来源：期刊VIP网 时间：
作者：王培崇;张天颖;李丽荣;
单位：河北地质大学信息工程学院;河北地质大学艺术学院;
摘要：针对海鸥优化算法(seagull optimization algorithm,SOA)在求解高维问题时容易早熟、解精度低的问题，提出一种引入学习行为的自适应海鸥优化算法(self adaptive SOA with learning,ASOAL)。在迁徙阶段，引入学习行为实现个体间的信息交流，并利用非线性参数控制个体对解空间的平滑搜索，以避免迁徙的盲目性。在攻击阶段，引入自适应行为，较好地平衡了前后期种群的开发和勘探行为。选择IEEECEC(congressonevolutionary computation)2017的10个标准函数进行测试，结果表明，所提出的ASOAL算法相较于SOA算法，解精确度有较大幅度提升,且具有更强的鲁棒性。同时，选择车间作业调度问题(job shop schedule problem,JSP)来测试ASOAL求解约束问题的能力，仿真结果显示，ASOAL比SOA找到的最优解及平均解分别最高提升约15.2%和14.5%。综上所述，ASOAL算法适合求解较高维度的无约束函数优化问题及部分约束工程优化问题。
关键词：海鸥优化算法;;学习机制;;自适应攻击;;CEC2017;;车间作业调度
基金资助：河北省社会科学基金资助项目（编号：HB21GL050）
