首页|多策略改进的乌燕鸥算法及应用

多策略改进的乌燕鸥算法及应用

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
乌燕鸥算法(STOA)存在收敛缓慢、稳定性差、收敛精度低等问题,鉴于此,提出一种多策略改进的乌燕鸥算法(MISTOA).首先,为增强初始种群的多样性,采用Cat混沌映射对STOA算法种群进行初始化.其次,将自适应权重因子和高斯函数改进了算法的迁徙位置更新方式,增强了算法的全局搜索能力.同时,结合自适应权重因子和邻代交叉学习策略改进了算法的攻击位置的更新方式,增强了算法跳出局部最优的能力.最后,采用高斯变异策略对乌燕鸥最优个体进行扰动,提高算法的全局搜索与局部搜索之间的平衡能力.利用7个测试函数和主梁轻量化设计对MISTOA算法收敛性能和工程实际应用能力进行了验证.结果表明:与其他5种先进的算法,MISTOA算法收敛性能更优,稳定性较好和鲁棒性较强.MISTOA算法可实现桥式起重机主梁质量减重率约为20.76％,优化结果优于已有的方法,因此,MISTOA算法可以高效地处理复杂的非线性约束的现实问题.
Multi-Strategy Improved Sooty Tern Optimization Algorithm and its Engineering Application

王国柱、周强、陈慧波

展开 >

河南工学院电气工程与自动化学院,河南 新乡 453003

郑州大学电气工程学院,河南 郑州 450001

卫华集团,河南 长垣 453400

乌燕鸥算法 Cat混沌映射 自适应权重因子 高斯变异 邻代交叉学习 主梁

河南省科技攻关项目河南工学院高层次人才启动基金

212102210139KQ1806

2023

机械设计与制造
辽宁省机械研究院

机械设计与制造

CSTPCD北大核心
影响因子：0.511
ISSN：1001-3997
年,卷(期)：2023.385(3)
  • 1
  • 10