2023.4电脑编程技巧与维护1概述RSO算法是学者Dhiman等[1]提出的一种新兴群智能优化算法，该算法将鼠群捕获猎物的行为过程模拟为待优化问题的寻优过程。与现有的优化算法相比，RSO算法具有结构简单易懂、设置参数较少、处理函数优化问题效果较好等特点[2]。RSO算法被广泛应用于各种寻优场景。Dhiman等[1]将该算法应用于6个约束工程设计问题中，都获得较好的效果。杨琼波等[2]将该算法用于优化回声状态网络（ESN）超参数，并通过利用某水文站58年间逐月径流时间序列数据，在8种模型中证明了RSO算法能够提高ESN网络的预测性能。综上所述，该算法在应用方面取得不错的效果，但在搜索最优解的过程中，该算法的收敛精度、速度和稳定性还有待提升。为此，提出一种基于改进策略的鼠群优化（ISRSO）算法来提升算法的整体性能。2鼠群优化算法RSO算法将鼠群捕获猎物过程分为猎物追逐阶段和猎物攻击阶段[1]。2.1猎物追逐阶段在这一阶段中，以离猎物最近的老鼠所处的位置作为鼠群最佳位置，使其余老鼠以当前位置为出发点，不断根据鼠群的最佳位置向猎物移动，从而不停地改变位置。鼠群猎物追逐阶段的数学描述如公式（1）~公式（3）所示：（1）（2）C=2×rand（3）其中：Pr（k）为第k次迭代鼠群的最佳位置；Pl（k）为第i只老鼠第k次迭代的当前位置；C为第i只老鼠的步长权重，rand为0~1的随机数，因此步长权重C的取值范围为[0,2]；A为自身位置权重；R为[1,5]的随机数；k为当前迭代次数；km为迭代最大次数。2.2猎物攻击阶段在这一阶段中，老鼠通过猎物追逐不断接近猎物后，不停地变换位置，从而发动对猎物的攻击。鼠群猎物攻击阶段的数学描述如公式（4）所示：Pl（k+1）=|Pr（k）-P（k）（4）其中，Pl（k+1）为第i个个体第k+1次迭代的位置。3改进策略的鼠群优化算法在RSO算法搜索最优解的过程中，存在易陷入局部最优解的现象，从而使得该算法不能收敛待优化问题的最优解，严重影响了该算法的应用前景。在算法寻优的过程中，增加种群的多样性，有利于算法跳出局部最优解[3]。为此，通过产生相应随机解的方式，在寻优过程中对种群个体进行随机扰动，实现增加种群多样性的目的，从而使得算法在寻优过程中避免陷入局部最优解。3.1Tent混沌映射搜索策略混沌搜索是一种搜索效果极佳的搜索机制。利用混沌搜索的随机性和遍历性[3]，可以提高算法种群多样性和收敛精度[4]。为此提出的ISRSO算法在猎物攻击阶段后，引入混沌序列，并将该混沌序列映射到算法解空间中，从而对猎物...
