Page 76 - 《爆炸与冲击》2026年第5期

第 46 卷 田浩帆，等： 基于PAWN全局敏感性分析与智能优化算法的岩石RHT本构参数反演 第 5 期

3.2 智能优化算法测试与选取
为避免算法选取的盲目性，选取近些年全局搜索能力以及收敛性较好的 6 种优化算法进行性能比
较，具体为：灰狼优化算法 (grey wolf optimizer, GWO) [48] 、鲸鱼优化算法（whale optimization algorithm，
WOA） [49] 、蝴蝶优化算法（butterfly optimization algorithm，BOA） [50] 、哈里斯鹰（harris hawks optimization，
HHO） [51] 、麻雀搜索算法（SSA） [47] 以及 2024 年提出的鹦鹉算法（parrot optimizer，PO） [52] 。单模态与多模
态函数各 3 个被用于上述算法性能测试。
测试函数如表 5 所示，各算法的控制参数初始值如表 6 所示，算法的种群规模和迭代次数均为 50 和
1 000 次，为避免算法收敛的随机性，每个函数重复计算 50 次，以测试算法的稳定性，算法寻优维度为
30 维。

表 5 不同类型测试函数
Table 5 Different types of test functions
函数类型 测试函数 x取值范围 F min
n
∑
F 1 (x) = x 2
i [−100, 100] 0
i=1
n n
∑ ∏
单模态 F 2 (x) = |x i |+ |x i | [−10, 10] 0
i=1 i=1
n−1
∑î 2 2 ó
F 3 (x) = 100(x i+1 − x ) +(x i −1) 2 [−30, 30] 0
i
i=1
n
∑ [ ]
2
F 4 (x) = x −10cos(2πx i )+10 [−5.12, 5.12] 0
i
i=1
( √ ) ( )
n n
1 ∑ 1 ∑
多模态 F 5 (x) = −20exp −0.2 x 2 −exp cos(2πx i ) +20+e [−32, 32] 0
n i n
i=1 i=1
n n ( )
1 ∑ ∏ x i
2
F 6 (x) = x − cos √ +1 [−600, 600] 0
i
4 000 i
i=1 i=1

表 6 各算法初始值
Table 6 Each algorithm parameter control initial value
算法 参数 参数取值 算法 参数 参数取值
收敛因子τ 从2到0 搜索开发切换参数ε 2.0
GWO 协同系数向量(u) [−u, u] HHO 围攻策略参数γ 1.5
协同系数向量(w) [0, 2]区间随机取值 随机跳跃强度J 0.3
搜索因子g 从2到0 发现者比例 20%
WOA 螺旋形态参数k 1 SSA 警戒者比例 10%
随机向量M、N M ∈ [−a,a] N ∈ [0, 2] 安全阈值 0.8
；
0.5
社交权重ω s
ψ 0.7
感知概率
探索概率η 0.7
PO BOA
扰动系数β 0.05
气味强度系数c 0.03
学习因子λ 0.3
对各算法进行单模态与多模态函数测试，其收敛速度如图 14 所示。

051424-16