一个自适应的螺旋策略 泥甲虫优化算法:研究和应用
Xiong Wang1, Yi Zhang2, Changbo Zheng3
1School of Information Science and Engineering, Yunnan University, Kunming 650091, China.
Biomimetics (Basel, Switzerland)
|September 27, 2024
概括
增强的自适应螺旋策略灰虫优化 (ADBO) 算法提高了复杂工程问题的群体智能. 它提供更快,更有效的全球探索和在现实世界的应用中提供卓越的性能.
科学领域:
- 工程 工程师 工程师 工程师
- 计算机科学 计算机科学
- 人工智能的人工智能
背景情况:
- 虫优化 (DBO) 算法是一种用于工程设计的群集智能技术.
- 现有的DBO限制包括初始化不良,速度慢,全球勘探有限.
- 这些问题阻碍了它在解决复杂的现实世界问题的有效性.
研究的目的:
- 为了引入一个增强的泥虫优化算法,适应螺旋策略泥虫优化 (ADBO).
- 解决原始DBO算法的局限性,提高其性能和适用性.
- 为了提高复杂的优化任务的全球勘探和搜索效率.
主要方法:
- 实施高斯混沌策略,以实现优越的人口初始化.
- 综合螺旋搜索策略,以增强搜索动态.
- 引入了适应性重量因子,以优化搜索效率和全球勘探.
- 使用CEC2017测试函数对基准算法进行评估的ADBO.
主要成果:
- 与现有的基准算法相比,ADBO表现出优越的性能.
- 改进的算法显示了搜索速度和全球探索的显著改进.
- 在各种工程应用中验证了有效性,包括机器人操纵器和无人机路径规划.
结论:
- 拟议的ADBO算法有效地克服了原来的DBO的局限性.
- ADBO为解决复杂的工程设计挑战提供了增强的能力.
- 该算法显示了对现实世界应用的巨大潜力,特别是提高无人机安全和能源效率.
更多相关视频
11:53The Modular Design and Production of an Intelligent Robot Based on a Closed-Loop Control Strategy
Published on: October 14, 2017
11.6K
11:53Spatial Multiobjective Optimization of Agricultural Conservation Practices using a SWAT Model and an Evolutionary Algorithm
Published on: December 9, 2012
12.9K
