融合麻雀搜索和随机差分的双向学习平衡优化器算法

TP301; 针对平衡优化器算法(Equilibrium Optimizer,EO)求解精度低、收敛速度慢等问题,提出一种融合麻雀搜索和随机差分的双向学习平衡优化器算法.首先,给出了基于麻雀搜索算法的自适应种群划分策略,以平衡算法的全局探索和局部勘探,从而提高算法的收敛精度和收敛速度.其次,引入随机差分策略来重建平衡池,增加个体之间的信息交流,以利于算法跳出局部最优.最后,设计了一种双向混沌反向学习策略并将其应用到更新后的种群,以增加种群多样性,从而进一步提高算法的收敛精度.通过14个测试函数进行仿真实验,使用Wilcoxon秩和检验以及平均绝对误差来评价算法性能,并将改进算法应用到两个工程设...

Celý popis

Uloženo v:
Podrobná bibliografie
Vydáno v:计算机科学 Ročník 50; číslo 11; s. 248 - 258
Hlavní autoři: 侯新宇, 鲁海燕, 卢梦蝶, 徐杰, 赵金金
Médium: Journal Article
Jazyk:čínština
Vydáno: 江南大学理学院 江苏无锡 214122%江南大学理学院 江苏无锡 214122 15.11.2023
无锡市生物计算工程技术研究中心 江苏无锡 214122
Témata:
Swarm intelli-gence optimization algorithms
Equilibrium optimizer
双向混沌反向学习
群智能优化算法
Algorithm fusion
随机差分
Bidirectional chaotic opposition learning
Random difference
平衡优化器算法
算法融合
ISSN:1002-137X
On-line přístup:Získat plný text
Tagy: Přidat tag
Žádné tagy, Buďte první, kdo vytvoří štítek k tomuto záznamu!
Popis
Shrnutí:TP301; 针对平衡优化器算法(Equilibrium Optimizer,EO)求解精度低、收敛速度慢等问题,提出一种融合麻雀搜索和随机差分的双向学习平衡优化器算法.首先,给出了基于麻雀搜索算法的自适应种群划分策略,以平衡算法的全局探索和局部勘探,从而提高算法的收敛精度和收敛速度.其次,引入随机差分策略来重建平衡池,增加个体之间的信息交流,以利于算法跳出局部最优.最后,设计了一种双向混沌反向学习策略并将其应用到更新后的种群,以增加种群多样性,从而进一步提高算法的收敛精度.通过14个测试函数进行仿真实验,使用Wilcoxon秩和检验以及平均绝对误差来评价算法性能,并将改进算法应用到两个工程设计问题,实验结果验证了3种改进策略的有效性,且改进算法的收敛精度、收敛速度和鲁棒性都有显著提高.
ISSN:1002-137X
DOI:10.11896/jsjkx.221100143