用多种策略改进泥虫优化器:对复杂工程问题的应用

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:

• 标准的Dung Beetle Optimizer (DBO) 是有前途的,但在复杂的优化中存在过早的融合和精度问题.
• 现有的元启发术往往需要改进,以提高对具有挑战性的问题的性能.

研究的目的:

• 开发了一种先进的优化算法,即多策略改进的泥甲虫优化器 (MIDBO),以克服标准DBO的局限性.
• 提高DBO算法的全球搜索能力,本地精细化精度和融合速度.

主要方法:

• 集成圈混沌地图与动态的基于对立的学习,以改善最初的人口多样性.
• 引入了非线性振荡平衡因子,并加强了全球和本地搜索之间的动态平衡的搜索策略.
• 实施了多种群的差异共同进化机制,以健身为基础的分区和独特的突变运算符来避免局部最佳.

主要成果:

• 在CEC2017和CEC2022基准函数上,MIDBO在优化性能上表现明显优于其他元启发术.
• 通过成功应用于三个实际工程挑战来验证算法的有效性.
• 对比研究证实了MIDBO的增强的收速度和避免局部最佳的能力.

结论:

• 多策略改进的泥虫优化器 (MIDBO) 有效地解决了标准DBO的局限性,提供了改进的全球优化功能.
• MIDBO的新策略为复杂的优化任务和工程问题提供了卓越的性能和实际应用.
• 拟议的算法代表了metaheuristic优化技术的重大进步.