一、樽海鞘群算法简介
针对樽海鞘群算法求解精度不高和收敛速度慢等缺点，提出一种多子群的共生非均匀高斯变异樽海鞘群算法（MSNSSA）．根据不同适应度值将樽海鞘链群分为三个子种群，各个子种群分别进行领导者位置更新、追随者共生策略和链尾者非均匀高斯变异等操作．使用统计分析，收敛速度分析，Wilcoxon检验，经典基准函数和CEC 2014函数的标准差来评估改进樽海鞘群算法的效率．结果表明，改进算法具有更好的寻优精度和收敛速度．尤其在求解高维和多峰测试函数上，改进算法拥有更好性能.
樽海鞘群算法(Salp Swarm algorithm, SSA)是2017年由Mirjalili等人提出的一种新型启发式智能算法．樽海鞘群算法相对于粒子群算法等其它算法具有结构简单、参数少、容易实现等优点．虽然樽海鞘群算法在求解大部分优化问题具有优越性，但是，与其它群智能算法一样，其仍然存在求解精度低和收敛速度慢等缺陷．提出固定惯性权重，可以加快搜索过程中的收敛速度，并应用于特征选择问题．把樽海鞘群算法和混沌理论结合提出混沌樽海鞘群算法，在解决特征提取问题时，能发现最优特征子集，最大程度地提高分类精度，最小化所选特征的数目．提出采用子群规模调整，每个子种群的大小随着进化的过程而逐渐增加，有利于提高算法在初始阶段的探测能力和后期的开采能力．在算法中加入共享机制，改进原始算法的随机追踪的位置更新公式，降低搜索盲目性，提高收敛速度．提出非均匀变异演化算法，使个体能够跳出局部最优，以克服早熟现象．通过高斯变异来增强蝙蝠算法种群的多样性．
为解决标准樽海鞘群算法存在的求解精度不高和收敛速度慢等问题，本文提出了一种多子群的共生非均匀高斯变异樽海鞘群算法(Multi-subpopulation based Symbiosis and Non-uniform Gaussian mutation Salp Swarm Algorithm, MSNSSA)．根据适应度值大小，将种群分为领导者、追随者和链尾者三个子群．首先对领导者位置更新公式中参数c1进行分析，以更好平衡探索和开发能力；然后对追随者位置更新公式采用共生策略，增加与最优个体的交流，增强局部开发能力；最后，链尾者更新使用非均匀高斯变异，增强种群多样性．通过求解14个典型测试函数和CEC 2014测试函数的最优解，验证了改进算法MSNSSA的有效性和鲁棒性．
二、部分源代码
clearvars
close all
clc
## 三、运行结果
## 四、matlab版本及参考文献
**1 matlab版本**
2014a
**2 参考文献**
[1] 包子阳,余继周,杨杉.智能优化算法及其MATLAB实例（第2版）[M].电子工业出版社，2016.
[2]张岩,吴水根.MATLAB优化算法源代码[M].清华大学出版社，2017.
[3]陈忠云,张达敏,辛梓芸.多子群的共生非均匀高斯变异樽海鞘群算法[J].自动化学报.
**3 备注**
简介此部分摘自互联网，仅供参考，若侵权，联系删除