关于移动到逃跑的研究增强了虫优化及其应用的研究
Shuwan Feng1, Jihong Wang2, Ziming Li3
1School of Information, University of Michigan, Ann Arbor, MI 48105, USA.
Biomimetics (Basel, Switzerland)
|September 27, 2024
概括
移动到逃生虫优化 (MEDBO) 算法通过防止局部最佳捕获来增强群体智能. 在工程设计问题中,MEDBO 提高了搜索速度和实际应用.
科学领域:
- 计算智能是一种计算智能.
- 群集情报 群集情报 群集情报
- 优化算法 优化算法
背景情况:
- 虫优化 (DBO) 算法是一种高效的群体智能技术,以其快速融合而闻名.
- DBO 和类似算法的一个常见的局限性是在后来的优化阶段被局部最佳困住.
- 解决这一局限性对于提高群集情报方法的可靠性和有效性至关重要.
研究的目的:
- 提出Move-to-Escape虫优化 (MEDBO) 算法,以克服DBO中的局部最佳停滞.
- 在优化过程中增强全球勘探和本地开发平衡.
- 为了验证MEDBO在基准函数和现实工程问题上的有效性.
主要方法:
- 梅德博采用了良好的点设定策略,以实现统一的初始人口分布,减少初始局部最佳风险.
- 该算法集成了融合因子,以有效指导搜索过程.
- 梅德博动态地平衡了后代和食的个体,优先考虑全球勘探,然后是本地提炼.
主要成果:
- 与现有方法相比,MEDBO在CEC2017基准套件上显示出显著的性能改进.
- 该算法成功应用于工程设计问题,包括压力容器,三条架和弹设计.
- 梅德博有效地缓解了局部最佳停滞,展示了增强的搜索能力.
结论:
- 对于集群智能算法固有的局部最佳问题,MEDBO提供了一个强大的解决方案.
- 拟议的算法在复杂的工程设计任务中表现出实用的有效性和卓越的性能.
- 在科学和工程应用的优化技术中,MEDBO代表了一项宝贵的进步.
