沙猫群优化算法及其应用,集成精英去中心化和交叉策略.
Yancang Li1, Qian Yu2, Zunfeng Du3
1School of Civil Engineering, Hebei University of Engineering, Handan, 056038, Hebei, China.
Scientific reports
|April 18, 2024
概括
增强的沙猫群优化 (CWXSCSO) 算法提高了融合,并使用精英去中心化和交叉技术避免了局部最佳. 这种新的方法提高了对复杂工程问题的全球优化.
科学领域:
- 计算智能是一种计算智能.
- 进行元启发式优化 (Meta-heuristic Optimization).
- 群集情报 群集情报 群集情报
背景情况:
- 标准的沙猫群优化 (SCSO) 由于收精度低和局部优化而受到影响.
- 超启发式算法需要不断的改进,以应对复杂的优化挑战.
- 有效的优化对于推动工程和计算解决问题的发展至关重要.
研究的目的:
- 引入一个改进的沙猫群优化算法,称为CWXSCSO.
- 提高标准SCSO克服局部最佳情况并实现更高的融合精度的能力.
- 为了验证CWXSCSO算法在基准函数和工程问题上的性能.
主要方法:
- 整合精英的去中心化,以逃避当地最佳.
- 利用交叉技术来产生新的解决方案.
- 引入了一种新的动态指数因子,以改善算法动态.
- 使用15个基准函数进行评估,并与6个先进算法进行比较 (CEC2019,CEC2021).
主要成果:
- 与现有方法相比,CWXSCSO算法展示了优越的全球优化能力.
- 统计,趋同和复杂性分析证实了算法的有效性.
- 对六个传统工程优化问题的成功应用验证了它的实际实用性.
结论:
- CWXSCSO算法有效地解决了标准SCSO的局限性,特别是局部最佳性.
- 增强的算法显示了对现实世界优化应用的巨大潜力.
- CWXSCSO提供了一个强大的和有效的元启发式方法来解决复杂的问题.


