基于Logistic混沌映射的麻雀搜索算法

1.Logistic映射

Logistic 映射是混沌映射的典型代表，它的数学形式很简单。其表达式如下：
$$y_n(t)=b{y}_n(t+1)(1-y_n(t-1))\text{\hspace{1em}(1)}$$
表达式中， $y_n\in [0,1]$，括号中的 $t$ 代表当前的迭代数，参数 $b$ 一般的取值范围是：$1\le b\le 4$，一般取 4，是一个控制参数。$b$ 决定了 Logistic 映射的演变过程。当参数 $b$增大时，映射序列的取值范围也增大，映射分布更加均匀。当 $b$ 取值 4 时，系统处于完全混沌状态下，此时的映射分布均匀性达到巅峰。初始条件 $y0$ 在 Logistic 映射作用下产生的序列是非周期的、不收敛的，而在此范围之外，生成的序列必将收敛于某一个特定的值。

2.基于Logistic映射的麻雀搜索算法

基础麻雀算法的具体原理参考，我的博客：https://blog.csdn.net/u011835903/article/details/108830958

该改进主要是在初始化种群时，利用Logistic映射初始化种群

算法流程

Step1： 利用Logistic映射策略初始化种群，迭代次数，初始化捕食者和加入者比列。

Step2：计算适应度值，并排序。

Step3：麻雀更新捕食者位置。

Step4：麻雀更新加入者位置。

Step5：麻雀更新警戒者位置。

Step6：计算适应度值并更新麻雀位置。

Step7：是否满足停止条件，满足则退出，输出结果，否则，重复执行Step2-6；

3.算法结果：

4.Matlab

5.Python