首页|混合改进策略的黑猩猩优化算法及其机械应用

混合改进策略的黑猩猩优化算法及其机械应用

Chimp optimization algorithm based on hybrid improvement strategy and its mechanical application

扫码查看
原文链接
  • NETL
  • NSTL
  • 维普
  • 万方数据
针对黑猩猩优化算法存在易陷入局部最优、收敛速度慢、寻优精度低等缺陷,提出混合改进策略的黑猩猩优化算法(SLWChOA).首先,利用Sobol序列初始化种群,增加种群的随机性和多样性,为算法全局寻优奠定基础;其次,引入基于凸透镜成像的反向学习策略,将其应用到当前最优个体上产生新的个体,提高算法的收敛精度和速度;同时,将水波动态自适应因子添加到攻击者位置更新处,增强算法跳出局部最优的能力;最后,通过10个基准测试函数、Wilcoxon秩和检验以及部分CEC2014函数进行仿真实验来评价改进算法的寻优性能,实验结果表明,所提算法在寻优精度、收敛速度和鲁棒性上均较对比算法有较大提升.另外,通过一个机械优化设计实验进行测试分析,进一步验证了SLWChOA的可行性和适用性.

何庆、罗仕杭

展开 >

贵州大学大数据与信息工程学院,贵阳550025

黑猩猩优化算法 Sobol序列 凸透镜成像 水波动态自适应因子 机械优化设计

国家自然科学基金贵州省科技厅项目

62166006黔科合基础-ZK[2021]一般335

2023

10.13195/j.kzyjc.2021.1108

控制与决策
东北大学

控制与决策

CSTPCDCSCD北大核心
影响因子：1.227
ISSN：1001-0920
年,卷(期)：2023.38(2)
  • 10
  • 2