---

1.算法原理

【智能算法】麻雀搜索算法（SSA）原理及实现

WSN数学模型

2.改进点

基于Sobol序列和ICMIC混沌映射的种群初始化

ICMIC是一种无线映射折叠次数的映射模型:
$$\{\begin{array}{ll}{z}_{n+1}=\sin (\frac{\alpha \pi }{z_n}),& \alpha \in (0,+\infty )\\ -1\le z_n\le 1,& z_n\ne 0\end{array}\text{\hspace{1em}(1)}$$
低差异序列相比随机序列，通过选择合理的采样方向，将尽可能多的点均匀的填充至待测区域，也称拟蒙特卡洛（Quasi-Monte Carlo, QMC）方法。Sobol 序列是其中一种序列算法，具有计算周期短和采样速度快的优点。使用 ICMIC 混沌模型作为初始化，引入 Sobol 序列进行初始化映射：
$$x_i=x_{lb}+\left(x_{ub}-x_{lb}\right)\cdot \frac{1+z_i}{2}\text{\hspace{1em}(2)}$$

融入混沌因子的正余弦算法策略
将混沌因子融入正余弦算法策略，改进探索者位置更替公式，从而提高探索者的全局搜索能力:
$$c=x_{lb}+\left(x_{ub}-x_{lb}\right)\cdot z\text{\hspace{1em}(3)}$$
$$x_{1i,d}^{t+1}=\{\begin{array}{ll}(1-c)\cdot x_{1i,d}^t+c\cdot \sin (r_1)\cdot \left|r_2\cdot x_{bett}-x_{1i,d}^t\right|,if{R}_2<ST& \\ x_{1i,d}^t+Q\cdot L\cdot z,if{R}_2\ge ST& \end{array}\text{\hspace{1em}(4)}$$
z 为混沌映射因子， c 为优化后的学习因子。

全局混合变异策略

将随机反向学习和差分进化变异策略融入基本的麻雀算法中，并利用判定系数 r 对最优麻雀位置进行混合变异扰动：
$$x_{best}^{{}^{\prime }}=\{\begin{array}{ll}{r}_1(x_1-x_{best})+r_2(x_2-x_{best})\cdot (x_3-x_{best}),& r<0.5\\ k_1(x_{lb}+x_j)+k_2(x_{ub}-x_j),& r\ge 0.5\end{array}、tag5$$

3.结果展示

4.参考文献

[1] 高志翔,庞菲菲,温宗周,等.基于改进麻雀算法的无线传感器网络覆盖优化研究[J/OL].微电子学与计算机,1-12[2024-06-04].

5.代码获取

智能算法，论文复现，算法应用（机器学习、二维&三维路径规划、UAV路径规划、布局优化、调度优化、VRP问题等），定制算法可以联系我~

资源清单：https://docs.qq.com/sheet/DU1V0QWtSeHJnY0JU?u=989d90f9b14449ec9419aa7b51473c1b&tab=BB08J2