双路径差异扰动沙猫群优化算法与逃生机制集成
Qian Qian1, Wentao Luo1, Jiawen Pan1
1Yunnan Key Laboratory of Computer Technology Applications, Kunming University of Science and Technology, Kunming 650500, China.
The Review of scientific instruments
|November 18, 2024
概括
一个新的算法,EDSCSO,通过改善复杂问题的种群多样性和效率来增强沙猫群优化 (SCSO). 它成功地优化了测试功能和现实世界的场景,如无人机路径规划.
科学领域:
- 计算智能是一种计算智能.
- 优化算法 优化算法
- 群集情报 群集情报 群集情报
背景情况:
- 沙猫群优化 (SCSO) 算法面临着有限的人口多样性,复杂函数效率低,并倾向于陷入局部最佳状态的挑战.
- 有效的优化算法对于解决各种科学和工程领域的复杂计算问题至关重要.
研究的目的:
- 提出一种增强的优化算法,即双路径差分扰乱沙猫群优化 (EDSCSO),以解决原始SCSO的局限性.
- 为了提高人口多样性,融合速度,以及在优化任务中逃避局部最佳的能力.
主要方法:
- 引入一个逃生机制,以平衡勘探和开采.
- 实施随机精英合作指导策略以加快趋同.
- 应用双路径差异性扰动策略,使用变量运算符来增强种群多样性.
主要成果:
- 在IEEE CEC2017和IEEE CEC2019基准套件中的39个测试函数中,EDSCSO在27个测试函数中获得了优异的平均适应性.
- 该算法证明了复杂的优化问题的效率和可行性.
- 为3D无线传感器网络覆盖面和无人机路径规划问题找到最佳解决方案.
结论:
- 拟议的EDSCSO算法比原来的SCSO提供了显著的改进,有效地解决了其局限性.
- EDSCSO被证明是解决复杂优化挑战的有能力和高效的工具.
- 该算法在现实场景中的成功应用验证了其实际适用性.


