计算机工程

作者：匡鑫, 阳波, 马华, 唐文胜, 肖宏峰, 陈灵

单位：1. 湖南师范大学信息科学与工程学院, 湖南 长沙 4100812. 湖南师范大学工程与设计学院, 湖南 长沙 410081

关键词：蜣螂优化算法,混沌反向学习,黄金正弦,麻雀搜索算法,柯西-高斯变异

基金：国家自然科学基金面上项目(62077014)

针对蜣螂优化算法(DBO)搜索精度较差、全局搜索能力不足、容易陷入局部最优等问题, 提出一种多策略改进的蜣螂优化算法。选用混沌反向学习策略初始化蜣螂种群, 使得蜣螂个体在解空间内分布均匀, 提升种群多样性; 引入带非线性权重的黄金正弦策略改进滚球行为, 协调算法的全局搜索与局部挖掘能力; 借鉴麻雀搜索算法的加入者位置更新策略改进觅食行为, 促使种群向最优位置靠近, 提高算法收敛速度与收敛精度; 以分段函数形式改进偷窃行为, 利于种群在迭代前期对全局充分探索, 避免算法过早收敛; 采用非线性权重的柯西-高斯变异策略对当前最优位置进行随机扰动, 引导算法跳出局部最优位置。将所提算法与5种优化算法在23个基准函数、12个CEC2022测试函数及2个工程优化问题上进行实验对比, 结果表明, 所提算法至少在21个基准函数、10个CEC2022测试函数及2个工程优化问题上的性能指标优于其他算法, 且排名第1, 相比于原始蜣螂优化算法, 在收敛精度、收敛速度、全局搜索能力以及稳定性上都有较大提升。

来源：2024年第10期

《计算机工程》期刊编辑部

查看计算机工程杂志2024年第10期