修改了草原犬优化算法,用于全球优化和受约束的工程问题
Huangjing Yu1, Yuhao Wang1, Heming Jia1
1School of Information Engineering, Sanming University, Sanming 365004, China.
Mathematical biosciences and engineering : MBE
|December 5, 2023
概括
这项研究通过结合随机的音频信号和混乱的帐映射来增强草原狗优化 (PDO) 算法. 修改后的PDO算法在优化任务中表现得更好.
科学领域:
- 计算智能是一种计算智能.
- 超启发式优化优化
- 群集情报 群集情报 群集情报
背景情况:
- 草原狗优化 (PDO) 算法是一种灵感来自草原狗行为的元启发式算法.
- 现有的PDO算法缺乏模拟生存和资源获取至关重要的复杂信息交换机制.
研究的目的:
- 为了提高草原狗优化算法的性能.
- 改进算法的优点搜索能力和全球探索能力.
主要方法:
- 引入了一个随机的音频信号因子来模拟草原狗的食物和危险通信.
- 包含混沌帐映射用于人口初始化以增加多样性.
- 应用了基于对立的学习策略来促进全球探索.
主要成果:
- 修改后的PDO算法在23个基准函数,IEEE CEC2014测试函数和6个工程设计问题上进行了测试.
- 实验结果表明,与原始算法相比,优化性能优越.
结论:
- 拟议的改进显著提高了草原犬优化算法的有效性.
- 修改后的PDO算法显示了解决复杂优化问题的巨大潜力.


