 表示当前个体麻雀的适应度数值，而 fg 和 fw 分别代表当前全