一个改进的Greater Cane Rat算法,具有适应性和全球指导机制,用于解决现实世界的工程问题
Yepei Chen1, Zhangzhi Tian1, Kaifan Zhang1
1School of Computer Science, Hubei University of Technology, Wuhan 430068, China.
Biomimetics (Basel, Switzerland)
|September 26, 2025
概括
一个改进的适应性和全球导向的更大鼠算法 (AGG-GCRA) 提高了优化速度和精度. 这种新的算法克服了原始GCRA的局限性,在复杂的工程问题上提供了卓越的性能.
科学领域:
- 计算智能是一种计算智能.
- 优化算法 优化算法
- 超听证学是一种超听证学.
背景情况:
- 原来的大鼠算法 (GCRA) 显示出智能探索,但在复杂的优化任务中遭受过早的融合和不足的本地利用.
- 现有的元启发算法经常在平衡探索和利用方面扎,导致复杂问题的非最佳解决方案.
研究的目的:
- 引入一个增强的变体,即自适应和全球指导的大鼠算法 (AGG-GCRA),旨在提高融合速度,解决方案精度和稳定性.
- 通过整合全球指导机制,灵活的参数调整,溶液保存和局部最佳逃生来解决标准GCRA的局限性.
主要方法:
- 通过整合四个关键改进来开发AGG-GCRA:全球最佳指导,灵活的参数调整系统,高质量的解决方案保留机制和局部干扰机制.
- 在26个标准基准函数和6个现实工程优化问题上进行了20次实验.
- 将AGG-GCRA与11种先进的元启发式优化方法进行比较,使用弗里德曼排名和威尔科克森签名排名测试等统计测试.
主要成果:
- 在融合率,解决方案精度和稳定性方面,AGG-GCRA在竞争算法上表现出卓越的性能.
- 该算法始终在五个工程案例的多个运行中找到全球最佳解决方案,显示出极好的重复性,标准偏差接近零.
- 统计分析证实了拟议的AGG-GCRA方法的显著有效性和重要性.
结论:
- 与现有方法相比,AGG-GCRA提供了一个更有效,更稳定的智能优化工具.
- 这些改进成功地减轻了原始GCRA的局限性,为各种优化挑战提供了强大的解决方案.
- 该研究验证了AGG-GCRA在高质量的全球搜索和复杂优化场景中可靠的性能方面的能力.
