混沌累积差异增强的小龙虾优化算法

摘要

小龙虾优化算法(COA)是2023年提出的一种新型群智能优化算法，通过模拟小龙虾行为和温度调控来寻优.然而，COA存在多样性退化、探索能力不足、易陷入局部最优和寻优精度低等缺陷，为了解决这些问题，本研究提出了一种混沌累积差异增强的小龙虾优化算法(CE-COA).首先，通过引入Piecewise混沌映射初始化种群的位置，增加种群的多元性；其次，在避暑和竞争洞穴阶段，引入精英洞穴群体以避免算法陷入局部最优，并提升其寻找潜在解的能力；然后，在觅食阶段通过累积差异进食策略，充分考虑个体与食物的维度信息差异，进一步提高算法的寻优精度.在实验分析阶段通过使用CEC2022测试集和CEC2017的部分测试函数进行验证，使用定性分析、Wilcoxon秩和检验和Friedman检验评估算法性能，并在2个工程设计问题和无线传感器网络(WSN)节点覆盖问题上进行了算法的实效性验证.实验结果表明，CE-COA算法均取得了更好的实验效果.

关键词

小龙虾优化算法 / 混沌映射 / 累积差异 / 精英群体 / 无线传感器网络

基金资助

国家自然科学基金地区基金项目(32060193,62062047)资助; 云南省重大科技专项计划项目(202202AD080006)资助