-
题名改进的矮猫鼬优化算法求解约束优化问题
- 1
-
-
作者
陈淼
崔倩倩
赵秋丽
赵世杰
-
机构
辽宁工程技术大学智能科学与优化研究所
辽宁工程技术大学运筹与优化研究院
-
出处
《计算机工程与应用》
北大核心
2025年第8期351-362,共12页
-
基金
辽宁省自然科学基金面上项目(2023-MS-317)
辽宁省教育厅基础研究项目(LJKMZ20220694,JYTM20230802)。
-
文摘
为提高矮猫鼬优化算法在求解约束优化问题的寻优性能,提出一种改进的矮猫鼬优化算法(D_PCDMO)。基于矮猫鼬的生活习性,修改算法中的窥视行为,以更好模拟矮猫鼬的觅食行为;提出一种候选解更新机制,以增强算法的勘探能力,提高算法寻优性能;构造一种新的动态惩罚因子,以提升求解约束优化问题的寻优能力。通过CEC2019基准测试函数和CEC2017约束优化基准测试函数与其他算法的数值对比及4个工程优化问题的求解,实验结果表明,相比于其他对比算法,D_PCDMO算法具有收敛精度高与收敛速度快等优势,且能有效地解决复杂的工程优化问题,具有较强的竞争力。
-
关键词
约束优化
矮猫鼬优化算法
窥视行为
候选解更新机制
动态惩罚因子
-
Keywords
constrained optimization
dwarf mongoose optimization algorithm
peep behavior
update mechanism of candidate solution
dynamic penalty factor
-
分类号
TP18
[自动化与计算机技术—控制理论与控制工程]
-
-
题名改进藤壶配尾优化算法求解高维连续优化问题
被引量：1
- 2
-
-
作者
赵世杰
张天然
马世林
王梦晨
-
机构
辽宁工程技术大学智能科学与优化研究所
辽宁工程技术大学运筹与优化研究院
-
出处
《智能系统学报》
CSCD
北大核心
2023年第4期823-832,共10页
-
基金
辽宁省教育厅基金项目(LJ2019JL017)
辽宁省科技厅博士科研启动基金项目(2019-BS-118)。
-
文摘
为增强藤壶配尾优化算法(barnacles mating optimizer,BMO)的全局探索性能和局部寻优精度,融合藤壶幼虫的沉降附着行为与正反向递减铸型策略提出一种改进藤壶配尾优化算法(improved BMO,IBMO)并将其用于求解高维连续优化问题。沉降附着行为模型受自然界藤壶幼虫随潮浮游、螺旋沉降的行为启发所构建,以增加种群多样性并改善算法的全局探索性能。正反向递减铸型策略借鉴反向学习思想并融入递减调控机制修正传统藤壶优化算法的精子铸型过程,以扩增种群的局部搜索域并改善算法的局部开采性能。实验结果表明,两种策略可分别有效改善藤壶优化算法的全局探索和局部开采性能;同时,所提IBMO算法相较于其他新近智能算法则表现出更高收敛精度、更强算法稳健性和良好高维适用性等。
-
关键词
智能优化算法
藤壶优化算法
沉降附着行为
正反向递减铸型策略
局部极值规避
高维函数优化
全局寻优
收敛精度
-
Keywords
intelligence optimization algorithm
barnacles mating optimizer
sedimentation adhesion behavior
forwardand-backward decreasing casting strategy
local extremum avoidance
high dimensional optimization of function
global optimization
convergence precision
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
TP301.6
[自动化与计算机技术—计算机系统结构]
-
-
题名领导者引导与支配解进化的多目标矮猫鼬算法
被引量：5
- 3
-
-
作者
赵世杰
张红易
马世林
-
机构
辽宁工程技术大学智能科学与优化研究所
辽宁工程技术大学运筹与优化研究院
-
出处
《计算机科学与探索》
CSCD
北大核心
2024年第2期403-424,共22页
-
基金
辽宁省教育厅基础研究基金项目(LJ2019JL017)
辽宁省教育厅基本科研项目(LJKMZ20220694)。
-
文摘
面对现实中日益复杂的多目标优化问题,需要发展新型多目标优化算法应对挑战。提出一种基于领导者引导与支配解动态缩减进化的多目标矮猫鼬优化算法(MODMO)。领导者引导机制通过引入动态权衡因子以调控侦察猫鼬探寻土丘的搜索半径,同时以非劣解集构建外部存档并根据非支配排序层级确定出领导者,进而引导侦察猫鼬向多目标前沿面推进以改善算法的收敛性;支配解动态缩减进化策略是为克服非劣解外部存档维护过程中的解冗余问题而构建,其以支配关系和拥挤距离动态筛选支配解并存入外部存档,以支配解信息融入种群进化实现多目标潜在前沿的挖掘并增强算法的多样性。在ZDT、DTLZ与WFG基准函数上,与5种代表性比较算法的实验结果表明MODMO算法在收敛性与多样性上均具有显著优势。
-
关键词
多目标优化
矮猫鼬优化算法
领导者引导机制
外部存档
支配解动态缩减进化策略
-
Keywords
multi-objective optimization
dwarf mongoose optimization algorithm
leader guidance mechanism
ex-ternal archive
dominated solution dynamic reduction evolution strategy
-
分类号
TP301
[自动化与计算机技术—计算机系统结构]
-
