动态多策略自适应蛇鹫优化算法

摘要

蛇鹫优化算法（Secretary bird optimization algorithm,SBOA）是一种通过模拟蛇鹫在自然界中搜捕猎物行为而提出的元启发式算法。然而，SBOA存在收敛精度欠佳、易陷入局部最优解等问题。为有效解决这些问题，本文提出一种动态多策略自适应蛇鹫优化算法——DMASBOA。该算法引入动态边界约束处理机制，能有效平衡算法的探索与开发能力；采用自适应动态混合捕食策略，提升算法的探索能力和收敛精度；运用动态混合逃逸策略，增强种群多样性和提升收敛效率。在CEC2022基准测试函数上进行实验，结果表明，相较于其他7种算法，DMASBOA展现出更为优异的收敛性能和稳定性。通过Wilcoxon秩和检验进一步验证，DMASBOA在性能上具有明显竞争优势，为解决复杂优化问题提供了新的途径和参考方案。

关键词

蛇鹫优化算法 / 动态边界约束 / 自适应参数 / 逃逸策略