多策略徒步旅行优化算法

摘要

针对徒步旅行优化算法（HOA）存在收敛速度慢、全局搜索和局部开发能力不平衡等问题，提出一种多策略徒步旅行优化算法（MSHOA）。首先，采用Chebyshev混沌映射初始化提高种群质量；其次，融入自适应扩张因子策略提高算法收敛速度；再次，引入部分维度重组与突变策略增强算法跳出局部极值的能力。将MSHOA与粒子群算法（PSO）、鲸鱼优化算法（WOA）、哈里斯鹰优化算法（HHO）、飞蛾扑火优化算法（MFO）在12个基准测试函数上进行仿真实验。结果表明，MSHOA相较于其他优化算法寻优精度更高、收敛速度更快。最后，将MSHOA应用于减速器设计和焊接梁设计问题。实验结果表明，该算法相较于标准HOA具有显著优势，验证了其在求解实际应用问题中的可行性。

关键词

徒步旅行优化算法 / Chebyshev混沌映射 / 自适应扩张因子策略 / 部分维度重组与突变策略 / 减速器设计 / 焊接梁设计