基于多策略融合的改进蜣螂优化算法研究

摘要

针对蜣螂优化算法(DBO)局部开发与全局探索能力不平衡、易陷入局部最优及收敛精度低等不足，提出一种基于多策略融合的改进蜣螂优化算法(IDBO).首先，引入黄金正弦算法优化滚球行为无障碍模式的位置更新，结合鲸鱼算法启发的可变螺旋搜索策略改进有障碍模式及繁殖、觅食阶段，显著增强算法的全局探索与局部开发能力；然后，采用动态权重系数优化偷窃行为的位置更新，促进后期局部优化，提升收敛速度与寻优精度；最后，利用自适应t分布变异策略扰动更新个体位置，有效提升算法跳出局部最优的能力.通过8个基准函数测试，并与鹈鹕优化算法(POA)、鲸鱼优化算法(WOA)及原始DBO进行比较，验证了本文提出的4种改进策略的有效性.结果表明，IDBO在收敛速度、鲁棒性和寻优精度方面均有显著提升.

关键词

蜣螂优化算法 / 黄金正弦算法 / 可变螺旋搜索 / 动态权重系数 / 自适应t分布变异

基金资助

河北省自然科学基金项目(E2020209121); 国家自然科学基金青年项目(61502143)