-
题名多策略融合改进的海洋捕食者算法及其工程应用
- 1
-
-
作者
王逸文
王维莉
杨宇鸽
周辉
-
机构
上海海事大学物流研究中心
-
出处
《计算机集成制造系统》
北大核心
2025年第7期2591-2604,共14页
-
基金
国家自然科学基金资助项目(71904116)
上海市浦江人才计划资助项目(22PJD030)。
-
文摘
针对海洋捕食者算法寻优精度较低、收敛速度较慢等缺陷,提出一种多策略融合改进的海洋捕食者算法。首先,在迭代前通过反向差分变异对初始种群进行更新;其次,在高速比阶段提出一种双种群机制,分别以布朗运动和威布尔分布生成的步长进行全局搜索,并根据适应度大小选取优势种群更新位置;然后,在最优个体确定阶段引入t分布自适应扰动策略,同时基于贪婪选择更新海洋记忆。基于10个基准测试函数以及部分CEC2017函数,通过收敛性分析、Wilcoxon秩和检验进行性能评价,实验结果表明,相较于原始海洋捕食者算法,该算法在不同维度下的寻优精度与收敛速度均有明显改进,且显著优于其他对比算法。最后,通过压力容器设计与汽车侧面碰撞设计两个工程约束实例进一步验证了该算法的可靠性与有效性。
-
关键词
元启发式算法
反向差分变异
威布尔分布
自适应扰动策略
海洋捕食者算法
压力容器设计问题
汽车侧面碰撞设计问题
-
Keywords
meta heuristic algorithm
reverse differential variation
Weibull distribution
adaptive perturbation strategy
marine predator algorithm
pressure vessel design problem
car side impact design problem
-
分类号
TP18
[自动化与计算机技术—控制理论与控制工程]
-
-
题名融合动态反向学习的阿奎拉鹰与哈里斯鹰混合优化算法
被引量：25
- 2
-
-
作者
贾鹤鸣
刘庆鑫
刘宇翔
王爽
吴迪
-
机构
三明学院信息工程学院
海南大学计算机科学与技术学院
福州大学物理与信息工程学院
三明学院教育与音乐学院
-
出处
《智能系统学报》
CSCD
北大核心
2023年第1期104-116,共13页
-
基金
福建省自然科学基金面上项目(2021J011128)
福建省本科高校教育教学改革研究项目(FBJG20210338)
+3 种基金
三明市科技计划引导性项目(2021-S-8)
三明学院教育教学改革重点项目(J2010305)
三明学院高教研究课题(SHE2013)
福建省农业物联网应用重点实验室开放研究基金项目(ZD2101)。
-
文摘
阿奎拉鹰优化算法(Aquila optimizer, AO)和哈里斯鹰优化算法(Harris hawks optimization, HHO)是近年提出的优化算法。AO算法全局寻优能力强,但收敛精度低,容易陷入局部最优,而HHO算法具有较强的局部开发能力,但存在全局探索能力弱,收敛速度慢的缺陷。针对原始算法存在的局限性,本文将两种算法混合并引入动态反向学习策略,提出一种融合动态反向学习的阿奎拉鹰与哈里斯鹰混合优化算法。首先,在初始化阶段引入动态反向学习策略提升混合算法初始化性能与收敛速度。此外,混合算法分别保留了AO的探索机制与HHO的开发机制,提高算法的寻优能力。仿真实验采用23个基准测试函数和2个工程设计问题测试混合算法优化性能,并对比了几种经典反向学习策略,结果表明引入动态反向学习的混合算法收敛性能更佳,能够有效求解工程设计问题。
-
关键词
阿奎拉鹰优化算法
哈里斯鹰优化算法
动态反向学习
混合优化
基准函数
管柱设计问题
汽车碰撞设计问题
Wilcoxon秩和检验
-
Keywords
Aquila optimizer
Harris Hawk optimization
dynamic opposition-based learning
hybrid optimization
benchmark function
tubular column design problem
car crash design problem
Wilcoxon rank-sum test
-
分类号
TP301.6
[自动化与计算机技术—计算机系统结构]
-
