摘要： 针对传统正余弦优化算法局部搜索收敛不稳定、收敛性差的突出问题，做如下改 进：利用拉丁超立方体方法初始化种群，设计了非线性的指数函数对振幅调整因子进行自适应 更新的非线性振幅调整因子，采用了柯西混沌变异的扰动机制以增加种群的随机性，增加传统 正余弦算法的收敛速度与精度，利用变中心数的 ＫＭｅａｎｓ对种群进行聚类以增强局部搜索能力， 平衡全局搜索与局部开发能力，避免局部最优，最终形成了采用 ＫＭｅａｎｓ聚类的变异正余弦改进 算法 ＫＶＳＣＡ。仿真实验采用了 ２３个基准测试函数和 １个实际优化工程问题，分别利用改进后 的 ＫＶＳＣＡ算法、柯西混沌变异改进的正余弦算法、传统的正余弦优化算法对目标问题进行优 化，分析优化结果的方差、均值和最小值，ＫＶＳＣＡ算法优化结果的稳定性、收敛精度和收敛速度 都是最优，验证了 ＫＶＳＣＡ算法局部收敛的高效性与更强的稳定性。

关键词: 正余弦优化算法；拉丁超立方体；非线性振幅调整因子；柯西混沌变异；ＫＭｅａｎｓ聚类

中图分类号: 

• TP391.41