基于多子群的共生非均匀高斯变异樽海鞘群算法求解单目标优化问题

基于多子群的共生非均匀高斯变异樽海鞘群算法求解单目标优化问题

概述：
在优化问题中，寻找最优解是一项重要而具有挑战性的任务。樽海鞘群算法（Sea Squirt Algorithm，SSA）是一种基于自然界樽海鞘行为的优化算法，通过模拟樽海鞘在生命周期中的进化行为来解决优化问题。本文介绍了一种改进的樽海鞘群算法，即基于多子群的共生非均匀高斯变异樽海鞘群算法（Multi-Subpopulation Symbiotic Non-uniform Gaussian Mutated Sea Squirt Algorithm，MSSNSA），用于求解单目标优化问题。

算法描述：
MSSNSA算法通过引入多子群的概念来增强搜索能力和收敛性。它将樽海鞘群划分为多个子群，每个子群维护一组解，并独立地进行搜索和更新操作。算法的主要步骤如下：

1. 初始化参数：

   • 设置种群大小（Population Size）
   • 设置最大迭代次数（Max Iterations）
   • 初始化子群数目（Num Subpopulations）
   • 初始化个体的维度和取值范围
   • 初始化变异概率（Mutation Probability）
   • 初始化收敛判据

2. 初始化群体：

   • 随机生成初始解集合，每个子群中的解数量相等

3. 迭代搜索：

   • 对于每个子群，进行以下操作：
     • 选择操作：根据适应度函