多策略改进的蜣螂优化算法及其应用

TP301.6; 蜣螂优化算法(DBO)是近年提出的智能优化算法,与其他优化算法一样,DBO也存在收敛精度低、易陷入局部最优等缺点.针对DBO的这些局限性,提出一种多策略改进的蜣螂优化算法(MIDBO).首先,改进雏球和偷窃蜣螂对局部最优解和全局最优解的接受程度,使其根据自身搜索能力动态变化,既提升了种群质量又保持了适应度高的个体的良好搜索能力;其次,融合麻雀搜索算法中的追随者位置更新机制对算法进行扰动,并用贪婪策略更新位置,提升了算法的收敛精度;最后,当算法陷入停滞时引入柯西高斯变异策略,提高了算法跳出局部最优解的能力.仿真实验基于20个基准测试函数和CEC2019测试函数,验证了3种改进策...

Full description

Saved in:
Bibliographic Details
Published in计算机科学与探索 Vol. 18; no. 4; pp. 930 - 946
Main Authors 郭琴, 郑巧仙
Format Journal Article
LanguageChinese
Published 湖北大学 计算机与信息工程学院,武汉 430062%湖北大学 网络空间安全学院,武汉 430062 01.04.2024
Subjects
局部最优解
麻雀搜索算法
car collision optimization problems
蜣螂优化算法
Cauchy Gaussian variation
柯西高斯变异
汽车碰撞优化问题
Wilcoxon秩和检验
local optimal solution
sparrow search algorithm
Wilcoxon rank sum test
dung beetle optimization algorithm
Online AccessGet full text
ISSN1673-9418
DOI10.3778/j.issn.1673-9418.2308020

Cover

More Information
Summary:TP301.6; 蜣螂优化算法(DBO)是近年提出的智能优化算法,与其他优化算法一样,DBO也存在收敛精度低、易陷入局部最优等缺点.针对DBO的这些局限性,提出一种多策略改进的蜣螂优化算法(MIDBO).首先,改进雏球和偷窃蜣螂对局部最优解和全局最优解的接受程度,使其根据自身搜索能力动态变化,既提升了种群质量又保持了适应度高的个体的良好搜索能力;其次,融合麻雀搜索算法中的追随者位置更新机制对算法进行扰动,并用贪婪策略更新位置,提升了算法的收敛精度;最后,当算法陷入停滞时引入柯西高斯变异策略,提高了算法跳出局部最优解的能力.仿真实验基于20个基准测试函数和CEC2019测试函数,验证了3种改进策略的有效性,将所改进算法和对比算法的优化结果进行收敛性分析和Wilcoxon秩和检验,证明了MIDBO具有良好的寻优性能和鲁棒性.将MIDBO运用在汽车碰撞优化问题的求解上,进一步验证了MIDBO在求解实际工程问题中的有效性和可靠性.
ISSN:1673-9418
DOI:10.3778/j.issn.1673-9418.2308020